本文首发于集体博客 http://zuyunfei.com/2020/07/1...，欢送浏览最新内容！

最近拿到一块CORE-3399PRO-JD4开发板，要在下面部署AI利用。这块板子搭载Rockchip RK3399Pro处理器，采纳双核 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。然而理论过程中，发现发热重大，要应用NPU须要把算法移植到Rockchip提供的RKNN-Toolkit开发套件。依照官网文档把板子刷成了ubuntu18.4，而后装置了RKNN，打算把现有模型转换一下，后果发现：

  • 适配的tensorflow版本较低（RKNN 1.3 反对tensorflow 1.10.1），2.0版本的模型无奈转换。
  • ONNX版本模型转换失败，应该也是版本不对
  • pytorch罗唆没有迁徙到板子上，官网例程都跑不起来。

切实没方法，只能先不必NPU把利用跑起来试试。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，须要先装置编译工具链（要联网）。因为开始编译前我曾经折腾这块板子好多天了，上面列出的依赖可能不是全副。

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

而后装置python依赖，我这里应用的是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/pytorchcd pytorchgit checkout v1.4git submodule syncgit submodule update --init --recursivegit submodule update --remote third_party/protobuf

配置环境变量

export NO_CUDA=1          #不实用cudaexport NO_DISTRIBUTED=1   #不反对分布式export NO_MKLDNN=1        #不反对MKLDNNexport MAX_JOBS=4

须要留神的是MAX_JOBS是并行编译的最大线程数。（尽管CORE-3399PRO-JD4 这块板子是6核CPU，能够反对6线程编译，然而它只有4GB内存，编译一些简单模块时，GCC会耗尽内存解体。我的教训是先用4线程或6线程编译，遇到GCC解体，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，打包胜利后这个文件在dist目录外面python setup.py bdist_wheel

装置编译好的wheel包

cd distpip3 install ./torch-1.4.0a0+72e1771-cp36-cp36m-linux_aarch64.whl

编译torchvision

先装置编译依赖

sudo apt-get install libjpeg-dev libavcodec-dev libavformat-dev libswscale-devpip3 install pillow

从gitbub clone 代码

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

开始编译

#打包成whlpython setup.py bdist_wheel

装置

cd distpip3 install ./torchvision-0.5.0a0+85b8fbf-cp36-cp36m-linux_aarch64.whl

编译OpenCV

ubuntu 18.04 能够间接用 apt 装置opencv 3.2，然而咱们之前的一个利用至多须要3.3版本，所以也须要从新编译。
首先装置工具链

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.zipwget -O opencv_contrib.zip https://github.com/opencv/opencv_contrib/archive/3.3.0.zipunzip opencv-3.3.0.zipunzip opencv_contrib.zipcd opencv-3.3.0

配置cmake

mkdir buildcd buildcmake -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

打包和装置

make packagesudo make install

软件包下载

因为是在开发板上编译，PyTorch破费了大略4个小时，OpenCV也须要1个小时。我把编译好的包上传到了github，有须要的能够间接下载：

  • OpenCV-3.3.0
  • PyTorch-1.4.0-python3.6