ubuntu_environment_config.md

ubuntu 环境配置

安装包准备

• 下载 410以上显卡驱动 文件名: NVIDIA-Linux-x86_64-410.66.run
• 下载 cuda 10.0 选择 CUDA Toolkit 10.0 (Sept 2018)... 选择详细参数: linux -> x86_64 -> ubuntu -> 16.04 -> runfile(local) 然后直接下载，2.0G，文件名: cuda_10.0.130_410.48_linux.run
• 下载cudnn 7.4.2 首先注册一个帐号，然后登录，在这个页面 勾选 I Agree To the Terms of the cuDNN Software License Agreement 后能看见 Archived cuDNN Releases 点进去后选择 Download cuDNN v7.4.2 (Dec 14, 2018), for CUDA 10.0 然后弹出框里面选择 cuDNN Library for Linux 下载,大小:424.5M，文件名:cudnn-10.0-linux-x64-v7.4.2.24.tgz

安装依赖

• 将apt-get更新到国内源并更新所有包(如果更新过程中出现权限不足的情况，请在命令最前面加上 sudo)
• 安装opencv依赖:
  • sudo apt-get install build-essential
  • sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
  • sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev
  • sudo apt-get install libavcodec-ffmpeg56 libhdf5-dev

安装cuda环境

• 安装驱动
  • 桌面状态按住 Ctrl + Alt + F1 进入文本行模式，登录后，进入到默认下载文件夹 cd /home/swls/Downloads
  • sudo service lightdm stop #关闭桌面服务
  • chmod +x NVIDIA-Linux-x86_64-410.66.run # 增加执行权限
  • sudo ./NVIDIA-Linux-x86_64-410.66.run -no-x-check -no-nouveau-check -no-opengl-files # 安装驱动, 安装过程可能会提示，一直默认就可以
  • sudo sh ./cuda_10.0.130_410.48_linux.run # 安装cuda，过程中第一步会提示是否安装 410 的显卡驱动，选择 no ,因为上一步已经安装完成，后面都选择yes就行
  • 添加环境变量:
    echo 'export PATH="$PATH:/usr/local/cuda-10.0/bin:/usr/local/cuda-10.0/include:$HOME/bin"' >> ~/.bashrc echo 'export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda-10.0/lib64:/usr/local/cuda-10.0/extras/CUPTI/lib64:/usr/local/cuda-10.0/include"' >> ~/.bashrc echo 'export CUDA_BIN_PATH="/usr/local/cuda-10.0/include:/usr/local/cuda-10.0/bin"' >> ~/.bashrc source ~/.bashrc
  • 安装 cudnn:
    tar -xf /home/swls/Download/cudnn-10.0-linux-x64-v7.4.2.24.tgz -C ./ sudo cp /home/swls/Download/cuda/include/cudnn.h /usr/ local/cuda-10.0/include/ sudo cp /home/swls/Download/cuda/lib64/* /usr/ local/cuda-10.0/lib64/
  • 终端执行 nvidia-smi 查看显卡与驱动信息,能正常显示即表明安装成功
  • sudo service lightdm start #打开桌面服务
• 文本行模式 按住 Ctrl + Alt + F7 即可打开桌面系统
• 再次终端执行 nvidia-smi 查看显卡与驱动信息,能正常显示即表明安装成功

调用示例

接口规范

接口函数共有三个，init_model函数负责初始化模型，可根据返回码查看应对错误详细信息，recognise函数接受三个参数，第一个为识别图片路径，第二个save_path为打框图片保存路径，第三个为空字符串，识别结果将填入其中（json格式），free_model即为关闭识别接口，释放资源。所有函数返回 非0 代表此次调用错误。

• int init_model(const char *path_prefix);
• int recognise(char* image_path, char *save_path, char *return_char);
• int free_model();

c++ 代码调用示例请查看 demo.cc 需要编译: g++ -o demo.so demo.cc -std=c++11 -ldl -shared -fPIC; python 代码调用示例请查看 demo.py 可直接运行。

http服务

主目录下运行sh ./run_service.sh 即可开启web service 服务，将识别接口部署到本地环境下，其中 service文件夹下存放运行服务的必要文件和python依赖。

调用示例

以下代码块展示了初始化识别接口的调用示例，包括访问地址，以及传入参数形似，以及键名，必须为recoglib_so_path 和 model_dir，键值请填写相应参数。

详细代码请查看主目录下的demo_post.py，其中需要修改所有关于路径的参数即可运行查看返回结果(运行demo_post.py需要安装requests库)，每次访问http接口都会返回json字符串，具体格式如下： **注意：**每次调用后都要先判断code值是否为0,才执行之后操作。非0代表调用失败，可在错误码一览表查看相应信息，即可根据返回值和message判断具体问题所在。

init接口返回格式:

run接口返回格式:

free接口返回格式:

错误码一览

识别结果格式

示例 变压器_呼吸器_硅胶变色_0032.JPG 识别结果如下

注意事项

• 图片路径暂时不支持中文

• 渲染图只标记了外框，不标记类别与置信度

• 识别结果里面x1,y1 为左上角坐标，x2,y2为右下角坐标

• 识别结果里面out_path为此次调用模型渲染图存放路径

• 运行程序需要将lib文件夹加入到动态库查找路径,执行一下命令即可:(修改对应路径)

  • echo 'export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/home/swls/lib"' >> ~/.bashrc
  • source ~/.bashrc