0 項目背景

1. 接手他人的項目，全過程重頭梳理下。
2. 7臺服務器，其中6臺GPU服務器（GPU：2*2080Ti，CPU：2*Xeon Gold 5118（12核24線程）），一臺調度服務器，Ubuntu 18.04系統。
3. 100+攝像頭（基本是1920*1080）。
4. 視覺技術：目標檢測、目標跟蹤、分類、GPU視頻編解碼、tensorRT等。
5. 開發環境：Ubuntu18.04內使用VS code（全過程C++部署）。

通用性備注：

1. 關于bashrc：Ubuntu中，配置文件有多種，用的最多的就是bashrc這個，需要注意的是，每次修改bashrc后，除了要source更新一下bashrc，其他所有之前已打開的終端都需要關閉重新打開后，才會加載最新的bashrc配置文件。原因是：終端在啟動時會讀取一次bashrc這個配置文件。
2. VS code中，debug重新編譯啟動程序時，如果發生問題，也要注意可能是VSCODE內終端啟動bashrc問題。

1 GPU服務器環境部署

OpenCV編譯

OpenCV版本要3.0以上，這里我們以最新的4.5.1+contrib為例子，搞定這種最難的。

步驟：

1. 安裝依賴項：sudo apt-get install libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libdc1394-22-dev build-essential qt5-default ccache libv4l-dev libavresample-dev ?libgphoto2-dev libopenblas-base libopenblas-dev doxygen pylint libvtk6-dev
2. 解壓OpenCV：sudo unzip opencv-4.5.1.zip
3. 解壓contrib包：sudo unzip opencv_contrib.zip
4. 將contrib文件夾移動到OpenCV文件夾內：sudo cp -r opencv_contrib?opencv-4.5.1
5. cd opencv-4.5.1
6. sudo mkdir build
7. cd build
8. sudo cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local -D OPENCV_EXTRA_MODULES_PATH=/home/ym/dream2021/OpenCV4.5/opencv-4.5.1/opencv_contrib/modules/ ..?
9. sudo make -j8
10. sudo make install
11. 讓動態鏈接庫為系統所共享：sudo ldconfig -v?

有用的備注：

• /home/ym/dream2021/OpenCV4.5是我創建的一個臨時文件夾，里面存放解壓后的opencv-4.5.1文件夾和opencv_contrib文件夾。
• 執行地8步后，幾乎必定會遇到的問題（我今年在不同機器上編譯了4次OpenCV4.5.1+contrib全是這問題...）：fatal error: boostdesc_bgm.i: No such file or directory。
  • 原因： boostdesc_bgm.i等文件無法翻墻下載，需要手動下載這些文件放到制定位置。
  • 下載地址：https://github.com/opencv/opencv_contrib/issues/1301（我的百度網盤有備份）
  • 11個文件的擺放位置：放在/home/ym/dream2021/OpenCV4.5/opencv-4.5.1/opencv_contrib/modules/xfeatures2d/src/?路徑下。
• 第8步，不同機器上有可能遇到的其他問題：
  • 問題1：fatal error: features2d/test/test_detectors_regression.impl.hpp: No such file or directory
    • 解決辦法：將/home/ym/dream2021/OpenCV4.5/opencv-4.5.1/modules/features2d文件夾，復制到/home/ym/dream2021/OpenCV4.5/opencv-4.5.1/build文件夾內。
  • 問題2：Package opencv was not found in the pkg-config search path.
    • 解決辦法：https://blog.csdn.net/PecoHe/article/details/97476135

TensorFlow C++ api

安裝CUDA 10.1

1. 先下載axel（解決官網推薦的wget方法下載包不穩定問題(翻墻問題)）
   1. sudo apt install -y axel
2. 使用axel下載cuda 10.1：
   1. 輸入：axel -n 50 https://developer.download.nvidia.cn/compute/cuda/10.1/Prod/local_installers/cuda_10.1.243_418.87.00_linux.run
3. 安裝cuda：
   1. 輸入：sudo sh?cuda_10.1.243_418.87.00_linux.run
      1. 注意：安裝過程中，終端會顯示一些信息，并需要你確認或勾選。唯一要注意的是，需要取消顯卡驅動項的安裝。其他信息很簡單，具體細節可見：https://blog.csdn.net/sss_369/article/details/94591280
4. 設置cuda環境變量：
   1. 打開bashrc文件：sudo gedit ~/.bashrc
   2. 將如下3行信息放到bashrc文件最后（不要前面的序號）：
      • export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.1/lib64
      • export PATH=$PATH:/usr/local/cuda-10.1/bin
      • export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-10.1
   3. 使配置生效：source ~/.bashrc
5. 檢查cuda安裝是否成功
   1. 輸入：nvcc --version（如果彈出10.1相關信息，則表示整個過程OK了）

備注1：ubuntu中可以隨意安裝多個CUDA版本，切換CUDA版本的方法如下：

1. 在bashrc文件中配置信息改成如下：
   1. export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
   2. export PATH=$PATH:/usr/local/cuda/bin
   3. export CUDA_HOME=$CUDA_HOME:/usr/local/cuda
2. 安裝了多個CUDA后，它們默認安裝在/usr/local/文件夾內，/usr/local/cuda這個文件夾是一個動態鏈接文件夾，里面的內容鏈接的是具體某個CUDA-XX.X實體文件夾。因為我們在系統配置文件內將CUDA指定為這個動態鏈接文件夾，所以，如果要修改系統默認調用的CUDA版本，只要修改這個CUDA動態鏈接文件夾鏈接的CUDA實體版本文件夾即可，切換方法如下：
   1. 刪除原有的CUDA動態鏈接文件夾：sudo rm -rf /usr/local/cuda
   2. 重新生成一個指定CUDA版本的鏈接文件夾：sudo ln -s /usr/local/cuda-10.0 /usr/local/cuda
   3. 查看是否切換成功（有時候可能需要重新打開終端才會顯示切換成功）：nvcc --version

備注2：TensorFlow版本對應的CUDA版本https://blog.csdn.net/qq_37653019/article/details/109956083

安裝cuDNN?7.6.5

先下載cudnn-10.1-linux-x64-v7.6.5.32.tgz（我網盤有備份），然后解壓，在終端中cd到解壓得到文件夾內（里面就一個cuda文件夾），然后終端中依次輸入如下命令：

1. sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
2. sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
3. sudo chmod a+r /usr/local/cuda/include/cudnn.h
4. sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

執行上述指令后就安裝完成了，輸入下面指令驗證是否正確安裝：

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

如果終端中顯示相關信息，則表示這部分OK了！

tensorRT

TensorRT官網下載：TensorRT-6.0.1.5.Ubuntu-18.04.x86_64-gnu.cuda-10.1.cudnn7.6.tar.gz（我網盤有備份），然后解壓，之后再配置下tensorRT的環境變量即可，操作如下：

1. 打開bashrc文件：sudo gedit ~/.bashrc
2. 將如下2行信息放到bashrc文件最后（不要前面的序號）：
   • export LIBRARY_PATH=$LIBRARY_PATH:"/home/ym/dream2021/project_rongchuang/other/TensorRT-6.0.1.5/lib"
   • export LD_LIBRARY_PATH=\$LD_LIBRARY_PATH:"/home/ym/dream2021/project_rongchuang/other/TensorRT-6.0.1.5/lib":$LD_LIBRARY_PATH
3. 使配置生效：source ~/.bashrc

Video_Codec_SDK

這是英偉達用于視頻解碼加速的NVDECODE API。NVIDIA Video Codec SDK包括一整套API，示例和文檔，用于在Windows和Linux上進行硬件加速視頻編碼和解碼。（即將默認CPU編解碼視頻操作放到GPU上執行，在深度學習項目中，此非常有用，第一提高GPU利用率，第二省去CPU解碼視頻流后再挪到GPU中，直接GPU自己解碼后直接給模型使用）

好像這個東西不是必須要單獨下載，有可能在裝CUDA10.1時，如果選擇安裝顯卡驅動，那么相關cuda路徑內可能會包含Video_Codec_SDK中的編解碼.h文件和.so文件，具體沒去測試。

步驟：

1. 在英偉達官網先下載 Video_Codec_SDK_10.0.26.zip（我網盤有備份）（版本一定要對，不然項目里面相關編解碼語法會報錯）。
2. 然后解壓即可。（項目中會在CMakeLists.txt中指定該文件夾內的Interface和Lib子文件）

2 VS code調試環境搭建

2.1 CMakeLists介紹

2.2?VS code配置C++的調試環境

總結

以上是生活随笔為你收集整理的AI视频行为分析系统项目复盘——技术篇1：Ubuntu 18.04部署编译OpenCV+contrib、TensorFlow2.1、CUDA10.1+cuDNN7.6.5、tensorRT6.0.1等的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。