一、TX2端
1.在TX2上安装git和cmake
sudo apt-get install git cmake2. 下载并运行jetson-inference
jetson-inference不是很好下载，我试了两天，最后在Windows下科学上网下载到了，给个我下载好的百度云链接吧：
链接：https://pan.baidu.com/s/1hSrWSk3Wy9qzEGFZke8yLQ 密码：dlms
git clone https://github.com/dusty-nv/jetson-inference.git
cd jetson-inference
mkdir build
cd build
cmake ..到这儿会卡住，也是多试几次就好了，这个要看nvidia的网络状况。这时会调用脚本CMakePrebuild.sh去下载网络模型和结构文件，也可以自己下载完以后解压到jetson-inference/data/networks目录。
make
.按照参考1中的示例运行例程
（1）识别
./imagenet-console orange_0.jpg output_0.jpg会将orange_0.jpg识别的结果保存在output_0.jpg中，其中要用到的googlenet.prototxt和bvlc_googlenet.caffemodel并不是networks文件夹中自带的，需要自己下载以后放入其中，否则会报错：
为了方便，再给个下好的网盘链接：
链接：https://pan.baidu.com/s/16Nc7SjYJc5FN5xKitWAn7Q 密码：qjhl
运行结果：
（2）检测
./imagenet-camera googlenet结果：
可以达到10帧/秒，把我的马里奥识别成了头盔2333
（3）使用自己的usb摄像头
把jetson-inference/imagenet-camera/imagenet-camera.cpp中的define DEFAULT_CAMERA -1（使用 /dev/video0，板载镜头）改成 define DEFAULT_CAMERA 1（使用 /dev/video1，usb摄像头）
cd ~/jetson-inference/build
make clean
cmake ..
make这是我的日历检测结果：
（4）使用自己训练好的模型进行测试
把相应的地址进行更换即可
cd ~/jetson-inference/build/aarch64/bin/
./imagenet-camera \
-model /home/nvidia/***/caffe_model_iter_***.caffemodel \
-prototxt /home/nvidia/project/***/***.prototxt \
-labels ***.txt -input_blob data -output_blob prob
参考：
1.吉浦迅-【入门篇】Jetson TX2深度学习Inference初体验
700
