在CORE-3399PRO-JD4上编译安装pytorch和opencv

本文首发于个人博客 http://zuyunfei.com/2020/07/1...,欢迎阅读最新内容!

最近拿到一块CORE-3399PRO-JD4开发板,要在上面部署AI应用。这块板子搭载Rockchip RK3399Pro处理器,采用双核 Cortex-A72+四核 Cortex-A53构架,主频高达 1.8GHz,集成四核Mali-T864 GPU,并内置高性能NPU,号称性能优异。但是实际过程中,发现发热严重,要使用NPU需要把算法移植到Rockchip提供的RKNN-Toolkit开发套件。按照官方文档把板子刷成了ubuntu18.4,然后安装了RKNN,打算把现有模型转换一下,结果发现:

  • 适配的tensorflow版本较低(RKNN 1.3 支持tensorflow 1.10.1),2.0版本的模型无法转换。
  • ONNX版本模型转换失败,应该也是版本不对
  • pytorch干脆没有迁移到板子上,官方例程都跑不起来。

实在没办法,只能先不用NPU把应用跑起来试试。这里把编译在ARM Ubuntu18.04上编译pytorch和opencv的过程记录一下。

编译pytorch

在开发板上编译,需要先安装编译工具链(要联网)。因为开始编译前我已经折腾这块板子好多天了,下面列出的依赖可能不是全部。

sudo apt-get install libopenblas-dev libblas-dev m4 cmake cython

然后安装python依赖,我这里使用的是python3.6。

pip3 install numpy pyyaml cyphon

从gitbub拿下来pytorch源码,submodule update 过程必不可少。

git clone --recursive https://github.com/pytorch/pytorch
cd pytorch
git checkout v1.4
git submodule sync
git submodule update --init --recursive
git submodule update --remote third_party/protobuf

配置环境变量

export NO_CUDA=1          #不适用cuda
export NO_DISTRIBUTED=1   #不支持分布式
export NO_MKLDNN=1        #不支持MKLDNN
export MAX_JOBS=4 

需要注意的是MAX_JOBS是并行编译的最大线程数。(虽然CORE-3399PRO-JD4 这块板子是6核CPU,可以支持6线程编译,但是它只有4GB内存,编译一些复杂模块时,GCC会耗尽内存崩溃。我的经验是先用4线程或6线程编译,遇到GCC崩溃,再改回单线程编译,耗内存的模块编译过之后再改回6线程编译。)

开始编译

#打包成whl,打包成功后这个文件在dist目录里面
python setup.py bdist_wheel

安装编译好的wheel包

cd dist
pip3 install ./torch-1.4.0a0+72e1771-cp36-cp36m-linux_aarch64.whl

编译torchvision

先安装编译依赖

sudo apt-get install libjpeg-dev libavcodec-dev libavformat-dev libswscale-dev
pip3 install pillow

从gitbub clone 代码

git clone https://github.com/pytorch/vision.git
cd vision
git checkout v0.5

开始编译

#打包成whl
python setup.py bdist_wheel

安装

cd dist
pip3 install ./torchvision-0.5.0a0+85b8fbf-cp36-cp36m-linux_aarch64.whl

编译OpenCV

ubuntu 18.04 可以直接用 apt 安装opencv 3.2,但是我们之前的一个应用至少需要3.3版本,所以也需要重新编译。
首先安装工具链

sudo apt-get install build-essential cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev

下载OpenCV和opencv_conrib 源码

wget -O opencv-3.3.0.zip https://github.com/opencv/opencv/archive/3.3.0.zip
wget -O opencv_contrib.zip https://github.com/opencv/opencv_contrib/archive/3.3.0.zip
unzip opencv-3.3.0.zip
unzip opencv_contrib.zip
cd opencv-3.3.0

配置cmake

mkdir build
cd build
cmake -D CMAKE_BUILD_TYPE=RELEASE \
      -D CMAKE_INSTALL_PREFIX=/usr/local \
      -D INSTALL_PYTHON_EXAMPLES=ON \
      -D INSTALL_C_EXAMPLES=OFF \
      -D OPENCV_EXTRA_MODULES_PATH=/path/to/opencv_contrib-3.3.0/modules \
      -D PYTHON_EXECUTABLE=/usr/bing/python3 \
      -D BUILD_EXAMPLES=ON ..

开始编译

make -j 4

打包和安装

make package
sudo make install

软件包下载

由于是在开发板上编译,PyTorch花费了大概4个小时,OpenCV也需要1个小时。我把编译好的包上传到了github,有需要的可以直接下载:

阅读 325

推荐阅读