Jetson Nano
Jetson nanoでTacotron2を動かしてみます。なお本記事は2019年11月末時点のものです。ツールのバージョンアップ等により、この手順で動かなくなることもありうるので、あらかじめご容赦ください。 Jetson NanoでTacotron2+WaveGlowが動きましたが、実行に約…
前回の記事の続きです。Colaboratoryで改造したネットワーク構造でSingleShotPoseを学習させ、動かしてみます。最後にJetson Nanoでも動かしてみました。計算時間の短縮と引き換えに精度が下がってしまいました。
高速化のためSingleShotPoseのネットワーク構造をYOLOv2ベースからYOLOv2-Tinyに変更して学習させてみます。この記事は前の記事でGoogleドライブにSingleShotPoseがダウンロード済みであることを前提に書かれています。
SingleShotPoseをColaboratoryで動かしてみます。本記事の手順は2019年11月のものです。scipyのバージョンアップのため若干修正して動かすことができました。
SingleShotPoseはMicrosoftが開発した対象物の姿勢を画像から推定するネットワークです。ネットワークの構造はYOLOをヒントに開発されたとあって良く似た構造です。極端に大きなネットワークでは無いのでJetson Nanoで試しに動かしてみます。
学習したweightsでJetson Nano,DeepstreamでYolov3-tinyを動かし駐車禁止を検出してみます。クラスが1つということもあり、うまく検出できたと思います。一通りの手順を経験して、思ったより簡単にできることがわかりました。
3回記事の2回目です。前回準備した学習用データを使ってGoogle Colaboratoryで学習させました。駐車禁止の標識を学習させます。
YOLOv3-tinyを学習させてみます。Google Colaboratoryを使用します。初回(3回記事です)はColaboratoryの準備、アノテーションツールVOTTのインストール、学習データの準備、アノテーションまでを行います。
DeepStreamを使って最新版YOLO3の縮小セット版(tiny)をJetson Nanoで動かしてみました。
Dockerは軽量の仮想化環境です。Jetson NanoにもJetPack4.2.1以降対応しています。NVIDIAからGPUが動く各種Container(仮想化環境)が提供されており、今後使っていくため試してみます。
NVIDIA Jetson nanoをセットアップします。JetPack4.2.2インストール後にJETCARDのスクリプトで環境構築。サンプルを動かし、JupitorLabでパソコンにファイルダウンロードまでを試しました。