Jetson Nano系列教程8：HelloAIWorld

摘要: NVIDIA为Jetson Nano做了一系列的教程，其中，HelloAI是基于Jetson Nano的较为基础的一个教程，其中用的项目就是Jetson-Inference.

前言

作为NVIDIA的基础教程，同样这里我们只是做一下搬运和翻译。如果您有什么问题，请直接留评。这里我们不再对如何安装镜像，网络设置和远程登录多做解释，如果还是不清楚怎么操作这些步骤的同学，请自信查看之前的相关教程。这里我们直接从配置Jetson-Inference项目的环境开始。首先，Jetson-Inference的github项目链接：https://github.com/dusty-nv/jetson-inference

有兴趣的同学可以直接参考官方链接，由于本教程是由官方教程翻译而来，可能没有办法跟着官方教程同步更新，不便之处，敬请谅解。

硬件配置

运行本项目，需要用到的配件：

Jetson nano Developer Kit
Wireless-AC 8265无线网卡 （你也可以选择其他网络连接方式）
IMX219-77 Camera (或者其他CSI摄像头）
OV5648 5MP USB Camera (可选）
5V 4A DC电源
HDMI 屏幕（如果你没有HDMI屏幕，这里推荐我们的7inch HDMI LCD H）

将以上设备连接好。当然，为了好看一点，你可以另外加一个外壳。这里推荐我们的Jetson Nano Case (B)。

软件配置

上电启动系统，打开终端（或者远程登录Jetson nano）。

安装cmake
1 sudo apt-get update
2 sudo apt-get install git cmake

下载jetson-inference 项目资源
1 cd ~/
2 git clone https://github.com/dusty-nv/jetson-inference
3 cd jetson-inference
4 git submodule update --init

安装python3.6版本的libpython3-dev和numpy依赖库
1 sudo apt-get install libpython3-dev python3-numpy

配置项目资源

注意：在最后一个cmake语句运行的过程，如果出现error等报错信息的时候，检查一下网络连接是否异常，然后再重新运行一遍该语句
1 cd ~/jetson-inference
2 sudo mkdir build
3 cd build
4 sudo cmake ../

出现下面提示时候，使用箭头->跳过选择，因为国内的下载不了box.com上文件。

虽然因为网络问题，国内的用户无法下载box.com上的文件，但是官方也为大家提供了一个方便下载的版本：https://github.com/dusty-nv/jetson-inference/releases 你可以单独去将各个model下载，然后再放置到 ~、jetson-inference/data/networks目录下，然后解压。为了方便用户，这里我们提供参考下载指令
1 cd ~/jetson-inference/data/networks/
2 #如果你需要下载更多的算法，请参考这里的方法，首先在github上获取model的下载地址，然后用wget 加指令下载。这里下载三个model以作参考
3 wget https://github.com/dusty-nv/jetson-inference/releases/download/model-mirror-190618/facenet-120.tar.gz
4 wget https://github.com/dusty-nv/jetson-inference/releases/download/model-mirror-190618/GoogleNet.tar.gz
5 wget https://github.com/dusty-nv/jetson-inference/releases/download/model-mirror-190618/SSD-Mobilenet-v2.tar.gz
6 #下面的指令是解压前面下载的model的，只有解压出来才能用
7 tar -zxvf facenet-120.tar.gz
8 tar -zxvf GoogleNet.tar.gz
9 tar -zxvf SSD-Mobilenet-v2.tar.gz

GoogleNet相关内容可以点击参考
facenet相关内容可以点击参考
这里说明下，我们只是各种神经网络(NN)的搬运工，那些动辄上百层的深度神经网络(DNN)，目前得靠服务器集群加速训练，训练好权重和偏置后在JetsonNano等端设备上进行部署。

编译工程

1cd ~/jetson-inference/build
2make
3sudo make install

二、使用GoogleNet对物体进行识别

①、静态图片识别，例程包含了C++和Python两种源码，这里使用C++进行演示，输入文件orange_0.jpg，输出文件为output_0.jpg。

1cd ~/jetson-inference/build/aarch64/bin/
2./imagenet-console --network=googlenet orange_0.jpg output_0.jpg

用户可自行将一些物体图片放到 ~/jetson-inference/build/aarch64/bin/ 目录下，使用上面的 ./imagenet-console 命令执行检测。下图展示googlnet对橙子orange的97.923%识别效果。

②、使用摄像头对环境物体进行识别

首先安装视频相关库，在JetsonNano控制台输入下面命令：

1sudo apt-get install v4l-utils
2v4l2-ctl --list-formats-ext

再输入下面命令启动IMX219-77摄像头：

`1`	`./imagenet-camera`

文档说明GoogleNet能对1000类物体进行识别，小编对周遭物体进行测试，效果如下：

三、使用FaceNet-120进行人脸检测

FaceNet-120可以对视频中出现的人脸进行实时检测，在JetsonNano终端按下Ctrl+Z退出上面演示，输入下面命令：

`1`	`./detectnet-camera --network=facenet`

启动摄像头后可以观察到当有人经过摄像头画面范围时，可观察到对人脸区域进行标签。感兴趣读者可进行相关测试，用户也可下载github上相关神经网络解压到jetson-inference/data/network目录下，在输入上面命令时将facenet替换为你想验证的神经网络，地址请点击我，enjoy it!

点击我查看官方教程

TAG：树莓派PICO 工业级USB转CAN 树莓派5以太网供电 NanoKVM-Lite-网络树莓派5 0.85寸LCD显示屏 UART串口TTL转 RS232 B电气隔离型防雷浪涌多种保护导轨式 ESP32-S3 GC9A01 树莓派树莓派7寸DSI显示屏 X1201 硬件 Luckfox Pico Plus摄像头 JETSON NANO MINI底板树莓派Pico2 Raspberry Pi Pico 2开发板RP2350双核ARM Cortex-M33和RISC-V Hazard3 树莓派摄像头激光雷达传感器教程教程树莓派5 RTC配置 Retropie 音频配置教程

Jetson Nano Developer Kit国产DEV套件替代原装B01方案

TAG： ESP32-S3 1.28寸树莓派Zero DC-DC升压 Jetson Xavier NX Kit 树莓派5立式ICE Tower小冰塔CPU散热RGB风扇U型铜管鳍片塔式 X1011树莓派5 PCIE转M.2 NVME 4口SSD固态硬盘Pi5四倍树莓派Cat-1 GSM GPRS GNSS 人工智能AI 电机测试模块 Google恐龙小游戏树莓派2.8寸LCD DSI显示屏MIPI触摸屏480×640 ESP32-S3 5寸LCD电容触摸显示屏 CAN I2C RS485传感器开发板800x480 斑梨树莓派5 树莓派热像仪 ESP32-S3-Zero Arduino Nano开发板树莓派5官方原装256GB/512GB NVMe高速固态硬盘PCIe Gen3 X1008树莓派5 PCIe转2.5 3.5寸SATA HDD SSD双硬盘 ESP32-S3网口

地址：广东省深圳市龙岗区南湾街道康桥路丹竹头恩来工业城4栋4层401

电话：13246739196 (投诉建议专线,下单/售后请查看网页“联系我们”)

邮箱：manager@spotpear.cn (投诉邮箱)