Ubuntu环境配置机器安装驱动

ubuntu_environment_config.md

ubuntu 环境配置

安装包准备

  • 下载 410以上显卡驱动 文件名: NVIDIA-Linux-x86_64-410.66.run
  • 下载 cuda 10.0 选择 CUDA Toolkit 10.0 (Sept 2018)... 选择详细参数: linux -> x86_64 -> ubuntu -> 16.04 -> runfile(local) 然后直接下载，2.0G，文件名: cuda_10.0.130_410.48_linux.run
  • 下载cudnn 7.4.2 首先注册一个帐号，然后登录，在这个页面 勾选 I Agree To the Terms of the cuDNN Software License Agreement 后能看见 Archived cuDNN Releases 点进去后选择 Download cuDNN v7.4.2 (Dec 14, 2018), for CUDA 10.0 然后弹出框里面选择 cuDNN Library for Linux 下载,大小:424.5M，文件名:cudnn-10.0-linux-x64-v7.4.2.24.tgz

安装依赖

  • 将apt-get更新到国内源并更新所有包(如果更新过程中出现权限不足的情况，请在命令最前面加上 sudo)
  • 安装opencv依赖:
    • sudo apt-get install build-essential
    • sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
    • sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev
    • sudo apt-get install libavcodec-ffmpeg56 libhdf5-dev

安装cuda环境

  • 安装驱动
    • 桌面状态按住 Ctrl + Alt + F1 进入文本行模式，登录后，进入到默认下载文件夹 cd /home/swls/Downloads
    • sudo service lightdm stop #关闭桌面服务
    • chmod +x NVIDIA-Linux-x86_64-410.66.run # 增加执行权限
    • sudo ./NVIDIA-Linux-x86_64-410.66.run -no-x-check -no-nouveau-check -no-opengl-files # 安装驱动, 安装过程可能会提示，一直默认就可以
    • sudo sh ./cuda_10.0.130_410.48_linux.run # 安装cuda，过程中第一步会提示是否安装 410 的显卡驱动，选择 no ,因为上一步已经安装完成，后面都选择yes就行
    • 添加环境变量:
      echo 'export PATH="$PATH:/usr/local/cuda-10.0/bin:/usr/local/cuda-10.0/include:$HOME/bin"' >> ~/.bashrc echo 'export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda-10.0/lib64:/usr/local/cuda-10.0/extras/CUPTI/lib64:/usr/local/cuda-10.0/include"' >> ~/.bashrc echo 'export CUDA_BIN_PATH="/usr/local/cuda-10.0/include:/usr/local/cuda-10.0/bin"' >> ~/.bashrc source ~/.bashrc
    • 安装 cudnn:
      tar -xf /home/swls/Download/cudnn-10.0-linux-x64-v7.4.2.24.tgz -C ./ sudo cp /home/swls/Download/cuda/include/cudnn.h /usr/local/cuda-10.0/include/ sudo cp /home/swls/Download/cuda/lib64/* /usr/local/cuda-10.0/lib64/
    • 终端执行 nvidia-smi 查看显卡与驱动信息,能正常显示即表明安装成功
    • sudo service lightdm start #打开桌面服务
  • 文本行模式 按住 Ctrl + Alt + F7 即可打开桌面系统
  • 再次终端执行 nvidia-smi 查看显卡与驱动信息,能正常显示即表明安装成功

调用示例

接口规范

接口函数共有三个，init_model函数负责初始化模型，可根据返回码查看应对错误详细信息，recognise函数接受三个参数，第一个为识别图片路径，第二个save_path为打框图片保存路径，第三个为空字符串，识别结果将填入其中（json格式），free_model即为关闭识别接口，释放资源。所有函数返回 非0 代表此次调用错误。

  • int init_model(const char *path_prefix);
  • int recognise(char* image_path, char *save_path, char *return_char);
  • int free_model();

c++ 代码调用示例请查看 demo.cc 需要编译: g++ -o demo.so demo.cc -std=c++11 -ldl -shared -fPIC; python 代码调用示例请查看 demo.py 可直接运行。

http服务

主目录下运行sh ./run_service.sh 即可开启web service 服务，将识别接口部署到本地环境下，其中 service文件夹下存放运行服务的必要文件和python依赖。

调用示例

以下代码块展示了初始化识别接口的调用示例，包括访问地址，以及传入参数形似，以及键名，必须为recoglib_so_path 和 model_dir，键值请填写相应参数。

url = 'http://127.0.0.1:9999/api/init' info_dict = { "recoglib_so_path" : "/home/swls/work_dir/github/models-master/research/object_detection/scene_recog/package/recoglib.so", "model_dir" : "/home/swls/work_dir/github/models-master/research/object_detection/scene_recog/package" } r = requests.post(url, data=info_dict, timeout=30) print("init: ") print(r.status_code)

详细代码请查看主目录下的demo_post.py，其中需要修改所有关于路径的参数即可运行查看返回结果(运行demo_post.py需要安装requests库)，每次访问http接口都会返回json字符串，具体格式如下： **注意：**每次调用后都要先判断code值是否为0,才执行之后操作。非0代表调用失败，可在错误码一览表查看相应信息，即可根据返回值和message判断具体问题所在。

init接口返回格式:

{"message": "ok", "code": 0}

run接口返回格式:

{"message": "OK", "code": 0, "data": [{"y2": 1765.583984375, "y1": 1195.190673828125, "class_idx": 1, "score": 0.9999951124191284, "x2": 2938.8828125, "x1": 2512.82470703125}, {"y2": 3282.471435546875, "y1": 960.3641357421875, "class_idx": 6, "score": 0.9998703002929688, "x2": 2369.16552734375, "x1": 1262.511474609375}, {"y2": 1592.4522705078125, "y1": 1238.4974365234375, "class_idx": 1, "score": 0.9993507266044617, "x2": 2374.076171875, "x1": 2115.9111328125}], "out_path": "/home/swls/work_dir/github/models-master/research/object_detection/scene_recog/package/service/RecogApi2/upload/0c4fe954-45b5-403c-b257-6065df5dc24d.jpg"}

free接口返回格式:

{"message": "free success", "code": 0}

错误码一览

错误码信息
200 模型文件不存在
201 模型运行失败
250 模型未初始化错误
251 图片不存在
252 json解析错误
253 图片名格式错误

识别结果格式

示例 变压器_呼吸器_硅胶变色_0032.JPG 识别结果如下

{ "code":0, "message":"ok", "out_path":"/home/swls/work_dir/github/models-master/research/object_detection/scene_recog/package/service/RecogApi2/upload/e1d83604-a7bc-40da-a83b-723bcfb5ed50.jpg", "data": [ { "class_idx" : 1, "score" : 0.99999511241912842, "x1" : 2512.82470703125, "x2" : 2938.8828125, "y1" : 1195.190673828125, "y2" : 1765.583984375 }, { "class_idx" : 6, "score" : 0.99987030029296875, "x1" : 1262.511474609375, "x2" : 2369.16552734375, "y1" : 960.3641357421875, "y2" : 3282.471435546875 }, { "class_idx" : 1, "score" : 0.99935072660446167, "x1" : 2115.9111328125, "x2" : 2374.076171875, "y1" : 1238.4974365234375, "y2" : 1592.4522705078125 } ] }

注意事项

  • 图片路径暂时不支持中文

  • 渲染图只标记了外框，不标记类别与置信度

  • 识别结果里面x1,y1 为左上角坐标，x2,y2为右下角坐标

  • 识别结果里面out_path为此次调用模型渲染图存放路径

  • 运行程序需要将lib文件夹加入到动态库查找路径,执行一下命令即可:(修改对应路径)

    • echo 'export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/home/swls/lib"' >> ~/.bashrc
    • source ~/.bashrc
posted @ 2019-07-27 16:04  杨文伟  阅读(1100)  评论(0)  编辑  收藏  举报