May 2023 – 码部落

Raspberry pi 上安装Intel NCS2 的坑

查了google ，问了chatGPT 以为万无一失了。根据chatGPT的提示打开了Intel 关于在Raspberry pi 上安装 OpenVINO的官网，然后再接照官网的说明一步一步执行完成各安装脚本命令，但在python 中运行

只有CPU ，真是日了狗了。

然后翻查了各个外国文档，然后找到，尼玛，官网的openVINO没有Raspberry pi 的插件所以不使用官网的这个版本的openVINO只有CPU，fuck。然后必须要使用从github上下载的源码编译才能生成出有Raspberry Pi 插件的版本。

cmos像元计算方法

1英寸等于16mm ,但不能适用所有的尺寸，小于1/2英寸的CIS，则要用1英寸等于18mm来换算。比如索尼1/2.8 的IMX415 对角线长度为6.43mm，英1英寸等于18mm则刚好。所以对于海康等监控摄像头，使用1英寸等于18mm来计算对角线尺寸，然后再通过4:3 的比例计算物理的长宽尺寸。

18*1/2.8=6.429mm

4x*4x+3x*3x=6.429*6.429

按4：3，则长为5.143mm，则像元为5.143/1920=2.68um

c++通过代码动态加载库文件并调用库里的类和方法

首先需要先在库文件的工程定义extern “c”

/**

* 因在开发阶段发现tensorflow 与海康的sdk 存在冲突，在还没有找到更好的解决方法时，使用动态加载so库的方法解决，

* 以下是为了使动态加载能找到函数标识符而加入的接口函数，通过函数调用FrameProcessHelper类

extern “C”{

FrameProcessHelper * create(std::string names_file,std::string cfg_file,std::string weights_file);

// void detect_and_track(cv::Mat org_frame,FrameProcessHelper & helper);

std::vector<bbox_t> get_detect_track_result(cv::Mat & org_frame,FrameProcessHelper & helper);

void draw_frame(cv::Mat & org_frame,bbox_t & dets, ais_data & ais,std::string & ocr_result,double & speed,FrameProcessHelper & helper);

}

CMakeList 定义输出的类型

add_library(new_detect SHARED

xxxx.cpp

xxxx.h

pip 离线安装本地包

因为服务器所在网络环境原因，不得不需要离线安装python 依赖包

使用如下方法，只下载需要的依赖包：

python -m pip download -r requirements.txt -d 目录

这方法会自动下载依赖包的依赖包，然后整个打包到目标服务器，然后在解压包所在目录运行

python -m pip install –no-index –find-links=目录名 -r requirements.txt

完成

Docker：将docker容器保存为docker镜像（打成tar包）

将docker容器保存为 tar 包
1、docker commit <容器id> <镜像名>:<tag> —- 将容器保存成镜像

保存后 docker images 便可以看到镜像

2、docker save -o <tar包名>.tar <镜像名>:<tag> —- 将镜像保存为.tar文件，默认保存在当前目录

· 从 tar 包导入docker镜像
1、docker load -i <tar包名>.tar —- 从 tar 包导入镜像

导入镜像后，通过 docker images 便可看到导入的镜像。

2、docker run -itd -p <本地端口>:<容器端口> <镜像名>:<tag> —- 通过镜像起容器

· 案例
1、docker commit 294oajfhfnci abcdef:latest —- 将294oajfhfnci容器保存为镜像abcdef

2、docker save -o abcdef.tar abcdef:latest —- 将镜像abcdef保存为abcdef.tar

3、docker load -i abcdef.tar —- 从 abcdef.tar 导入镜像

4、docker run -itd -p 8888:80 –restart=always abcdef:latest —- 通过abcdef镜像启动容器
————————————————
版权声明：本文为CSDN博主「普通网友」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/m0_54866636/article/details/126327700

实现tensorflow 2.11离线编译的一种方法

因为服务器所在网络环境的原因，不得不在无法连接外网的环境下编译tensorflow 。过程有点痛苦，走了不少弯路，最后还是实现了。具体方法是，先在一台能连接互联网的机器上使用正常的方法用官方提供的bazel 编译一遍。然后，编译过程中他会自动下载所有需要的包到~/.cache/baxel/_bazel_（用户名）这个目录。（足足差不多10G！），然后把这个目录整个打包复制到不能连接外网的目标机器。放在相同目录下，注意目录需要改为当前用户名。然后把 tensorflow-2.11（源码所在目录）/tensorflow/ 里的 workspace 0 – 3. bzl 文件里的包改为本地目录位置，方法可以是，改为file://xxxxx/ 这样的方式，也可以是搭建一个web 服务，然后改为 http://xxxx/xxx.tar.gz 这样的方式。这个自行发挥了。最后他还有个提示，说有个什么目录文件存在，所以编译不了，直接把哪个目录删了就行。还有一个问题是他会提示验证golang sdk 版本，这个问题很奇怪，我试了两台机，一台不用管，直接跳过了。另一台是强行修改了一个sdk.bzl 文件，把他要打开的一个go 版本校验js 手工下载并改到这个sdk.bzl 文件里才能通过。这个看他提示照着办了。

bazel 编译参数说明

bazel build –config=opt –local_cpu_resources=70 –local_ram_resources=8192 //tensorflow:libtensorflow_cc.so

其中 –local_cpu_resources=70 是使用CPU的核数，–local_ram_resources=8192 是使用内存数，为了使用多核CPU的多个核同时参与编译，须要加入–local_cpu_resources ，否则默认只使用单核，这样效率非常低。另外需要注意的是–local_ram_resources 这个参数不能太大，这个参数似乎并不是指总的利用内存数，而是单个进程在编译时使用的内存数，如果设得太大，会因为内存耗尽导致系统卡死。

Month: May 2023

raspberry pi 3b+ 编译opencv