当前位置：首页 > news >正文

retinaface在ubuntu20.04(wsl2)下使用tensorrt(c++)部署

news 2025/7/19 12:21:02

1. 参考博客：
        1. Retinaface Tensorrt Python/C++部署：https://blog.csdn.net/weixin_45747759/article/details/124534079
        2. B站视频教程：https://www.bilibili.com/video/BV1Nv4y1K727/
        3. Retinaface_Tensorrt github 仓库：https://github.com/Monday-Leo/Retinaface_Tensorrt
          4. Ubuntu 20.04 上安装 CMake 3.20 的详细步骤：https://blog.csdn.net/qq_50380073/article/details/139766140
        5. Could NOT find OpenSSL, try to set the path to OpenSSL root folder in the system：https://blog.csdn.net/quantum7/article/details/135332971
        6. 如何在 Ubuntu 20.04 上安装 OpenCV：https://blog.csdn.net/qq_33532713/article/details/122994933
        7. 安装OpenCV时遇到的几种错误：https://blog.csdn.net/weixin_44697198/article/details/125101732
        8. 【torch、torchvision、torchaudio】版本对应关系：https://blog.csdn.net/qq_38308388/article/details/130947484

2. 确认 ubuntu 版本：
执行 lsb_release -a，输入信息如下：

        No LSB modules are available.Distributor ID: UbuntuDescription:    Ubuntu 20.04.6 LTSRelease:        20.04Codename:       focal

3. ubuntu20.04( wsl2 ) 中安装 TensorRT-8.6.1.6、cuda_11.6、cudnn：
        1. 安装步骤：略( 参考 https://blog.csdn.net/heshiyuan1406146854/article/details/141247117 )
        2. 版本展示：
                1. 执行 nvcc -V，输入信息如下：

            nvcc: NVIDIA (R) Cuda compiler driverCopyright (c) 2005-2022 NVIDIA CorporationBuilt on Tue_Mar__8_18:18:20_PST_2022Cuda compilation tools, release 11.6, V11.6.124Build cuda_11.6.r11.6/compiler.31057947_0

2. 从 tensorrt 安装位置 /soft/TensorRT-8.6.1.6 可以看出版本为 8.6.1.6
3. cudnn 版本： cudnn-linux-x86_64-8.9.7.29_cuda11-archive

4. 英伟达显卡(NVIDIA GeForce RTX 4070 Ti)驱动版本：

    +-----------------------------------------------------------------------------------------+| NVIDIA-SMI 555.52.01              Driver Version: 555.99         CUDA Version: 12.5     ||-----------------------------------------+------------------------+----------------------+| GPU  Name                 Persistence-M | Bus-Id          Disp.A | Volatile Uncorr. ECC || Fan  Temp   Perf          Pwr:Usage/Cap |           Memory-Usage | GPU-Util  Compute M. ||                                         |                        |               MIG M. ||=========================================+========================+======================||   0  NVIDIA GeForce RTX 4070 Ti     On  |   00000000:01:00.0  On |                  N/A || 30%   27C    P8              6W /  285W |     792MiB /  12282MiB |      0%      Default ||                                         |                        |                  N/A |+-----------------------------------------+------------------------+----------------------++-----------------------------------------------------------------------------------------+| Processes:                                                                              ||  GPU   GI   CI        PID   Type   Process name                              GPU Memory ||        ID   ID                                                               Usage      ||=========================================================================================||    0   N/A  N/A        23      G   /Xwayland                                   N/A      ||    0   N/A  N/A        28      G   /Xwayland                                   N/A      ||    0   N/A  N/A        30      G   /Xwayland                                   N/A      |+-----------------------------------------------------------------------------------------+

5. ubuntu20.04(wsl2) 中安装 cmake( 3.17.1 )：

    1. apt update2. apt install build-essential3. apt install -y openssl libssl-dev4. wget https://cmake.org/files/v3.17/cmake-3.17.1.tar.gz( 速度太慢，可以使用迅雷下载 )5. tar -zxvf cmake-3.17.1.tar.gz6. cd cmake-3.17.17. ./configure8. make9. make install10. 执行 cmake  --version 显示 cmake version 3.17.1

6. ubuntu20.04(wsl2) 中安装 opencv( 3.4.6 )：
1. 安装构建工具和所有的依赖软件包：

        apt install build-essential cmake git pkg-config libgtk-3-dev \libavcodec-dev libavformat-dev libswscale-dev libv4l-dev \libxvidcore-dev libx264-dev libjpeg-dev libpng-dev libtiff-dev \gfortran openexr libatlas-base-dev python3-dev python3-numpy \libtbb2 libtbb-dev libdc1394-22-dev libopenexr-dev \libgstreamer-plugins-base1.0-dev libgstreamer1.0-dev

        2. 在 github 上下载 opencv-3.4.6.zip、opencv_contrib-3.4.6.zip
        3. unzip opencv-3.4.6.zip && unzip opencv_contrib-3.4.6.zip
        4. cd opencv-3.4.6 && mkdir build && cd build
        5.

        cmake -D CMAKE_BUILD_TYPE=RELEASE \-D CMAKE_INSTALL_PREFIX=/usr/local \-D INSTALL_C_EXAMPLES=ON \-D INSTALL_PYTHON_EXAMPLES=ON \-D OPENCV_GENERATE_PKGCONFIG=ON \-D OPENCV_EXTRA_MODULES_PATH=/soft/opencv_contrib-3.4.6/modules \-D BUILD_EXAMPLES=ON ..

        6. make( 报找不到文件 "#include boostdesc_bem.i" 等，请参考博客：https://blog.csdn.net/weixin_44697198/article/details/125101732
        7. make install
        8. 验证 opencv 是否安装成功：
                方法1：在任意位置执行 pkg-config --modversion opencv，输出 3.4.6
                方法2：
                        1. cd /soft/opencv-3.4.6/samples/cpp/example_cmake
                        2. 因为我的电脑为台式机，没有摄像头，该测试样例下的 example.cpp 是调用摄像头进行测试的，我这里修改了 example.cpp 的代码，主要是将 main 函数的代码修改为如下所示：

                cv::Mat src = cv::imread("../0001.jpg");cv::Mat gray;cv::cvtColor(src, gray, cv::COLOR_BGR2GRAY);cv::imwrite("../0001_gray.jpg", gray);

                        即将一个图片转换为灰度图
                        3. 向 /soft/opencv-3.4.6/samples/cpp/example_cmake 目录上传一张 0001.jpg
                        4. mkdir build && cd build && cmake .. && make，发现在 /soft/opencv-3.4.6/samples/cpp/example_cmake 目录下成功生成了灰度图 0001_gray.jpg

7. 下载 Retinaface_Tensorrt 代码：

    mkdir /data/code/c_code && cd  /data/code/c_code && git clone  git clone https://github.com/Monday-Leo/Retinaface_Tensorrt

8. 下载 Pytorch_Retinaface 代码：

    mkdir /data/code/python_code && cd /data/code/python_code && git clone https://github.com/biubug6/Pytorch_Retinaface

9. 安装 Python 的 torch 环境( ps：一定要加对应的版本号，否则下载的版本对应的cuda不符合自己的电脑实际安装的 cuda 版本；不要指定国内镜像，国内镜像很可能找不到自己电脑 cuda 版本对应的版本的 python 安装包 )：

    pip install torch==1.12.0+cu116 torchvision==0.13.0+cu116 torchaudio==0.12.0 -f https://download.pytorch.org/whl/torch_stable.html

10. 安装 opencv-python ：

    pip install opencv-python  -i  https://pypi.mirrors.ustc.edu.cn/simple/

11. 将 /data/code/c_code/Retinaface_Tensorrt/gen_wts.py 拷贝到 /data/code/python_code/Pytorch_Retinaface 目录

12. 将百度网盘( https://pan.baidu.com/s/12nl4d_oKrj2aLXEKYcwxiQ( l7ls ) ) 中的2个权重文件( Resnet50_Final.pth、mobilenet0.25_Final.pth ) 拷贝到 /data/code/python_code/Pytorch_Retinaface 下的 weights 目录( 不存在 weights，新建即可 )

13. 可以去修改 /data/code/python_code/Pytorch_Retinaface/gen_wts.py 文件中如下行的 default 和 help 参数：

parser.add_argument('--network', default='mobile0.25', help='mobile0.25 or resnet50')   // 大概是在第11行

14. 执行 python3 gen_wts.py，发现在 /data/code/python_code/Pytorch_Retinaface 下成功生成了 mobile0_25.wts( 此时通过 win10宿主机的任务管理器发现是在消耗 GPU )

15. 测试 Retinaface_Tensorrt：
1. cd /data/code/c_code/Retinaface_Tensorrt，修改 CMakeLists.txt，添加如下内容：

        set(OpenCV_DIR "/soft/opencv-3.4.6/build")set(TRT_DIR "/soft/TensorRT-8.6.1.6")include_directories( "/soft/TensorRT-8.6.1.6/include" )

        2. cp /soft/TensorRT-8.6.1.6/targets/x86_64-linux-gnu/lib/libnvinfer.so /usr/local/lib/
        3. mkdir build
        4. cd build
        5. cmake ..
        6. make

常见报错的解决方案：

1. 头文件、库文件找不到：根据自己安装 opencv、cuda、tensorrt、cudnn 等的方式不同，可能会找不到一些文件，使用 find 命令查找对应的文件所在位置，修改具体报错的源文件或者修改CMakeLists.txt，或者修改 ubuntu 环境变量等，怎么熟练怎么来

2. github上 Retinaface_Tensorrt 仓库中的操作指南中作者是举的在 windows 上使用 vs ide来编译的例子，使用的是 CMakeLists.txt( 是给 window环境使用的 )，还有一个 CMakeLists_linux.txt，我使用的是后者，但是会有一个坑，就是当头文件、库文件的问题都解决好以后，会碰到一个在 /data/code/c_code/Retinaface_Tensorrt/retina_mnet.cpp 和
/data/code/c_code/Retinaface_Tensorrt/retina_r50.cpp 文件中报错，不识别 “extern "C" __declspec(dllexport) void Detect(void *h, int rows,....” 这句语法的问题，这是因为 dllexport 是给 windows 平台使用的( 可执行百度 dllexport 用法 )，Linux 平台不需要，直接干掉就行，即把 __declspec(dllexport) 删掉即可

          7. 发现在当前目录下成功生成了 retina_mnet
        8. 将 /data/code/python_code/Pytorch_Retinaface 目录下的 mobile0_25.wts 问价复制到当前目录下
        9. 执行 .retina_mnet -s // 将wts转换为engine序列化模型
        10. 大概等待几分钟后在当前目录下成功生成了 retina_mnet.engine
        11. cp /data/code/c_code/Retinaface_Tensorrt/pictures/test.jpg ./
        12. ./retina_mnet -d // 发现执行成功了，对 test.jpg 进行人脸检测，在当前目录下生成了框选人脸后的图片 0_mnet_result.jpg
          13. 测试人脸识别时发现一个有趣的现象，一张人很多的大合照，没识别出任何人脸，怀疑可能是因为人脸太多，或者每个人脸都不是很清晰，但是我将图片放大( 清晰度是没有变化的，虽然人脸大了，但是更模糊了 )，截取了图片中一部分的照片，再进行识别，发现识别出了很多人脸了，todo 研究下是否是参数设置的问题，类似阈值啥的，类似那种在性能和识别率之间权衡的参数配置

查看全文

http://www.lryc.cn/news/430359.html