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： Milk-V Duo S 512MB SG2000 RISC-V UART串口控制台 RoArm-M2-S 步骤录制和重现 RP2040微控制器开发板 UNO R4 WiFi Arduino电子墨水屏驱动板 ESP32 1.5寸LCD 程序工业级隔离型USB转RS232/485 (B)转换器原装FT232RNL导轨挂式 0.99寸树莓派7寸DSI MIPI显示屏LCD 720x1280 ESP32-P4 Luckfox Lyra RK3506/Omni3576 高精度360°磁编码伺服电机45KG.CM RS485高精度大扭矩 ESP32 P4开发板3.4寸LCD圆形显示触摸屏800×800 WIFI6 全贴合钢化玻璃面板板载双麦克风 RS485继电器模块 USB多接口转换器树莓派 5 PCIe转M.2 5G/4G/3G扩展板含RM520N-GL 树莓派5主动散热器 Arduino SH1107 RS485转以太网 UART转以太网 ESP32 S3 800x480

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

TAG：树莓派pico Cortex-A53 ESP32-S3工业级8路继电器WiFi蓝牙LAN网口ETH物联网CAN RJ45 POE 树莓派PoE供电模块 RDK X3开发套件地平线旭日派机箱副屏 RP2040微控制器 ESP32 P4开发板7寸LCD显示屏 STM32 1.5寸LCD X1200 树莓派5 UPS Sipeed NanoKVM-PCIe 智能串口显示屏 Luckfox Pico SC3336 桌面小摆件树莓派5散热器 1.6寸旋钮屏 SPI通信 10.1寸LCD DSI MIPI显示屏触摸屏1280x800 ESP32-P4 Luckfox Titan RK3576 Lyra RK3506 ESP32-S3N8R8 7寸电容触摸屏开发板800&amp;amp;amp;amp;amp;amp;amp;amp;times;480WiFi蓝牙CAN传感器RS485 AI机器视觉套件OAK D Lite1200万像素4TOPS OpenCV摄像头

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)