Jetson Nano配置与使用（7）Hello AI World( Inference Only)

1.简要介绍下Jetson Inference

Nvidia官方给出的Deploying Deep Learning实例可以在DIGITS/Jetson多种设备上运行。实例使用NVIDIA TensorRT高效地将神经网络部署到嵌入式平台上，并利用Jetson上的图形优化、内核融合和hafl-precision FP16提高性能。

实例有这么几项：
（1）imgenet用于图像识别，识别出图像为苹果、橘子等等；
（2）detectnet用于目标检测，标注行人、瓶子、飞机等等；
（3）segnet用于图像、语义分割等。

2.实现Hello AI World(Inference Only）

摄像头的实时识别和检测无法实现，我的摄像头是USB接口，按照注意事项中提示，修改对应.cpp源码中id，重新编译，仍然无法使用，貌似和V4L2有关系，坑太深了，期待大神的实现。本文中和摄像头相关的内容一概忽略不表。

（1）安装cmake

sudo apt-get install cmake

（2）克隆仓库到本地

git clone https://github.com/dusty-nv/jetson-inference
cd jetson-inference
git submodule update --init

（3) 修改文件CMakePreBuild. sh

jetson-inference这个仓库中有24个caffe网络模型是在cmake过程中下载，我们的网络没办法完成这件事，加上linux终端搭梯子的复杂繁琐以及保证ss账号可用等恶劣情况，我弃疗了。好在天无绝人之路，通过修改CMakePreBuild.sh文件可以解决这个问题。

将CMakePreBuild.sh文件中的关于下载和解压的部分全部注释掉，太长了，仅示例4行，

 35 #wget --no-check-certificate 'https://nvidia.box.com/shared/static/c84wp3axbtv4e2gybn40jprdquav9azm.prototx    t' -O alexnet.prototxt
 36 #mv alexnet.prototxt ../data/networks
 37 
 38 #wget --no-check-certificate 'https://nvidia.box.com/shared/static/o0w0sl3obqxj21u09c0cwzw4khymz7hh.prototx    t' -O alexnet_noprob.prototxt
 39 #mv alexnet_noprob.prototxt ../data/networks

（4）使用cmake完成配置

$ cd jetson-inference/build			# omit if pwd is already /build from above
$ make
$ sudo make install

完成后，确认下文件夹结构如下：

|-build
   \aarch64		    (64-bit)
      \bin			where the sample binaries are built to
      \include		where the headers reside
      \lib			where the libraries are build to
   \armhf           (32-bit)
      \bin			where the sample binaries are built to
      \include		where the headers reside
      \lib			where the libraries are build to

（5）下载caffe网络模型

刚该注释掉的下载内容，其实还是需要下载的，我已经全部存在以下网盘了，如需请自提，全部1.5G吧…
百度网盘
提取码：rtr4
下载完了，需要解压的解压，然后都放在/jetson-inference/data/networks路径下，就这么愉快的完成了。

（6）测试

进入到以下目录

$ cd jetson-inference/build/aarch64/bin

执行，首次加载模型，还是有点久，发热也很厉害，

$ ./imagenet-console orange_0.jpg output_0.jpg

查看结果，计算结果会有些许差异

执行目标检测

./detectnet-console peds-003.jpg output_3.jpg