完善资料让更多小伙伴认识你,还能领取20积分哦, 立即完善>
1.简单介绍
官方文档地址:http://wiki.friendlyarm.com/wiki/index.php/NanoPC-T4/zh 用户与密码 普通用户 用户名: pi 密码: pi root用户 用户名: root 密码: fa 2.改系统 默认发来是Android系统,板子支持Linux16和18的系统,分别是Lubuntu16.04和友善定制friendlydesktop18.04系统。 -安卓改Linux避坑
总结一下:建议直接按照官方文档用SD烧写系统,烧写的时候记得勾选"low format"选项。如果线刷后显示器黑屏,要用卡刷旧。 3.换源 RK3399 是基于ARM8架构的芯片,arm linux改源需要用arm linux源。 -备份官方源 sudo cp /etc/apt/sources.list /etc/apt/sources.list.bcakup -换国内源 针对RK3399 Ubuntu18 arm ubuntu 使用的源是 ubuntu-ports,我们用华为的云镜像,https://mirrors.huaweicloud.com/ 选择arm类->Ubuntu-Ports list文件选择bionic(bionic是ubuntu版本的代号,查见https://blog.csdn.net/zhengmx100/article/details/78352773) 那么按照华为云镜像官方的提示,在终端执行: sudo cp -a /etc/apt/sources.list /etc/apt/sources.list.bak sudo wget -O /etc/apt/sources.list https://mirrors.huaweicloud.com/repository/conf/Ubuntu-Ports-bionic.list 即可 网上常见更新法 首先允许gedit被访问: xhost + 然后通过gedit打开sources.list文件 sudo gedit /etc/apt/sources.list 清空文件内的内容,然后选择源添加到文件当中,保存并退出。 这里推荐使用华为源。 –清华源: # 默认注释了源码镜像以提高 apt update 速度,如有需要可自行取消注释 deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic main restricted universe multiverse # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic main restricted universe multiverse deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-updates main restricted universe multiverse # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-updates main restricted universe multiverse deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-backports main restricted universe multiverse # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-backports main restricted universe multiverse deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-security main restricted universe multiverse # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-security main restricted universe multiverse # 预发布软件源,不建议启用 # deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-proposed main restricted universe multiverse # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-proposed main restricted universe multiverse –华为源(据说很快): deb https://repo.huaweicloud.com/ubuntu-ports/ bionic main restricted universe multiverse deb-src https://repo.huaweicloud.com/ubuntu-ports/ bionic main restricted universe multiverse deb https://repo.huaweicloud.com/ubuntu-ports/ bionic-security main restricted universe multiverse deb-src https://repo.huaweicloud.com/ubuntu-ports/ bionic-security main restricted universe multiverse deb https://repo.huaweicloud.com/ubuntu-ports/ bionic-updates main restricted universe multiverse deb-src https://repo.huaweicloud.com/ubuntu-ports/ bionic-updates main restricted universe multiverse deb https://repo.huaweicloud.com/ubuntu-ports/ bionic-backports main restricted universe multiverse deb-src https://repo.huaweicloud.com/ubuntu-ports/ bionic-backports main restricted universe multiverse ## Not recommended # deb https://repo.huaweicloud.com/ubuntu-ports/ bionic-proposed main restricted universe multiverse # deb-src https://repo.huaweicloud.com/ubuntu-ports/ bionic-proposed main restricted universe multiverse -更新软件列表和升级 在终端上执行以下命令更新软件列表,检测出可以更新的软件: sudo apt-get update #更新源 在终端上执行以下命令进行软件更新: sudo apt-get upgrade # 更新已安装的包 更新完了记得执行: sudo apt-get clean && sudo apt-get autoclean #清理无用的包 清楚apt 的缓存 4.文件传输 -U盘传输文件 -通过XFTP传输 确保设备和主机在同一局域网内,首先在系统中启动终端并执行命令: ifconfig 得到如下 在wlan0中找到inet 地址,也就是ip地址。此处的inet地址为 172.19.19.5,记住这个地址。 然后打开Xftp软件,新建连接,配置如下: 其中主机的位置就填写刚刚得到的ip地址(苏州大学未申请静态IP的设备在重启之后可能会被分配新的IP地址,所以连接前注意查看ip地址)。 5.远程连接 远程连接用的是Xshell软件,建立连接的方式类似Xftp,可通过Xshell操作设备的终端。 6.安装Mini-forge 到https://github.com/conda-forge/miniforge/releases下载最新的arm8版本,也就是aarch64版本,此处我下载的是Miniforge-pypy3-Linux-aarch64.sh。 这里我最开始安装的是Miniforge-pypy3-4.9.2-0-Linux-aarch64.sh,不过在安装tensorflow lite 的轮子时报错不支持此平台,后安装Miniforge-pypy3-Linux-aarch64.sh问题解决。 终端cd到 下载文件所在的目录,执行: sudo bash Miniforge-pypy3-Linux-aarch64.sh 一路enter,然后输入yes之后安装。 安装完成之后执行命令: sudo gedit ~/.bashrc 在文件最后添加 export PATH=$PATH:/home/pi/miniforge3/bin 注意这里/home/pi/miniforge3/bin是miniforge安装目录下的bin目录位置,安装时观察好安装位置 保存之后执行命令: source ~/.bashrc 立即生效。 使用命令: conda init 以初始化conda 重启终端。 即可看到conda基础环境,其他例如新建虚拟环境等操作类似Anaconda。 如果提示conda: command not found,就是 在 export的时候,miniforge安装的位置没填正确,正确修改后即可。 如果遇到 The current user does not have wrote permissions to a required path 错误 cd到conda安装目录的父级目录,执行: sudo chown -R pi miniforge-pypy3 # pi 是用户名, miniforge-pypy3是安装目录 7.编译安装MNN 环境要求:
环境检查代码: cmake --version protoc --version gcc --version 首先在终端cd到工作目录,然后执行一下命令下载Mini-forge: git clone https://https://github.com/alibaba/MNN 下载之后在工作目录下会出现MNN目录。 -编译推理部分 cd /path/to/MNN ./schema/generate.sh mkdir build && cd build && cmake .. && make -j8 -编译训练部分 保持终端工作目录不变,执行: cmake .. -DMNN_BUILD_TRAIN=ON && make -j8 编译完成后运行: ./runTrainDemo.out 如果有信息表示编译成功: Usage: ./runTrainDemo.out CASENAME [ARGS] Valid Case: DataLoaderDemo DataLoaderTest DistillTrainQuant ImageDatasetDemo LinearRegress MatMulGradTest MnistInt8Train MnistTrain MnistTrainSnapshot MobilenetV2PostTrain MobilenetV2Train MobilenetV2TrainQuant MobilenetV2Transfer NNGrad NNGradV2 NNGradV3 OctaveMnist PostTrain PostTrainMobilenet QuanByMSE QuanMnist TestMSE -编译转换部分 保持终端工作目录不变,执行: cmake .. -DMNN_BUILD_CONVERTER=true && make -j8 -姿态检测Demo 准备工作: cd MNN/build cmake -DMNN_BUILD_DEMO=ON .. && make -j8 下载原始的Tensorflow模型。链接:https://pan.baidu.com/s/1QbEgh1kUjl2Kpi2ouwWfUA提取码: rusy 使用模型转换工具将pb模型转换为 MNN 模型。 cd MNN/build ./MNNConvert -f TF --modelFile model-mobilenet_v1_075.pb --MNNModel donkey.mnn --bizCode biz 将转换之后的donkey.mnn模型复制到MNN/demo/exec文件夹下,执行行姿态检测。 cd MNN/demo/exec ./multiPose.out donkey.mnn input.jpg pose.png 8.安装MNN Python API 首先需要完成以上编译工作,其次需要在python中安装numpy cd到目录MNN/pymnn/pip_package,执行: python build_deps.py 完成之后,打开build_manylinux2014.sh,将16行的/opt/python/*/bin改为自己pip所在位置 例如我的pip位置是home/pi/miniforge-pypy3/bin 改完之后保存,执行命令: bash build_manylinux2014.sh 等待执行完成之后就能得到轮子了。 得到wheel包之后安装一下 9.安装TensorFlow 2.X 在arm8 linux 上安装TF2又需要编译,很麻烦,所以我们用人家编译好的。 环境: Python3.7或者Python3.5 推荐Python3.7版本,首先到https://github.com/lhelontra/tensorflow-on-arm/releases下载编译好的aarch64版本的.whl文件。本文成功安装tensorflow-2.3.0-cp37-none-linux_aarch64.whl,其他情况未测试。 准备: 1.安装依赖: sudo apt-get install pkg-config libhdf5-100 libhdf5-dev gfortran libopenblas-dev liblapack-dev 2.安装tensorflow-2.3.0-cp37-none-linux_aarch64.whl: pip install tensorflow-2.3.0-cp37-none-linux_aarch64.whl 等待安装完成。 10.安装TensorFLow Lite Python API TensorFLow Lite Python API的安装很简单,只要一行代码。首先来到https://tensorflow.google.cn/lite/guide/python,找到 Python版本快速入门: 我是miniforge虚拟环境,并且是aarch64,所以执行命令: pip install https://dl.google.com/coral/python/tflite_runtime-2.1.0.post1-cp37-cp37m-linux_aarch64.whl 等待安装完成即可。 11.安装Pytorch和Torchvision 在arm上安装Pytorch和Torchvision依旧需要从源码编译,异常的麻烦。所以我们直接用编译好的: Pytorch 1.1/1.2:https://github.com/nmilosev/pytorch-arm-builds Pytorch 1.5/1.6:https://github.com/gauravs900/pytorch_arm_aarch64_builds 环境: python3.7 依赖: sudo apt install libopenblas-dev libblas-dev m4 cmake cython python3-dev python3-yaml python3-setuptools python3-wheel python3-pillow python3-numpy 执行: cd /pathTo/PytorchWheel pip install torch-1.6.0a0+8682ac1-cp37-cp37m-linux_aarch64.whl pip install torchvision-0.7.0a0+6631b74-cp37-cp37m-linux_aarch64.whl # 我实在conda虚拟环境下安装的,所以执行的是pip install,系统环境请执行pip3 install。 # 安装的文件名根据自己下载的版本而定。 畅通无阻,无痛安装。 |
|
|
|
你正在撰写答案
如果你是对答案或其他答案精选点评或询问,请使用“评论”功能。
基于米尔瑞芯微RK3576核心板/开发板的人脸疲劳检测应用方案
739 浏览 0 评论
968 浏览 1 评论
856 浏览 1 评论
2075 浏览 1 评论
3322 浏览 1 评论
小黑屋| 手机版| Archiver| 电子发烧友 ( 湘ICP备2023018690号 )
GMT+8, 2024-12-25 10:24 , Processed in 0.708026 second(s), Total 73, Slave 56 queries .
Powered by 电子发烧友网
© 2015 bbs.elecfans.com
关注我们的微信
下载发烧友APP
电子发烧友观察
版权所有 © 湖南华秋数字科技有限公司
电子发烧友 (电路图) 湘公网安备 43011202000918 号 电信与信息服务业务经营许可证:合字B2-20210191 工商网监 湘ICP备2023018690号