#### 專案介紹： 本科畢業選的深度學習的畢設，一開始只是學習了一下YOLOv3模型， 按照作者的指示在官網上下載下來權重，配好環境跑出來Demo,後來想著只是跑模型會不會太單薄，於是想了能不能做出來個比較實用的東西（因為模型優化做不了）。於是乎做一個可以檢測人體的可操控移動小車的想法就誕生了。 實現的功能：1. 控制小車行進，並實時檢測人體目標。 ​ 2. 作為家庭監控，可以將出現在攝像頭中的人體目標通過微信發到手機上，並可以人為決定是否通過蜂鳴器發出警報。 大致的工作包括：1. YOLOv3 tiny 模型的訓練 ​ 2. Darknet模型到tensorflow模型再到NCS（神經計算加速棒）模型的兩次轉化 ​ 3. 小車控制以及視訊流直播程式 ​ 4. 微信報警程式 ------ #### 一 、環境搭建 ###### 一、安裝NVIDIA顯示卡驅動 1.刪除舊的驅動。 原來Linux預設安裝的顯示卡驅動不是英偉達的驅動，所以先把舊得驅動刪除掉。 ``` sudo apt-get purge nvidia* ``` 2.禁止自帶的nouveau nvidia驅動。 2.1 開啟配置檔案： ``` sudo gedit /etc/modprobe.d/blacklist-nouveau.conf ``` 2.2填寫禁止配置的內容： ``` blacklist nouveau``options nouveau modeset=0 ``` 2.3更新配置檔案： ``` sudo update-initramfs -u ``` 重啟電腦！ 2.4檢查設定 （因為禁止了顯示卡的驅動，這時你的電腦解析度會變成800*600，圖示格式將會很不和諧，當然通過這個可以看出，是否完成這上面的操作） ``` lsmod | grep nouveau ``` *如果螢幕沒有輸出則禁用nouveau成功 3 正式安裝 法一：ppa源安裝（原生安裝） 1.新增Graphic Drivers PPA ``` sudo add-apt-repository ppa:graphics-drivers/ppa``sudo apt-get update ``` 2.檢視合適的驅動版本： ``` ubuntu-drivers devices ``` 3.在這裡我選擇合適的396版本： ``` sudo apt-get install nvidia-driver-396 ``` 重啟電腦！ 4.安裝成功檢查： ``` sudo nvidia-smi``sudo nvidia-settings ``` *最直接的方法是進入到系統的“軟體和更新”，點選進入到“附加驅動”，選擇你需要安裝的英偉達驅動，然後點選“應用更改”，便能進行安裝了。注意的是這個方法適合網速較好的環境下進行。 ###### 二、安裝CUDA 1、官網下載：https://developer.nvidia.com/cuda-90-download-archive 我的如下：  2、安裝依賴庫 ``` sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev ``` 否則將會報錯：  3、注意C++\G++版本 CUDA9.0要求GCC版本是5.x或者6.x，其他版本不可以，需要自己進行配置，通過以下命令才對gcc版本進行修改。 檢視版本： ``` g++ --version ``` 版本安裝： ``` sudo apt-get install gcc-5 sudo apt-get install g++-5 ``` 通過命令替換掉之前的版本： ``` sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 50 sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 50 ``` 最後記得再次檢視版本是否修改成功。 4、執行run檔案 ``` sudo sh cuda_9.0.176_384.81_linux.run ``` 安裝協議可以直接按q跳到最末尾，注意一項： ``` Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 384.81? (y)es/(n)o/(q)uit: n # 安裝NVIDIA加速圖形驅動程式,這裡選擇n ``` 5、新增環境變數 進行環境的配置，開啟環境變數配置檔案 ``` sudo gedit ~/.bashrc ``` 在末尾把以下配置寫入並儲存： ``` #CUDA export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} ``` 最後執行： ``` source ~/.bashrc ``` 6、安裝測試 在安裝的時候也也相應安裝了一些cuda的一些例子，可以進入例子的資料夾然後使用make命令執行。 例一： 1.進入例子檔案 ``` cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery ``` 2.執行make命令 ``` sudo make ``` \3. 第三步 ``` ./deviceQuery ``` 如果結果有GPU的資訊，說明安裝成功。 例二： \1. 進入例子對應的資料夾 ``` cd NVIDIA_CUDA-9.0_Samples/5_Simulations/fluidsGL ``` 2.執行make ``` make clean && make ``` \3. 執行 ``` ./fluidsGL ``` 當執行這個例子，我們會看到流動的圖，剛開始可能看不到黑洞，需要等待一小段時間。不過記得用滑鼠點選下綠色的畫面。  ###### 三、安裝cuDNN 1、官網下載：https://developer.nvidia.com/rdp/form/cudnn-download-survey 這個需要註冊賬號，拿自己的郵箱註冊即可。 只需下載下面3個安裝包即可  2、順序執行下面3個安裝命令： ``` sudo dpkg -i libcudnn7_7.0.3.11-1+cuda9.0_amd64.deb``sudo dpkg -i libcudnn7-dev_7.0.3.11-1+cuda9.0_amd64.deb``sudo dpkg -i libcudnn7-doc_7.0.3.11-1+cuda9.0_amd64.deb ``` 3、安裝測試 輸入以下命令： ``` cp -r /usr/src/cudnn_samples_v7/ $HOME``cd $HOME/cudnn_samples_v7/mnistCUDNN``make clean && make``./mnistCUDNN ``` 最終如果有提示資訊：“Test passed! ”，則說明安裝成功！ ###### 四、安裝TensorFlow 1.pip直接安裝 ``` pip install tensorflow_gpu-1.9.0 ``` ###### 五、安裝darknet 開啟YOLOv3官網，https://pjreddie.com/darknet/，按著教程一步一步的照做。 1. 把專案克隆到本地，編譯 ``` git clone https://github.com/pjreddie/darknet cd darknet make ``` 2. 下載已經訓練好的[yolov3權重](https://pjreddie.com/media/files/yolov3.weights)，或者直接wget，如果下載速度太慢可以去百度找一下。 ``` wget https://pjreddie.com/media/files/yolov3.weights ``` 3. 下載完之後就可以使用權重模型來進行測試了。 ``` ./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg ``` 這裡不會彈出來檢測的圖片是因為沒有安裝OpenCV，檢測的結果會在專案資料夾下生成predictions.png. 4. 如果你有攝像頭，你也可以直接通過視訊測試模型 ``` ./darknet detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights ``` ###### 六、總結 至此已完成了，模型訓練端的環境搭建，下一篇文章將介紹如何利用YOLOv3模型訓練自己的數