・2018/08/14
【成功版】Raspberry Piで Darknet Neural Network Frameworkをビルドする方法
(ラズパイに Darknet Neural Network Frameworkを入れて物体検出や悪夢のグロ画像を生成する)
Tags: [Raspberry Pi], [電子工作], [ディープラーニング]
● Raspberry Piで Darknet Neural Network Frameworkを動かしてグロ画像をモリモリ量産する方法
物体検出 = 画像のどの位置に何の物体が存在するかを「検出」する（認識＋位置情報）
物体認識 = 画像に何の物体が存在するかを「認識」する（認識だけで位置情報は無し）
Darknetと言う Neural Network Frameworkが有るので Raspberry Piで動かして Google DeepDreamの様なキモイ絵をモリモリ量産します。
Darknet - Open Source Neural Networks in C
Darknet - Nightmare
Darknetによる悪夢（ナイトメア、Nightmare）のグロ画像の例。
DeepDream - Wikipedia
DeepDreamで生成した画像の例（Wikipediaより引用）
・DeepDream
● Raspberry Piで Caffe Deep Learning Frameworkで DeepDreamする方法
・2018/08/04
【ビルド版】Raspberry Piで DeepDreamを動かしてキモイ絵をモリモリ量産 Caffe Deep Learning Framework
ラズパイで Caffe Deep Learning Frameworkをビルドして Deep Dreamを動かしてキモイ絵を生成する
・2018/08/04
【インストール版】Raspberry Piで DeepDreamを動かしてキモイ絵をモリモリ量産 Caffe Deep Learning
ラズパイで Caffe Deep Learning Frameworkをインストールして Deep Dreamを動かしてキモイ絵を生成する
・2018/08/06
Orange Pi PC 2の 64bitのチカラで DeepDreamしてキモイ絵を高速でモリモリ量産してみるテスト
OrangePi PC2に Caffe Deep Learning Frameworkをビルドして Deep Dreamを動かしてキモイ絵を生成する
● 下記は Darknetを最初に動かそうとして試行錯誤した【失敗版まとめ】です
・2018/08/12
【失敗版】Raspberry Piで Darknet Neural Network Frameworkをビルドする方法
ラズパイに Darknet Neural Network Frameworkを入れて物体検出や悪夢のグロ画像を生成する
●今回動かした Raspberry Pi Raspbian OSのバージョン
RASPBIAN STRETCH WITH DESKTOP
Version:June 2018
Release date: 2018-06-27
Kernel version: 4.14
pi@raspberrypi:~/pytorch $ uname -a
Linux raspberrypi 4.14.50-v7+ #1122 SMP Tue Jun 19 12:26:26 BST 2018 armv7l GNU/Linux
● Darknetの実行にはメモリを沢山使うので不要なサービス等を停止して使えるメインメモリを増やす
・2018/08/14
Raspberry Piでメモリを馬鹿食いするアプリ用に不要なサービスを停止してフリーメモリを増やす方法
ラズパイでメモリを沢山使用するビルドやアプリ用に不要なサービス等を停止して使えるメインメモリを増やす
● ラズパイで NNPACK対応版の Darknetをビルドする方法 thomaspark-pkj版
NNPACK対応版は処理速度が速いです。
・2018/08/14
【成功版】Raspberry Piで NNPACK対応版の Darknet Neural Network Frameworkをビルドする方法
ラズパイに Darknet NNPACK darknet-nnpackをソースからビルドして物体検出を行なう方法
● Raspberry Piで Darknet Neural Network Frameworkを Gitソースリストからビルドする。
pjreddie/darknet Convolutional Neural Networks http://pjreddie.com/darknet/
Installing Darknet
# お決まりの sudo apt-get updateで最新状態に更新する
sudo apt-get update
# Darknetのビルドに必要な cmakeをインストールする
sudo apt-get -y install cmake
# Setting up cmake (3.7.2-1) ...
cd
git clone https://github.com/pjreddie/darknet.git --depth 1
# ディレクトリを移動する
cd darknet
# ビルドを開始する（ビルドに掛かる時間も計測する）
date >BUILD_START
time make
date >BUILD_END
cat BUILD_START
cat BUILD_END
● ラズパイで Darknetのビルド 8/15以降
new models
のコミットで Makefileが変更されており、デフォルトで GPUや CUDA等を使用する設定になりました。ラズパイの場合、そのままビルドするとエラーになるので以前の状態に書き換えます。
sed -i -e "s/GPU=1/GPU=0/g" Makefile
sed -i -e "s/CUDNN=1/CUDNN=0/g" Makefile
sed -i -e "s/OPENCV=1/OPENCV=0/g" Makefile
sed -i -e "s/OPENMP=1/OPENMP=0/g" Makefile
そのままラズパイでビルドした時のエラーの内容
pi@raspberrypi:~/darknet $ make
No package 'opencv' found
In file included from ./src/utils.h:5:0,
from ./src/gemm.c:2:
include/darknet.h:14:30: fatal error: cuda_runtime.h: No such file or directory
#include "cuda_runtime.h"
^
compilation terminated.
Makefile:85: recipe for target 'obj/gemm.o' failed
make: *** [obj/gemm.o] Error 1
※ 「最初から CUDAを使用するだと初心者に厳しくね？」のツッコミで現在は元に戻っています。
ugh pjreddie committed Aug 15, 2018
●ビルド時間
1コアの場合、2分未満（Darknetはビルド時間が短いので驚いた）
real 1m34.763s
user 1m14.630s
sys 0m2.728s
make -j2で 2コアでビルドの場合、1分未満
real 0m47.511s
user 1m18.447s
sys 0m2.585s
● ラズパイで Darknetのビルドができた
とりあえずラズパイで Darknetのビルドができた。
pi@raspberrypi:~/darknet $ ./darknet
usage: ./darknet <function>
pi@raspberrypi:~/darknet $ ls -l darknet
-rwxr-xr-x 1 pi pi 476164 Aug 12 14:12 darknet
8/15以降版
pi@raspberrypi:~/darknet $ ls -l darknet
-rwxr-xr-x 1 pi pi 476188 Aug 17 11:29 darknet
● YOLOv2 yolov2.weightsで動かしたらラズパイで Darknetが動いた！
わーい！ラズパイで Darknetが動いたー！
YOLO v2で Darknetが動いたー！
YOLO Real-Time Object Detection YOLO v2
You only look once (YOLO) is a state-of-the-art
# yolov2.weights (194MB)
wget https://pjreddie.com/media/files/yolov2.weights
./darknet detect cfg/yolov2.cfg yolov2.weights data/person.jpg
layer filters size input output
0 conv 32 3 x 3 / 1 416 x 416 x 3 -> 416 x 416 x 32 0.299 BFLOPs
1 max 2 x 2 / 2 416 x 416 x 32 -> 208 x 208 x 32
2 conv 64 3 x 3 / 1 208 x 208 x 32 -> 208 x 208 x 64 1.595 BFLOPs
3 max 2 x 2 / 2 208 x 208 x 64 -> 104 x 104 x 64
4 conv 128 3 x 3 / 1 104 x 104 x 64 -> 104 x 104 x 128 1.595 BFLOPs
5 conv 64 1 x 1 / 1 104 x 104 x 128 -> 104 x 104 x 64 0.177 BFLOPs
6 conv 128 3 x 3 / 1 104 x 104 x 64 -> 104 x 104 x 128 1.595 BFLOPs
7 max 2 x 2 / 2 104 x 104 x 128 -> 52 x 52 x 128
8 conv 256 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 1.595 BFLOPs
9 conv 128 1 x 1 / 1 52 x 52 x 256 -> 52 x 52 x 128 0.177 BFLOPs
10 conv 256 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 1.595 BFLOPs
11 max 2 x 2 / 2 52 x 52 x 256 -> 26 x 26 x 256
12 conv 512 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BFLOPs
13 conv 256 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 256 0.177 BFLOPs
14 conv 512 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BFLOPs
15 conv 256 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 256 0.177 BFLOPs
16 conv 512 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BFLOPs
17 max 2 x 2 / 2 26 x 26 x 512 -> 13 x 13 x 512
18 conv 1024 3 x 3 / 1 13 x 13 x 512 -> 13 x 13 x1024 1.595 BFLOPs
19 conv 512 1 x 1 / 1 13 x 13 x1024 -> 13 x 13 x 512 0.177 BFLOPs
20 conv 1024 3 x 3 / 1 13 x 13 x 512 -> 13 x 13 x1024 1.595 BFLOPs
21 conv 512 1 x 1 / 1 13 x 13 x1024 -> 13 x 13 x 512 0.177 BFLOPs
22 conv 1024 3 x 3 / 1 13 x 13 x 512 -> 13 x 13 x1024 1.595 BFLOPs
23 conv 1024 3 x 3 / 1 13 x 13 x1024 -> 13 x 13 x1024 3.190 BFLOPs
24 conv 1024 3 x 3 / 1 13 x 13 x1024 -> 13 x 13 x1024 3.190 BFLOPs
25 route 16
26 conv 64 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 64 0.044 BFLOPs
27 reorg / 2 26 x 26 x 64 -> 13 x 13 x 256
28 route 27 24
29 conv 1024 3 x 3 / 1 13 x 13 x1280 -> 13 x 13 x1024 3.987 BFLOPs
30 conv 425 1 x 1 / 1 13 x 13 x1024 -> 13 x 13 x 425 0.147 BFLOPs
31 detection
mask_scale: Using default '1.000000'
Loading weights from yolov2.weights...Done!
data/person.jpg: Predicted in 161.068979 seconds.
horse: 91%
dog: 85%
person: 85%
8/15版
data/person.jpg: Predicted in 288.189988 seconds.
horse: 82%
dog: 86%
person: 86%
● Tiny YOLO Version 2 YOLOv2
わーい！ Tiny YOLOも動いたー！
# yolov2-tiny-voc.weights (61MB)
wget https://pjreddie.com/media/files/yolov2-tiny-voc.weights
./darknet detector test cfg/voc.data cfg/yolov2-tiny-voc.cfg yolov2-tiny-voc.weights data/dog.jpg
...
Loading weights from yolov2-tiny-voc.weights...Done!
data/dog.jpg: Predicted in 33.531947 seconds.
dog: 78%
car: 55%
car: 50%
./darknet detect cfg/yolov2-tiny-voc.cfg yolov2-tiny-voc.weights data/dog.jpg
...
Loading weights from yolov2-tiny-voc.weights...Done!
data/dog.jpg: Predicted in 35.234105 seconds.
stop sign: 78%
train: 55%
train: 50%
※ darknet detectの場合「stop sign」や「train」と誤認識しています。
※ .cfgや .weightsの組み合わせが間違っている場合も誤認識します。
・darknet detectの場合「stop sign」や「train」と誤認識しています
● Darknetの物体検出で .cfgや .weightsの組み合わせの確認
.cfgや .weightsの組み合わせが間違っている場合も誤認識します。
voc.data
yolov2-voc.cfg
yolov2.weights
pi@raspberrypi:~/darknet $ ./darknet detector test cfg/voc.data cfg/yolov2-voc.cfg yolov2.weights data/dog.jpg
mask_scale: Using default '1.000000'
Loading weights from yolov2.weights...Done!
data/dog.jpg: Predicted in 62.254589 seconds.
diningtable: 97%
diningtable: 96%
diningtable: 93%
...
car: 59%
car: 57%
car: 57%
car: 54%
pi@raspberrypi:~/darknet $ ./darknet detector test cfg/voc.data cfg/yolov2.cfg yolov2.weights data/dog.jpg
mask_scale: Using default '1.000000'
Loading weights from yolov2.weights...Done!
data/dog.jpg: Predicted in 132.915883 seconds.
sheep: 82%
cat: 64%
bicycle: 85%
pi@raspberrypi:~/darknet $ ./darknet detect cfg/yolov2.cfg yolov2.weights data/dog.jpg
mask_scale: Using default '1.000000'
Loading weights from yolov2.weights...Done!
data/dog.jpg: Predicted in 131.991348 seconds.
dog: 82%
truck: 64%
bicycle: 85%
pi@raspberrypi:~/darknet $ ./darknet detector test cfg/coco.data cfg/yolov2.cfg yolov2.weights data/dog.jpg
mask_scale: Using default '1.000000'
Loading weights from yolov2.weights...Done!
data/dog.jpg: Predicted in 132.806265 seconds.
dog: 82%
truck: 64%
bicycle: 85%
a53
pi@raspberrypi:~/darknet $ ./darknet detector test cfg/coco.data cfg/yolov2.cfg yolov2.weights data/dog.jpg
mask_scale: Using default '1.000000'
Loading weights from yolov2.weights...Done!
data/dog.jpg: Predicted in 128.594401 seconds.
dog: 82%
truck: 64%
bicycle: 85%
pi@raspberrypi:~/darknet $ ./darknet detector test cfg/voc.data cfg/yolov2-tiny-voc.cfg yolov2-tiny-voc.weights data/dog.jpg
mask_scale: Using default '1.000000'
Loading weights from yolov2-tiny-voc.weights...Done!
data/dog.jpg: Predicted in 15.839197 seconds.
dog: 78%
car: 55%
car: 50%
pi@raspberrypi:~/darknet $ ./darknet detect cfg/yolov2-tiny-voc.cfg yolov2-tiny-voc.weights data/dog.jpg
mask_scale: Using default '1.000000'
Loading weights from yolov2-tiny-voc.weights...Done!
data/dog.jpg: Predicted in 15.667429 seconds.
stop sign: 78%
train: 55%
train: 50%
NNP化
pi@raspberrypi:~/darknet $ ./darknet detector test cfg/coco.data cfg/yolov2.cfg yolov2.weights data/dog.jpg
mask_scale: Using default '1.000000'
Loading weights from yolov2.weights...Done!
data/dog.jpg: Predicted in 10.085493 seconds.
dog: 83%
truck: 79%
bicycle: 84%
pi@raspberrypi:~/darknet $ ./darknet detector test cfg/coco.data cfg/yolov2.cfg yolov2.weights data/dog.jpg
mask_scale: Using default '1.000000'
Loading weights from yolov2.weights...Done!
data/dog.jpg: Predicted in 8.493629 seconds.
dog: 83%
truck: 79%
bicycle: 84%
# yolov2-tiny
pi@raspberrypi:~/darknet $ ./darknet detector test cfg/voc.data cfg/yolov2-tiny-voc.cfg yolov2-tiny-voc.weights data/dog.jpg
layer filters size input output
0 conv 16 3 x 3 / 1 416 x 416 x 3 -> 416 x 416 x 16 0.150 BFLOPs
1 max 2 x 2 / 2 416 x 416 x 16 -> 208 x 208 x 16
2 conv 32 3 x 3 / 1 208 x 208 x 16 -> 208 x 208 x 32 0.399 BFLOPs
3 max 2 x 2 / 2 208 x 208 x 32 -> 104 x 104 x 32
4 conv 64 3 x 3 / 1 104 x 104 x 32 -> 104 x 104 x 64 0.399 BFLOPs
5 max 2 x 2 / 2 104 x 104 x 64 -> 52 x 52 x 64
6 conv 128 3 x 3 / 1 52 x 52 x 64 -> 52 x 52 x 128 0.399 BFLOPs
7 max 2 x 2 / 2 52 x 52 x 128 -> 26 x 26 x 128
8 conv 256 3 x 3 / 1 26 x 26 x 128 -> 26 x 26 x 256 0.399 BFLOPs
9 max 2 x 2 / 2 26 x 26 x 256 -> 13 x 13 x 256
10 conv 512 3 x 3 / 1 13 x 13 x 256 -> 13 x 13 x 512 0.399 BFLOPs
11 max 2 x 2 / 1 13 x 13 x 512 -> 13 x 13 x 512
12 conv 1024 3 x 3 / 1 13 x 13 x 512 -> 13 x 13 x1024 1.595 BFLOPs
13 conv 1024 3 x 3 / 1 13 x 13 x1024 -> 13 x 13 x1024 3.190 BFLOPs
14 conv 125 1 x 1 / 1 13 x 13 x1024 -> 13 x 13 x 125 0.043 BFLOPs
15 detection
mask_scale: Using default '1.000000'
Loading weights from yolov2-tiny-voc.weights...Done!
data/dog.jpg: Predicted in 1.387887 seconds.
dog: 83%
car: 56%
bicycle: 59%
pi@raspberrypi:~/darknet $ ./darknet detector test cfg/voc.data cfg/yolov2-tiny-voc.cfg yolov2-tiny-voc.weights data/dog.jpg
layer filters size input output
0 conv 16 3 x 3 / 1 416 x 416 x 3 -> 416 x 416 x 16 0.150 BFLOPs
1 max 2 x 2 / 2 416 x 416 x 16 -> 208 x 208 x 16
2 conv 32 3 x 3 / 1 208 x 208 x 16 -> 208 x 208 x 32 0.399 BFLOPs
3 max 2 x 2 / 2 208 x 208 x 32 -> 104 x 104 x 32
4 conv 64 3 x 3 / 1 104 x 104 x 32 -> 104 x 104 x 64 0.399 BFLOPs
5 max 2 x 2 / 2 104 x 104 x 64 -> 52 x 52 x 64
6 conv 128 3 x 3 / 1 52 x 52 x 64 -> 52 x 52 x 128 0.399 BFLOPs
7 max 2 x 2 / 2 52 x 52 x 128 -> 26 x 26 x 128
8 conv 256 3 x 3 / 1 26 x 26 x 128 -> 26 x 26 x 256 0.399 BFLOPs
9 max 2 x 2 / 2 26 x 26 x 256 -> 13 x 13 x 256
10 conv 512 3 x 3 / 1 13 x 13 x 256 -> 13 x 13 x 512 0.399 BFLOPs
11 max 2 x 2 / 1 13 x 13 x 512 -> 13 x 13 x 512
12 conv 1024 3 x 3 / 1 13 x 13 x 512 -> 13 x 13 x1024 1.595 BFLOPs
13 conv 1024 3 x 3 / 1 13 x 13 x1024 -> 13 x 13 x1024 3.190 BFLOPs
14 conv 125 1 x 1 / 1 13 x 13 x1024 -> 13 x 13 x 125 0.043 BFLOPs
15 detection
mask_scale: Using default '1.000000'
Loading weights from yolov2-tiny-voc.weights...Done!
data/dog.jpg: Predicted in 1.238160 seconds.
dog: 83%
car: 56%
bicycle: 59%
● Have A Nightmare With Darknet
Have A Nightmare With Darknet
Nightmare With Darknetも動きました。
# vgg-conv.weights (56M)
wget http://pjreddie.com/media/files/vgg-conv.weights
./darknet nightmare cfg/vgg-conv.cfg vgg-conv.weights data/scream.jpg 10
...
Loading weights from vgg-conv.weights...Done!
Iteration: 0,
net: 148 189 83916 im: 148 189 3
1,
net: 148 189 83916 im: 148 189 3
./darknet nightmare cfg/vgg-conv.cfg vgg-conv.weights data/dog.jpg 7
./darknet nightmare cfg/vgg-conv.cfg vgg-conv.weights data/eagle.jpg 13
元絵 https://github.com/pjreddie/darknet/blob/master/data/scream.jpg
・Nightmare With Darknetも動きました
・ラズパイで Darknetで Nightmareを動かしている時の CPUとメモリの使用状況
● A Smaller Model Nightmare
ラズパイ３Ｂ＋で 90分くらいで 1枚生成されます。
# jnet-conv.weights (72MB)
wget http://pjreddie.com/media/files/jnet-conv.weights
# wget https://raw.githubusercontent.com/pjreddie/darknet/master/cfg/jnet-conv.cfg
# mv jnet-conv.cfg ./cfg/
./darknet nightmare cfg/jnet-conv.cfg jnet-conv.weights data/horses.jpg 11 -rounds 4 -range 3
ラズパイ３Ｂ＋で 90分くらいで 1枚生成されます。
元絵 https://github.com/pjreddie/darknet/blob/master/data/horses.jpg
・A Smaller Model Nightmare With Darknetも動きました
● ラズパイで Tiny Darknetを動かす方法
2.9倍
Tiny Darknet
cd
git clone https://github.com/pjreddie/darknet
cd darknet
make
# Tiny Darknet Model data
wget https://pjreddie.com/media/files/tiny.weights
wget https://raw.githubusercontent.com/pjreddie/darknet/master/cfg/tiny.cfg
./darknet classify tiny.cfg tiny.weights data/dog.jpg
Tags: [Raspberry Pi], [電子工作], [ディープラーニング]
●関連するコンテンツ(この記事を読んだ人は、次の記事も読んでいます)
NVIDIA Jetson Nano 開発者キットを買ってみた。メモリ容量 4GB LPDDR4 RAM
Jetson Nanoで TensorFlow PyTorch Caffe/Caffe2 Keras MXNet等を GPUパワーで超高速で動かす！
Raspberry Piでメモリを馬鹿食いするアプリ用に不要なサービスを停止してフリーメモリを増やす方法
ラズパイでメモリを沢山使用するビルドやアプリ用に不要なサービス等を停止して使えるメインメモリを増やす
【成功版】最新版の Darknetに digitalbrain79版の Darknet with NNPACKの NNPACK処理を適用する
ラズパイで NNPACK対応の最新版の Darknetを動かして超高速で物体検出や DeepDreamの悪夢を見る
【成功版】Raspberry Piで NNPACK対応版の Darknet Neural Network Frameworkをビルドする方法
ラズパイに Darknet NNPACK darknet-nnpackをソースからビルドして物体検出を行なう方法
【成功版】Raspberry Piに TensorFlow Deep Learning Frameworkをインストールする方法
ラズパイに TensorFlow Deep Learning Frameworkを入れて Google DeepDreamで悪夢を見る方法
Raspberry Piで TensorFlow Deep Learning Frameworkを自己ビルドする方法
ラズパイで TensorFlow Deep Learning Frameworkを自己ビルドする方法
Raspberry Piで Caffe Deep Learning Frameworkで物体認識を行なってみるテスト
ラズパイで Caffe Deep Learning Frameworkを動かして物体認識を行なってみる
【ビルド版】Raspberry Piで DeepDreamを動かしてキモイ絵をモリモリ量産 Caffe Deep Learning Framework
ラズパイで Caffe Deep Learning Frameworkをビルドして Deep Dreamを動かしてキモイ絵を生成する
【インストール版】Raspberry Piで DeepDreamを動かしてキモイ絵をモリモリ量産 Caffe Deep Learning
ラズパイで Caffe Deep Learning Frameworkをインストールして Deep Dreamを動かしてキモイ絵を生成する
Raspberry Piで Caffe2 Deep Learning Frameworkをソースコードからビルドする方法
ラズパイで Caffe 2 Deep Learning Frameworkをソースコードから自己ビルドする方法
Orange Pi PC 2の 64bitのチカラで DeepDreamしてキモイ絵を高速でモリモリ量産してみるテスト
OrangePi PC2に Caffe Deep Learning Frameworkをビルドして Deep Dreamを動かしてキモイ絵を生成する
Raspberry Piに Jupyter Notebookをインストールして拡張子 ipynb形式の IPythonを動かす
ラズパイに IPython Notebookをインストールして Google DeepDream dream.ipynbを動かす
Raspberry Piで Deep Learningフレームワーク Chainerをインストールしてみる
ラズパイに Deep Learningのフレームワーク Chainerを入れてみた
Raspberry Piで DeepBeliefSDKをビルドして画像認識フレームワークを動かす方法
ラズパイに DeepBeliefSDKを入れて画像の物体認識を行なう
Raspberry Piで Microsoftの ELLをビルドする方法
ラズパイで Microsoftの ELL Embedded Learning Libraryをビルドしてみるテスト、ビルドするだけ
Raspberry Piで MXNet port of SSD Single Shot MultiBoxを動かして画像の物体検出をする方法
ラズパイで MXNet port of SSD Single Shot MultiBox Object Detectorで物体検出を行なってみる
Raspberry Piで Apache MXNet Incubatingをビルドする方法
ラズパイで Apache MXNet Incubatingをビルドしてみるテスト、ビルドするだけ
Raspberry Piで OpenCVの Haar Cascade Object Detectionでリアルタイムにカメラ映像の顔検出を行なってみる
ラズパイで OpenCVの Haar Cascade Object Detection Face & Eyeでリアルタイムでカメラ映像の顔検出をする方法
Raspberry Piで NNPACKをビルドする方法
ラズパイで NNPACKをビルドしてみるテスト、ビルドするだけ
Raspberry Pi 3の Linuxコンソール上で使用する各種コマンドまとめ
ラズパイの Raspbian OSのコマンドラインで使用する便利コマンド、負荷試験や CPUシリアル番号の確認方法等も
[HOME]
|
[BACK]
リンクフリー(連絡不要、ただしトップページ以外は Web構成の変更で移動する場合があります)
Copyright (c)
2018 FREE WING,Y.Sakamoto
Powered by 猫屋敷工房 & HTML Generator
http://www.neko.ne.jp/~freewing/raspberry_pi/raspberry_pi_build_darknet_neural_network_framework/
