AI挑战营（进阶）:2.WSL2cuda+pytorch+insight初探

sgf201

AI挑战营（进阶）:2.WSL2cuda+pytorch+insight初探 [复制链接]

一、docker 运行ubuntu22尝试

个人pc是windows，参考牛人文章发现用的ubuntu22，首先考虑使用docker运行ubuntu22容器，这样即不影响其它已有环境，也不担心其它环境影响它

AI挑战营（进阶）:1. InsightFace 快速上手 - 嵌入式系统 - 电子工程世界-论坛

docker之前已经有部署，docker pull ubuntu:22.04下载ubuntu22的image,成功运行

使用下面的命令可以安装cuda

apt install nvidia-cuda-toolkit*

apt install nvidia-cuda-dev

cuda安装完成后，发现nvida的驱动没有安装，于是安装了驱动

运行nvidia-smi后报未知错误，docker中运行ubuntu22来使用nvidia应该还是有问题的

二、WSL2中运行ubuntu22

在wsl2中新建ubuntu22的实例，可以直接在vscode远程中选择发行版

 

创建完成后，运行nvidia-smi，直接看到下面的输出

 

还是微软贴心。

安装cuda 11.8版本，查找官网发现下面的安装命令，运行成功

  完成后运行nvcc -V,可以得到下面的输出，证明cuda安装成功。

 

使用命令安装pytorch

  第一次安装时报错了，说sha值不对应，重新运行一次，安装成功

使用下面的命令安装insightface和onnxruntime_gpu

pip install insightface

pip install mxnet onnxruntime-gpu

运行人脸分割测试

import cv2
import numpy as np
import insightface
from insightface.app import FaceAnalysis
from insightface.data import get_image as ins_get_image

app = FaceAnalysis(name="buffalo_sc",providers=['CUDAExecutionProvider', 'CPUExecutionProvider'])
app.prepare(ctx_id=0, det_size=(640, 640))
img = cv2.imread('input.jpeg')
faces = app.get(img)
rimg = app.draw_on(img, faces)
cv2.imwrite("./output.jpg", rimg)

得到下面的图像

 

运行人脸识别

选取joey作为目标

 

import cv2
import numpy as np
import insightface
from insightface.app import FaceAnalysis
from insightface.data import get_image as ins_get_image

app = FaceAnalysis(name="buffalo_sc",providers=['CUDAExecutionProvider', 'CPUExecutionProvider'])
app.prepare(ctx_id=0, det_size=(640, 640))
img = cv2.imread('input.jpeg')
faces = app.get(img)

feats = []
for face in faces:
    feats.append(face.normed_embedding)

feats = np.array(feats, dtype=np.float32)
target = cv2.imread('joy.png')
target_faces = app.get(target)
target_feat = np.array(target_faces[0].normed_embedding, dtype=np.float32)
sims = np.dot(feats, target_feat)
print(sims)
target_index = int(sims.argmax())
rimg = app.draw_on(img, [faces[target_index]])
cv2.imwrite("joy_output_target.jpg", rimg)

几张人脸得到的相似度如下：

[ 0.9816556   0.05519836  0.09217417 -0.2159264   0.02295483  0.21829614]

绘制结果如下：

 

sgf201

安装 rknn后开始报numpy没有int属性，查看报错是在insightface中，将face_analysis.py中下面使用int的地方修改为int32后，就不报错了

        for i in range(len(faces)):

            face = faces[i]

            box = face.bbox.astype(np.int32)

            color = (0, 0, 255)

            cv2.rectangle(dimg, (box[0], box[1]), (box[2], box[3]), color, 2)

            if face.kps is not None:

                kps = face.kps.astype(np.int32)