TX2+TensorRT+DIGITS实现图像的识别、检测和分割---2---图像识别（一）

Classifying Images with ImageNet

TensorRT下载地址：https://developer.nvidia.com/nvidia-tensorrt-download
TesnsoRT介绍文档：https://devblogs.nvidia.com/tensorrt-3-faster-tensorflow-inference/
TensorRT开发者指南：http://docs.nvidia.com/deeplearning/sdk/tensorrt-developer-guide/index.html
TensorRT样例代码：http://docs.nvidia.com/deeplearning/sdk/tensorrt-developer-guide/index.html#samples

这里有多种类型的深度学习网络可以利用，包括识别，检测/定位，和分割。第一个在本教程中重点出现的是利用’imageNet’来实现的图像识别功能，它是被训练来识别相似物体的。

imageNet会输入一个图片，然后输出这张图片中的物体是各个类别的概率。上面step 2中下载的模型，是利用ImageNet数据库（1000种类别）训练的AlexNet和GoogleNet的网络模型。作为样例，它提供了一个命令行的接口(imagenet-console) 和一个实时的摄像头程序（imagenet-camera）。

Using the Console Program on Jetson

首先，尝试使用imagenet-console程序在测试图片上试验一下图像识别功能。它会加载一张图片，使用TensorRT和imageNet的类别来进行推演。推演完成后，他会把推演的结果（类别信息或者编号）加载到图片上（类似水印的方式），并且将输出结果保存。

在编译好jetson-inference之后，进入aarch64/bin这个文件夹：

$ cd jetson-inference/build/aarch64/bin

然后用