연습 - NVIDIA DeepStream 종속성 및 SDK 설치

  • 20분

NVIDIA DeepStream SDK에는 몇 가지 필수 구성 요소 소프트웨어가 필요합니다. 이러한 종속성의 설치를 살펴보고 해당 역할을 설명합니다.

  1. 원본에서 C 및 C++ 애플리케이션을 컴파일하는 도구를 제공하는 종속성 패키지를 설치합니다. 여러 gstreamer 기반 플러그 인이 포함되어 있습니다. NVIDIA DeepStream이 DeepStream 애플리케이션에서 미디어 처리 및 그래프 컴퍼지션에 GStreamer 라이브러리를 사용하기 때문에 이러한 플러그 인이 필요합니다. 다음 명령을 사용하여 호스트 터미널에 이러한 요구 사항을 설치합니다.

    sudo apt install \
libssl1.0.0 \
libgstreamer1.0-0 \
gstreamer1.0-tools \
gstreamer1.0-plugins-good \
gstreamer1.0-plugins-bad \
gstreamer1.0-plugins-ugly \
gstreamer1.0-libav \
libgstrtspserver-1.0-0 \
libjansson4 \
gcc \
make \
git \
python3

  2. NVIDIA Unix 드라이버 페이지(https://www.nvidia.com/Download/driverResults.aspx/179599/en-us)에서 NVIDIA 드라이버 버전 470.63.01을 설치합니다.

    1. 설치 패키지는 로컬 사용자의 다운로드 폴더에 다운로드해야 합니다. 다운로드 위치로 이동하고 다음 명령을 사용하여 패키지를 설치합니다.
    chmod 755 NVIDIA-Linux-x86_64-470.63.01.run
sudo ./NVIDIA-Linux-x86_64-470.63.01.run

  3. NVIDIA의 Ubuntu 기반 CUDA 리포지토리를 APT 원본에 추가하여 CUDA Toolkit 11.4를 설치합니다. CUDA 도구 키트를 사용하면 호환 하드웨어가 있는 디바이스에서 GPU 가속을 사용할 수 있는 개발 환경이 구축됩니다. 도구 키트에는 GPU 가속 애플리케이션을 빌드하고 실행할 수 있는 특수 컴파일러 도구 및 라이브러리가 포함되어 있습니다. 또한 호스트 시스템에서 GPU 가속 애플리케이션을 실행할 수 있도록 호환되는 드라이버가 자동으로 설치됩니다.

    CUDA Toolkit 11.4를 설치하려면 호스트 터미널에서 다음 명령을 실행합니다.

    wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-ubuntu1804.pin
sudo mv cuda-ubuntu1804.pin /etc/apt/preferences.d/cuda-repository-pin-600
wget https://developer.download.nvidia.com/compute/cuda/11.4.1/local_installers/cuda-repo-ubuntu1804-11-4-local_11.4.1-470.57.02-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu1804-11-4-local_11.4.1-470.57.02-1_amd64.deb
sudo apt-key add /var/cuda-repo-ubuntu1804-11-4-local/7fa2af80.pub
sudo apt-get update
sudo apt-get -y install cuda

  4. NVIDIA에서 TensorRT 8.0.1 GA를 설치합니다. TensorRT는 하드웨어 가속을 통해 딥 러닝 유추 알고리즘의 고성능 구현을 제공하는 SDK입니다. 여기에는 딥 러닝을 사용하는 애플리케이션에서 짧은 대기 시간과 높은 처리량을 제공하는 다양한 최적화가 포함되어 있습니다. 설치하려면 NVIDIA 개발자 프로그램 멤버 자격이 필요합니다. 없는 경우 다음 단계를 완료하여 만들라는 메시지가 표시됩니다. 이 무료 멤버 자격을 사용하면 필요한 설치 파일에 액세스할 수 있습니다.

    참고

    이 프로세스를 완료하려면 호스트 머신에 브라우저가 있어야 합니다.

    없는 경우 sudo apt install firefox 명령을 사용하여 호스트 머신에 Firefox 브라우저를 쉽게 설치할 수 있습니다.

    1. 다음 명령을 실행하여 APT 원본에 CUDA 리포지토리를 추가합니다.

      echo "deb https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64 /" | sudo tee /etc/apt/sources.list.d/cuda-repo.list
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/7fa2af80.pub
sudo apt-key add 7fa2af80.pub
sudo apt-get update

    2. 호스트 머신에서 브라우저를 열고 Ubuntu 18.04 및 CUDA 11.3 DEB 로컬 리포지토리 패키지용 TensorRT 8.0.1 GA를 다운로드합니다.

    3. 설치 패키지는 로컬 사용자의 다운로드 폴더에 다운로드해야 합니다. 다운로드 위치로 이동하고 다음 명령을 사용하여 패키지를 설치합니다.

      cd ~/Downloads
sudo dpkg -i nv-tensorrt-repo-ubuntu1804-cuda11.3-trt8.0.1.6-ga-20210626_1-1_amd64.deb 
sudo apt-key add /var/nv-tensorrt-repo-ubuntu1804-cuda11.3-trt8.0.1.6-ga-20210626/7fa2af80.pub 
sudo apt-get update 
sudo apt-get install \
libnvinfer8=8.0.1-1+cuda11.3 \
libnvinfer-plugin8=8.0.1-1+cuda11.3 \
libnvparsers8=8.0.1-1+cuda11.3 \
libnvonnxparsers8=8.0.1-1+cuda11.3 \
libnvinfer-bin=8.0.1-1+cuda11.3 \
libnvinfer-dev=8.0.1-1+cuda11.3 \
libnvinfer-plugin-dev=8.0.1-1+cuda11.3 \
libnvparsers-dev=8.0.1-1+cuda11.3 \
libnvonnxparsers-dev=8.0.1-1+cuda11.3 \
libnvinfer-samples=8.0.1-1+cuda11.3 \
libnvinfer-doc=8.0.1-1+cuda11.3

  5. DeepStream 메시지 브로커에서 사용하는 Kafka 프로토콜 어댑터를 사용하도록 설정하려면 librdkafka를 설치합니다. 터미널을 열고 다음 명령을 실행합니다.

    cd ~
git clone https://github.com/edenhill/librdkafka.git
cd librdkafka
git reset --hard 7101c2310341ab3f4675fc565f64f0967e135a6a
./configure
make sudo make install
sudo mkdir -p /opt/nvidia/deepstream/deepstream-6.0/lib
sudo cp /usr/local/lib/librdkafka* /opt/nvidia/deepstream/deepstream-6.0/lib

  6. DeepStream SDK를 설치합니다. SDK에는 사용자 지정 IVA 파이프라인 빌드를 시작하기 위한 모든 라이브러리, 개발 원본, 샘플이 포함되어 있습니다.

    1. 호스트 머신에서 브라우저를 엽니다. NVIDIA DeepStream - Version 6.0.0-1 Download로 이동합니다.

    2. 로컬 사용자의 다운로드 폴더에 다운로드해야 합니다. 다운로드 위치로 이동하고 다음 명령을 사용하여 패키지를 설치합니다.

    cd ~/Downloads
sudo apt-get install ./deepstream-6.0_6.0.0-1_amd64.deb

이제 NVIDIA DeepStream SDK를 사용하여 인텔리전트 비디오 분석 애플리케이션을 빌드하는 방법을 살펴볼 준비가 되었습니다. 샘플 애플리케이션을 검사하고 실행할 것입니다.