文章目录
- Paddle Lite环境准备
- 硬件准备
- 基本软件环境准备
- 摄像头准备
- 编译库准备
- Paddle Lite（demo）的安装
- 模型和预测库下载
- 模型的编译（根据你需要实现的功能进行选择）
- （1）图像分类模型的编译（单图片预测分类）
- Paddle Lite的配置和预测的输入和输出的图片路径的设置（可选操作）
- 执行预测命令
- （2）目标检测模型的编译（单图片检测）
- Paddle Lite的配置和预测的输入和输出的图片路径的设置（与图片分类模型配置完全相同）
- （3）目标检测模型的编译（视频流检测）
- Paddle Lite的配置和视频流监测的设置
- 执行预测命令
- 效果展示
- Paddle Lite——报错解决
参考：Paddle Lite官方文档
Paddle Lite环境准备
硬件准备
- 树莓派4B
- usb摄像头
- 装好Buster的镜像源的SD卡
基本软件环境准备
摄像头准备
参考文章：树莓派摄像头的安装、配置与验证
编译库准备
完成gcc、g++、opencv、cmake的安装：
sudo apt-get update
sudo apt-get install gcc g++ make wget unzip libopencv-dev pkg-config
#下载cmake
wget https://www.cmake.org/files/v3.10/cmake-3.10.3.tar.gz
在这一步如果下载很慢，这里我也提供了cmake-3.10.3.tar.gz的包，需要的可以自行下载。
#解压
tar -zxvf cmake-3.10.3.tar.gz
#进入文件夹
cd cmake-3.10.3
#环境配置
sudo ./configure
#make
sudo make
sudo make install
到这里就完成了所有的环境准备。
Paddle Lite（demo）的安装
Paddle Lite安装和demo相同
#下载Paddle Lite
git clone https://github.com/PaddlePaddle/Paddle-Lite-Demo
模型和预测库下载
cd Paddle-Lite-Demo/PaddleLite-armlinux-demo
./download_models_and_libs.sh # 下载模型和预测库
模型的编译（根据你需要实现的功能进行选择）
- 图像分类模型的编译（单图片预测分类）
- 目标检测模型的编译（单图片检测）
- 目标检测模型的编译（视频流检测）
读者需根据自己的需求进行特定的编译。
（1）图像分类模型的编译（单图片预测分类）
进入image_classification_demo文件夹
cd Paddle-Lite-Demo/PaddleLite-armlinux-demo/image_classification_demo
Paddle Lite的配置和预测的输入和输出的图片路径的设置（可选操作）
- 注释掉第四行的
TARGET_ARCH_ABI=armv8，打开第五行的，取消第5行TARGET_ARCH_ABI=armv7hf 的注释。 - 需要对run.sh文件进行修改:
sudo nano run.sh
在#run代码段找到参数../images/2001.jpg和./result.jpg，进行自定义设置即可，此处建议设置为:
#!/bin/bash
# configure
#TARGET_ARCH_ABI=armv8 # for RK3399, set to default arch abi
TARGET_ARCH_ABI=armv7hf # for Raspberry Pi 3B
PADDLE_LITE_DIR=../Paddle-Lite
if [ "x$1" != "x" ]; then
TARGET_ARCH_ABI=$1
fi
# build
rm -rf build
mkdir build
cd build
cmake -DPADDLE_LITE_DIR=${PADDLE_LITE_DIR} -DTARGET_ARCH_ABI=${TARGET_ARCH_ABI} ..
make
#注意，这里为run代码段！！！！！！
#run
LD_LIBRARY_PATH=$LD_LIBRARY_PATH:${PADDLE_LITE_DIR}/libs/${TARGET_ARCH_ABI} ./object_detection_demo ../models/model.nb ../labels/pascalvoc_label_list ../images/2001.jpg ./result.jpg
执行预测命令
sudo ./run.sh
在终端即可看到打印出的预测结果和性能数据，在build目录中可以看到生成的result.jpg。
（2）目标检测模型的编译（单图片检测）
cd Paddle-Lite-Demo/PaddleLite-armlinux-demo/object_detection_demo
Paddle Lite的配置和预测的输入和输出的图片路径的设置（与图片分类模型配置完全相同）
- 注释掉第四行的
TARGET_ARCH_ABI=armv8，打开第五行的，取消第5行TARGET_ARCH_ABI=armv7hf 的注释。 - 需要对run.sh文件进行修改:
sudo nano run.sh
在#run代码段找到参数../images/2001.jpg和./result.jpg，进行自定义设置即可，此处建议设置为:
#!/bin/bash
# configure
#TARGET_ARCH_ABI=armv8 # for RK3399, set to default arch abi
TARGET_ARCH_ABI=armv7hf # for Raspberry Pi 3B
PADDLE_LITE_DIR=../Paddle-Lite
if [ "x$1" != "x" ]; then
TARGET_ARCH_ABI=$1
fi
# build
rm -rf build
mkdir build
cd build
cmake -DPADDLE_LITE_DIR=${PADDLE_LITE_DIR} -DTARGET_ARCH_ABI=${TARGET_ARCH_ABI} ..
make
#注意，这里为run代码段！！！！！！
#run
LD_LIBRARY_PATH=$LD_LIBRARY_PATH:${PADDLE_LITE_DIR}/libs/${TARGET_ARCH_ABI} ./object_detection_demo ../models/ssd_mobilenet_v1_pascalvoc_for_cpu/model.nb ../labels/pascalvoc_label_list ../images/2001.jpg ./result.jpg
（3）目标检测模型的编译（视频流检测）
cd Paddle-Lite-Demo/PaddleLite-armlinux-demo/object_detection_demo
Paddle Lite的配置和视频流监测的设置
- 注释掉第四行的
TARGET_ARCH_ABI=armv8，打开第五行的，取消第5行TARGET_ARCH_ABI=armv7hf 的注释。 - 需要对run.sh文件进行修改，设置为视频流检测：
sudo nano run.sh
将run.sh中的#run修改参数，即该文件的最后一行参数，去掉../images/2001.jpg和./result.jpg后缀，取消图片预测模式，即可完成对run.sh的视频流配置。
#!/bin/bash
# configure
#TARGET_ARCH_ABI=armv8 # for RK3399, set to default arch abi
TARGET_ARCH_ABI=armv7hf # for Raspberry Pi 3B
PADDLE_LITE_DIR=../Paddle-Lite
if [ "x$1" != "x" ]; then
TARGET_ARCH_ABI=$1
fi
# build
rm -rf build
mkdir build
cd build
cmake -DPADDLE_LITE_DIR=${PADDLE_LITE_DIR} -DTARGET_ARCH_ABI=${TARGET_ARCH_ABI} ..
make
#注意，这里为run代码段！！！！！！
#run
LD_LIBRARY_PATH=$LD_LIBRARY_PATH:${PADDLE_LITE_DIR}/libs/${TARGET_ARCH_ABI} ./object_detection_demo ../models/ssd_mobilenet_v1_pascalvoc_for_cpu/model.nb ../labels/pascalvoc_label_list ../images/2001.jpg ./result.jpg
修改后的#run代码段：
#run
LD_LIBRARY_PATH=$LD_LIBRARY_PATH:${PADDLE_LITE_DIR}/libs/${TARGET_ARCH_ABI} ./object_detection_demo ../models/model.nb ../labels/pascalvoc_label_list
执行预测命令
./run.sh armv7hf
在终端即可看到打印出来的预测结果和性能数据，并且执行后会自动弹出实时视频预测画面。
效果展示
为了避免尴尬，博主机智的戴上了（帅气的）口罩（：
好啦，到这里就结束了，如果你也跟着博主做出了项目，记得点个小赞赞哦~ ^ _ ^
Paddle Lite——报错解决
基于Paddle Lite Demo运行run.sh编译报错无法运行
