Outils pour utilisateurs

Outils du site


archives:archive_yolo_v3_sur_un_portable_optimus

Différences

Ci-dessous, les différences entre deux révisions de la page.

Lien vers cette vue comparative

Les deux révisions précédentes Révision précédente
Prochaine révision
Révision précédente
archives:archive_yolo_v3_sur_un_portable_optimus [2019/04/29 18:38]
serge ↷ Page déplacée de archive_yolo_v3_sur_un_portable_optimus à archives:archive_yolo_v3_sur_un_portable_optimus
— (Version actuelle)
Ligne 1: Ligne 1:
-====== Archive YOLO v3 sur un portable Optimus ====== 
-<WRAP center round box 80% centeralign>​ 
-//​**Installation de YOLO Darknet sur un portable avec Optimus**// 
-**Xubuntu 18.04 CUDA 10 CUDNN 7 ** 
-</​WRAP>​ 
  
-<WRAP center round box 80% centeralign>​ 
-**{{tagpage>​semaphore|Sémaphores}}** ​ ....  **{{tagpage>​bge|Blender Game Engine}}** ....  **{{tagpage>​ia|Intelligence Artificielle}}** 
-</​WRAP>​ 
- 
-=====Ressources et documentation de YOLO Darknet===== 
-===Darknet=== 
-  * **[[https://​github.com/​AlexeyAB/​darknet|darknet de AlexeyAB sur GitHub]] bien documenté** 
-  * **[[https://​medium.com/​@manivannan_data/​how-to-train-yolov2-to-detect-custom-objects-9010df784f36|Détection avec YOLO v2]] Les explications pour créer les images training et test** ​ 
-  * **[[https://​medium.com/​@manivannan_data/​how-to-train-yolov3-to-detect-custom-objects-ccbcafeb13d2|Détection avec YOLO v3]]** 
-  * **[[https://​medium.com/​@manivannan_data/​how-to-train-multiple-objects-in-yolov2-using-your-own-dataset-2b4fee898f17|Détection avec YOLO v2 avec plusieurs objets]]** 
-===Portable Optimus=== 
-  * 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 
-  * [[https://​gist.github.com/​mari-linhares/​cef4cb3440408e44963d1447a7db5ae0|Setting up a MSI laptop with GPU @ github.com]] 
-  * https://​www.tensorflow.org/​install/​gpu#​ubuntu_1804_cuda_10 
- 
- 
-=====Installation du driver Nvidia===== 
-**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 ! 
- 
-=====Installation de tensorflow GPU===== 
-**Uniquement pour tester le calcul sur GPU**\\ 
-  * **[[https://​www.tensorflow.org/​install/​gpu#​ubuntu_1804_cuda_10|Tensor flow GPU sur Ubuntu 18.04 avec CUDA 10]]** sur **www.tensorflow.org** 
-<​code>​ 
- 
-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 
-</​code>​ 
- 
-Test: 
-  python3 
-<code python> 
-import tensorflow as tf 
-hello = tf.constant('​Hello,​ World!'​) 
-sess = tf.Session() 
-print(sess.run(hello)) 
-</​code>​ 
-Ne marche pas ma carte est trop vielle ! 
-=====Installation de CUDA===== 
-<​code>​ 
-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 
-</​code>​ 
-=====Installation de CUDNN===== 
-  * **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* 
-  ​ 
-=====Darknet===== 
-===Dépendances=== 
-  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  
-  ​ 
-  ​ 
-=====Création du set d'​apprentissage===== 
-Nous avons 1000 images 416x416 obtenus avec **[[2019_04:​yolo_avec_mes_propres_images#​creation_du_set_d_apprentissage|Création du set d'​apprentissage]]** 
-et les fichiers test.txt et train.txt 
-====Mon sémaphore==== 
-Python 3.6.7 pour utiliser les sources de **[[https://​github.com/​sergeLabo/​mon_semaphore|mon_semaphore]]** 
-  # pour mes projets 
-  sudo pip3 install -e git+https://​github.com/​sergeLabo/​pymultilame.git#​egg=pymultilame 
- 
-{{tag>sb archive}} 
archives/archive_yolo_v3_sur_un_portable_optimus.1556555918.txt.gz · Dernière modification: 2019/04/29 18:38 par serge