目录
一、简单介绍及准备工作
英伟达的 Jetson Nano是一块用于深度学习或者计算机视觉的开发板,不同型号的内存和性能不同。主方向上具有四个usb接口和一个HDMI视频接口一个电源接口(type-c),网线接口,一个micro-B-usb,右侧是40引针,左侧是csi摄像头,顶上是自己买的小风扇,周围是亚克力板保护。
准备工作:1.鼠标、键盘 2.64GB或128GB的sd卡和读卡器
3.type-c充电线 4.网线(或者无线网卡)
二、ubantu安装
1.镜像的烧录
首先进入英伟达的官网,找到适合你硬件的镜像。
官网地址,很卡:Jetson Download Center | NVIDIA Developer
其次下载一个烧制软件:我用的balenaEtcher。操作很简单
镜像烧制成功后,插入jetson的主方向的后面的卡槽中。
2.开机
连接电源,连接外设,就开机了。开机设置就跟新手机一样,选择语言地区。重要的是设置的开机密码得记住。
三、简单的终端使用及换源
1.打开风扇
打开termianal,输入:sudo sh -c 'echo xxx > /sys/devices/pwm-fan/target_pwm'
XXX : 范围 0-255 代表风速
风扇开机启动,终端依次输入:
1.cd /etc
2.sudo touch rc.local(新建文件)
3.sudo gedit rc.local(打开)
4.在打开的文本编辑框输入
5.赋予开机启动权限
sudo chmod 755 /etc/rc.local
2.换源
换源是为了上网下东西,它自己的软件库是外网,很慢。
sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak (复制原来的软件源文件取名bak)
sudo gedit /etc/apt/sources.list 全部删了在添上自己的(我用的清华源)
sudo apt-get update (更新)
sudo apt-get install python3-pip(下载pip)
3.pip换源
sudo mkdir .pip (建立隐藏文件夹)
sudo cd .pip
sudo touch pip.conf(建立个.conf文件)
sudo gedit pip.conf(加上自己的源)
四、自身资源监测及tensorrt
1.sudo pip3 install jetson-stats
sudo jtop
下面是其界面:
2.tensorrt
对于tensorrt我的理解是,它可以支持pytorch和tensorflow等框架,所以我们进行推理时,不用搭建pytorch等框架,就可以推理。
其例子目录在/usr/src/tensorrt/samples,可以尝试编译一下。
五、下载编译jetson-inference
终端顺序输入:
1.sudo apt upgrade
2.sudo apt install cmake
3.mkdir ~/workspace
4.cd workspace
5.git clone --recursive https://gitee.com/weikun-xuan/jetson-inference.git (问的b站小伙伴)
6.cd jetson-inference/
7.git submodule update --init
8.cd tools
9.$sed -in-place -e 's@https://nvidia.box.com/shared/static@https://bbs.gpuworld.cn/mirror@g' download-models.sh(模型下载国内源)
10.cd ..(返回上一级目录)
11.mkdir build cd build(建个文件夹并进入路径)
12.cmake.. (出现以下界面)
此步为安装模型包,本人建议【全部取消】,不然会有些慢,之后我们可以去https://github.com/dusty-nv/jetson-inference/releases 手动下载
继续
选择python3的那个。
13.make
之后就可以进入到workspace/jetson-inference/build/aarch64/bin目录下跑模型了,里面有detectnet和segnet等一些脚本,终端运行即可。
六、Yolov4的部署
下载代码(readme可以看看):GitHub - AlexeyAB/darknet: YOLOv4 / Scaled-YOLOv4 / YOLO - Neural Networks for Object Detection (Windows and Linux version of Darknet )
下载权重(RT不能训练)
Releases · AlexeyAB/darknet · GitHub
下载好后,解压并且把权重文件放入到darknet-master文件夹下。
点开Makefile文件,修改参数
终端darknet-master路径下:make
终端darknet-master路径,测试:./darknet detector test cfg/coco.data cfg/yolov4.cfg yolov4.weights data/eagle.jpg