二、Jetson Xavier NX上运行例程

换源

添加国内清华源前，先进行备份

# 备份
sudo cp /etc/apt/sources.list /etc/apt/sources/list.back
# 修改源
sudo vi /etc/apt/sources.list

注释原内容，添加以下源：

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-updates main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-backports main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-security main restricted universe multiverse

然后更新和清除

sudo apt update  更新安装程序列表
sudo apt autoremove  清除安装包
sudo apt upgrade  对现有包进行升级

安装Jetson-inference

mkdir ~/workspace
cd workspace/
git clone https://gitee.com/vcan123/jetson-inference
cd jetson-inference/
git submodule update --init  初始化
mkdir build
cd build
cmake ..
// 不下载模型，也不安装pytorch 跳过就行
make

在make的时候，出错过好几次，反复多装几次吧，确实挺难装的，下图是make完成，然后就可以跑例程了。

测试官方例程：

模型文件地址：https://github.com/dusty-nv/jetson-inference/releases

一、目标分类：

进入jetson-inference→data→networks

将模型解压至当前文件夹，在当前文件夹下打开终端

  tar -xzf /your file path

在Jetson-inference→build→aarch64→bin下打开终端

./imagenet-camera --network=googlenet --camera=0
# 或 ./imagenet-camera --network=googlenet --camera=/dev/video0

看教程，使用的是—camera=0，我是用的是USB摄像头，显示的设备为video0，但使用第一个命令时画面显示不出来，使用—camera=/dev/video0之后就可以了。

二、图像分割：

解压模型到jetson-inference→data→networks中

tar -xzf /your file path

在Jetson-inference→build→aarch64→bin下打开终端运行命令

./segnet-console   # 查看所需要的参数项
./segnet-console --network=fcn-alexnet-aerial-fpv-720p ./images/fruit_0.jpg fruit_0.jpg 

三、人脸检测：

解压模型到jetson-inference→data→networks中

tar -xzf /your file path

在Jetson-inference→build→aarch64→bin下打开终端运行命令

./detectnet-camera --network=facenet --camera=/dev/video0

YOLOv4测试：

下载包和模型：

yolov4：github地址

weights：yolov4，yolov4-tiny

修改Makefile以下几项：

GPU=1
CUDNN=1
CUDN_HALF=1
OPENCV=1
LIBSO=1
NVCC=/usr/local/cuda-10.2/bin/nvcc

在darknet-master文件夹下打开终端命令行，对进行编译 make，完成后就可以进行下面的测试了。

对图像进行检测：

./darknet detector test cfg/coco.data cfg/yolov4.cfg yolov4.weights data/horses.jpg

对视频进行检测：

./darknet detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights data/test_video.mp4

对摄像头采集的数据进行检测：

./darknet detector demo  cfg/coco.data cfg/yolov4.cfg yolov4.weights
# 或 ./darknet detector demo  cfg/coco.data cfg/yolov4.cfg yolov4.weights /dev/video0  # 加入了摄像头参数

使用默认的摄像头，由于输入为1920x1080，我的NVIDIA Jetson Xavier NX跑起来帧率在2.5fps，在最后加上使用的摄像头后，输入图像大小为640x480，帧率在5.5fps。

换用yolov4-tiny进行测试

./darknet detector demo  cfg/coco.data cfg/yolov4-tiny.cfg yolov4-tiny.weights
# 或 ./darknet detector demo  cfg/coco.data cfg/yolov4-tiny.cfg yolov4-tiny.weights /dev/video0 # 加入了摄像头参数

换用yolo-tiny后，输入为1920x1080时帧率几乎不变还是2.5fps，这部分我目前还挺好奇的。加入摄像头操参数后，输入为640x480后，帧率为30fps（可能受摄像头帧率的影响，摄像头帧率为30fps）。

推荐：Jetson nano教学视频_哔哩哔哩_bilibili