• darknet de AlexeyAB sur GitHub bien documenté
• Détection avec YOLO v2 Les explications pour créer les images training et test
• Détection avec YOLO v3
• Détection avec YOLO v2 avec plusieurs objets

• https://towardsdatascience.com/how-to-use-tensorflow-on-the-gpu-of-your-laptop-with-ubuntu-18-04-554e1d5ea189
• https://medium.com/@taylordenouden/installing-tensorflow-gpu-on-ubuntu-18-04-89a142325138
• https://medium.com/@agathver/nvidia-gpu-optimus-prime-and-ubuntu-18-04-woes-f52e7f850f3d
• Setting up a MSI laptop with GPU @ github.com
• https://www.tensorflow.org/install/gpu#ubuntu_1804_cuda_10

Sur Xubuntu 18.04
Avec pilotes additionnels, installation de nvidia-driver-390. Redémarrer, nvidia-settings est actif, la carte nvidia est utilisée en permanence, ça souffle, ça consomme !

Uniquement pour tester le calcul sur GPU

• Tensor flow GPU sur Ubuntu 18.04 avec CUDA 10 sur www.tensorflow.org

# 
sudo apt-get install libcupti-dev
# A utiliser avec:
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/extras/CUPTI/lib64

# Add NVIDIA package repositories
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-repo-ubuntu1804_10.0.130-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu1804_10.0.130-1_amd64.deb
sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/7fa2af80.pub
sudo apt-get update
wget http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1804/x86_64/nvidia-machine-learning-repo-ubuntu1804_1.0.0-1_amd64.deb
sudo apt install ./nvidia-machine-learning-repo-ubuntu1804_1.0.0-1_amd64.deb
sudo apt-get update

# Install development and runtime libraries (~4GB)
sudo apt-get install --no-install-recommends cuda-10-0 libcudnn7=7.4.1.5-1+cuda10.0 libcudnn7-dev=7.4.1.5-1+cuda10.0

# Install TensorRT. Requires that libcudnn7 is installed above.
sudo apt-get update && sudo apt-get install nvinfer-runtime-trt-repo-ubuntu1804-5.0.2-ga-cuda10.0 && sudo apt-get update && sudo apt-get install -y --no-install-recommends libnvinfer-dev=5.0.2-1+cuda10.0

Test:

python3

import tensorflow as tf
hello = tf.constant('Hello, World!')
sess = tf.Session()
print(sess.run(hello))

Ne marche pas ma carte est trop vielle !

wget -c https://developer.nvidia.com/compute/cuda/10.1/Prod/local_installers/cuda-repo-ubuntu1804-10-1-local-10.1.105-418.39_1.0-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu1804-10-1-local-10.1.105-418.39_1.0-1_amd64.deb
sudo apt-key add /var/cuda-repo-<version>/7fa2af80.pub
sudo apt-key add /var/cuda-repo-10-1-local-10.1.105-418.39/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda

• https://developer.nvidia.com/cudnn
• https://developer.nvidia.com/rdp/cudnn-archive

Remarque: Début des essais avec

sudo dpkg -i libcudnn7_7.5.0.56-1+cuda10.1_amd64.deb

qui n'a pas installer cudnn !!

Il faut avoir un compte sur Nvidia et se loguer pour pouvoir télécharger:

wget -c https://developer.nvidia.com/compute/machine-learning/cudnn/secure/v7.5.0.56/prod/10.1_20190225/cudnn-10.1-linux-x64-v7.5.0.56.tgz

Décompresser, dans le dossier:

sudo cp -P /media/data/cuda/targets/ppc64le-linux/lib/libcudnn* /usr/local/cuda-10.1/lib64/
sudo cp  /media/data/cuda/targets/ppc64le-linux/include/cudnn.h /usr/local/cuda-10.1/include/
sudo chmod a+r /usr/local/cuda-10.1/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

sudo apt-get install cmake
sudo apt-get install clang
sudo apt-get install python3-pip
sudo pip3 install opencv-python==3.4.5.20 
sudo apt-get install libopencv-core-dev libopencv-highgui-dev libopencv-flann-dev libopencv-photo-dev libopencv-video-dev libopencv-dev

export PATH=/usr/local/cuda-10.1/bin${PATH:+:${PATH}}
nvcc -V
export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/extras/CUPTI/lib64
make 

Nous avons 1000 images 416×416 obtenus avec Création du set d'apprentissage et les fichiers test.txt et train.txt

Python 3.6.7 pour utiliser les sources de mon_semaphore

# pour mes projets
sudo pip3 install -e git+https://github.com/sergeLabo/pymultilame.git#egg=pymultilame