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： luckfox-pico-ultra-gpio 树莓派Pico 2 RP2350 2.8寸LCD开发板电容显示触摸屏 QMI8658 6轴/ PCM5101音频解码 /SD /RTC PCF85063 Jetson Orin Nano UGV Rover ROS2 六轮四驱双脑开源AI云台机器人小车OpenCV MP2.5GD 树莓派5 PCIE转双2.5G以太网扩展板 Pi5 RTL8125 ESP32舵机驱动板树莓派5 27W电源树莓派7寸DSI MIPI显示屏LCD 720x1280 ESP32-P4 Luckfox Lyra RK3506/Omni3576 机箱副屏 15.6寸双显示屏笔记本电脑扩展屏 LCD 1080P 内置重力感应喇叭 FT3267 ESP32直驱伺服轮毂电机WIFI驱动板DDSM ESP DDSM400支持树莓派 NVIDIA 工业级USB转CAN 以太网继电器树莓派5外壳 7.5寸 NFC电子墨水屏电子标签相册名牌无须电池供电无线刷图工业级树莓派5/4B UPS带PD快充诱导输出激活Type C不间断电源9600mAh 5V/5A 25W 充电宝也支持手机/平板/迷你PC电脑等斑梨编程手表

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

TAG：树莓派5主动散热器 SpeedyBee F405 V4 60A 电调飞塔 F4飞控DJI FPV穿越机 DeepSeek小智ESP32 S3 1.8寸AMOLED显示屏 AI语音可编程手表 X1010树莓派5 PCle FFC转标准PCIe x4插槽树莓派5 27W 树莓派10.1寸HMI显示屏LCD工业一体触摸1280x800 树莓派SH1107 人体手指触摸传感器热像仪摄像头测速传感器 Sipeed LonganPi龙眼派 Pi 3H ARM Linux H618 Cortex-A53 树莓派5 27W电源树莓派5 Jetson Orin Nano Super 人工智能(AI)开发套件 8GB显存核心板 ESP32 树莓派5 PD电源树莓派官方原装15.6寸显示屏Raspberry Pi Monitor USB转CAN 树莓派UPS 工业隔离型串口服务器

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)