学习笔记：Jetson nano的模型部署

目录

一、简单介绍及准备工作

​二、ubantu安装

三、简单的终端使用及换源

四、自身资源监测及tensorrt

五、下载编译jetson-inference

六、Yolov4的部署

---

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