DL_drone

Jetpack 설치

cuDNN 설치
- 설치된 CUDA 버전(v9.0)에 맞는 cuDNN(v7.0.5) 다운로드 링크
  
  cuDNN v7.0.5 Runtime Library for Ubuntu16.04 (Deb)
  cuDNN v7.0.5 Developer Library for Ubuntu16.04 (Deb)
  cuDNN v7.0.5 Code Samples and User Guide for Ubuntu16.04 (Deb)
- cuDNN 설치
```
sudo dpkg -i libcudnn7_7.0.5.15-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-dev_7.0.5.15-1+cuda9.0_amd64.deb 
sudo dpkg -i libcudnn7-doc_7.0.5.15-1+cuda9.0_amd64.deb
```
- 아래 코드를 실행하여, 설치가 제대로 되었는지 확인한다. (Test passed!가 출력되면 정상 설치된 것이다.)
```
cp -r /usr/src/cudnn_samples_v7/ $HOME
cd $HOME/cudnn_samples_v7/mnistCUDNN
make clean && make
./mnistCUDNN
```
최신 버전(3.2 L4T)을 다운로드 받는다. 링크
- JetPaqck 3.2 L4T 기준 설명
- HOST PC 설치 항목
  - Tegra Graphics Debugger v2.5
  - NVIDIA System Profiler v4.0
  - JetPack Documentation 3.2
  - DevTools Documentation 3.2
  - OpenCV 3.3.1
  - Vision Works 1.6
  - CUDA Toolkit 9.0
- Jetson TX2 설치 항목
  - VisionWorks 1.6
  - CUDA Toolkit 9.0
  - Compile CUDA Samples 9.0
  - cuDNN Package 7.0
  - TensorRT 3.0
  - OpenCV 3.3.1
  - Multimedia API package 28.2
설치안내 링크에 따라 설치한다.
- Jetpack을 설치하고 나면 sudo apt-get update 수행 시에 오류가 발생한다. 이는 JetPack이 Jetson TX2를 지원하기 위해서 arm64를 지원하도록 ppa를 지정했기 때문으로 보인다. 아직 이 문제는 해결되지 않았으나 NVIDIA에서는 기능상 문제는 없다고 얘기하고 있다. 참고

Host PC 환경구축

참고사이트
- Jetson TX2를 활용하기 위해 Jetpack 설치방법 부터 Host 개발환경까지 모두 설명이 되어 있다.
- 2018.4.23. 현재 아래 환경까지 검증이 완료되었다.
- Jetson TX2 - JetPack 3.2 / L4T R28.2 aarch64 (Ubuntu 16.04 LTS) inc. TensorRT 3.0 RC2

빌드 Protobuf 참고

NVcaffe를 사용하기 위해서는 Protobuf3가 빌드되어 있어야 한다.

Dependencies

sudo apt-get install autoconf automake libtool curl make g++ git python-dev python-setuptools unzip

Protobuf 소스파일 다운로드

# example location - can be customized
export PROTOBUF_ROOT=~/protobuf
git clone https://github.com/google/protobuf.git $PROTOBUF_ROOT -b '3.2.x'

Protobuf 빌드

cd $PROTOBUF_ROOT
./autogen.sh
./configure
sudo make "-j$(nproc)"
sudo make install
sudo ldconfig
cd python
sudo python setup.py install --cpp_implementation

NVcaffe 설치 참고

Dependencies

sudo apt-get install --no-install-recommends build-essential cmake git gfortran libatlas-base-dev libboost-filesystem-dev libboost-python-dev libboost-system-dev libboost-thread-dev libgflags-dev libgoogle-glog-dev libhdf5-serial-dev libleveldb-dev liblmdb-dev libopencv-dev libsnappy-dev python-all-dev python-dev python-h5py python-matplotlib python-numpy python-opencv python-pil python-pip python-pydot python-scipy python-skimage python-sklearn 

NVcaffe 소스파일 다운로드 (caffe 0.15 기준)

# example location - can be customized
export CAFFE_ROOT=~/caffe
git clone https://github.com/NVIDIA/caffe.git $CAFFE_ROOT -b 'caffe-0.15'

파이썬 패키지 설치

sudo pip install -r $CAFFE_ROOT/python/requirements.txt

빌드 NVcaffe

cd $CAFFE_ROOT
mkdir build
cd build
cmake ..
make all -j"$(nproc)"
make install
make runtest

~/.bashrc에 경로설정
```
sudo gedit ~/.bashrc
```
아래 경로 추가

export CAFFE_ROOT=/home/USER/caffe
export PYTHONPATH=/home/USER/caffe/python:$PYTHONPATH

DIGITS 설치 참고

NVIDIA 드라이버 설치

# For Ubuntu 16.04
CUDA_REPO_PKG=http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/cuda-repo-ubuntu1604_8.0.61-1_amd64.deb
ML_REPO_PKG=http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64/nvidia-machine-learning-repo-ubuntu1604_1.0.0-1_amd64.deb
# Install repo packages
wget "$CUDA_REPO_PKG" -O /tmp/cuda-repo.deb && sudo dpkg -i /tmp/cuda-repo.deb && rm -f /tmp/cuda-repo.deb
wget "$ML_REPO_PKG" -O /tmp/ml-repo.deb && sudo dpkg -i /tmp/ml-repo.deb && rm -f /tmp/ml-repo.deb
# Download new list of packages
sudo apt-get update

Dependencies

sudo apt-get install --no-install-recommends git graphviz python-dev python-flask python-flaskext.wtf python-gevent python-h5py python-numpy python-pil python-pip python-scipy python-tk

DIGITS 소프파일 다운로드

# example location - can be customized
DIGITS_ROOT=~/digits
git clone https://github.com/NVIDIA/DIGITS.git $DIGITS_ROOT

파이썬 패키지 설치

sudo pip install -r $DIGITS_ROOT/requirements.txt

플러그인 지원 허용
```
sudo pip install -e $DIGITS_ROOT
```
서버 시작
```
./digits-devserver
```
제대로 실행된 것을 확인하려면 웹에서 0.0.0.0:5000 으로 접속