在JetBot(JetPack4.3)安裝yolov4

2025/02更新

JetBot購買時安裝JetPack4.3，因為啟動GPU很耗電，所以直接使用變壓器供電，外接USB攝影機(/dev/video1)，詳細軟體版本，執行jetson_release結果如下。

 #jetson_release

 - NVIDIA Jetson NANO/TX1

   * Jetpack 4.3 [L4T 32.3.1]

   * CUDA GPU architecture 5.3

 - Libraries:

   * CUDA 10.0.326

   * cuDNN 7.6.3.28-1+cuda1

   * TensorRT 6.0.1.10-1+cuda1

   * Visionworks 1.6.0.500n

   * OpenCV 4.1.1 compiled CUDA: YES

 - Jetson Performance: inactive

Step1)從https://github.com/AlexeyAB/darknet.git下載程式碼，如以下指令。

$ mkdir yolov

$ cd yolov

$ git clone https://github.com/AlexeyAB/darknet.git

$ cd darknet

Step2)編譯產生執行檔darknet

編輯Makefile，Jetson nano計算能力為53，設定為compute_53,code=[sm_53,compute_53]，刪除第39行前方的#字號即可

$ vi Makefile

GPU=1

CUDNN=1

CUDNN_HALF=0

OPENCV=1

AVX=0

OPENMP=0

LIBSO=1

ZED_CAMERA=0

ZED_CAMERA_v2_8=0

......

以下刪除第39行前方的#字號即可

ARCH= -gencode arch=compute_53,code=[sm_53,compute_53]

接著執行make編譯產生執行檔darknet

$make

Step3)讓Jetson nano維持最大效能，jetson_clocks設定風扇速度最大

$ sudo nvpmodel -m 0

$ sudo jetson_clocks

以下步驟回復正常效能

$ sudo nvpmodel -m 1

$ sudo nano /sys/devices/pwm-fan/target_pwm，修改為0，表示風扇速度降低為0

#sudo jetson_clocks --show 查詢是否回復正常狀態

Step4)下載yolov4.weight

$ wget  https://github.com/AlexeyAB/darknet/releases/download/darknet_yolo_v3_optimal/yolov4.weights

Step5)辨識圖片，執行指令「./darknet detect cfg/yolov4.cfg yolov4.weights data/eagle.jpg」辨識圖片eagle.jpg，辨識結果自動儲存在preditions.jpg，如下圖。

Step7)以下執行需要Jetson Nano連接HDMI螢幕，或安裝遠端桌面程式，使用遠端桌面連線至JetBot，執行「darknet detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights -c 1 」開啟USB攝影機(dev/video1)進行即時辨識，「Ctrl+C」中斷執行。

(1)出現nvcc找不到錯誤

#nano ~/.bashrc

新增以下兩行

export PATH=/usr/local/cuda/bin:$PATH

export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

執行.bashrc

#source ~/.bashrc

(2)出現以下錯誤

./src/network_kernels.cu(721): error: identifier "cudaStreamCaptureModeGlobal" is undefined

編輯network_kernels.cu

#nano network_kernels.cu 

第721行找到cudaStreamCaptureModeGlobal，整行前面加上// 

//CHECK_CUDA(cudaStreamBeginCapture(stream0, cudaStreamCaptureModeGlobal));

#make clean

#make

參考 https://jkjung-avt.github.io/yolov4/