Différences

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

--- archives:archive_yolo_v3_sur_un_portable_optimus [2019/04/29 16:38] – ↷ Page déplacée de archive_yolo_v3_sur_un_portable_optimus à archives:archive_yolo_v3_sur_un_portable_optimus serge
+++ archives:archive_yolo_v3_sur_un_portable_optimus [2019/08/11 17:11] (Version actuelle) – supprimée serge
@@ 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}}