Jetson nano TensorRT环境搭建（jetson-inference）

TensorRT

使用TensorRT

Jetson Nano的官方文档中给我们推荐了二个例子，其中一个使用Tensor RT做物品识别的例子。具体的可以参考英伟达jetson-inference例子。跑通这个例子需要的模型就大概1G以上，所以这个例子的大部分并没有放到SD卡上（SD卡上只有运行这个模型所需要的TensorRT）。悲剧的是存放这些模型的服务器被墙了，所以只能将之前下载好的包远程传输到对应的下载目录下。
首先如果您没有安装git和cmake，先安装它们

sudo apt-get install git cmake

接着从git上克隆jetson-inference 库

git clone https://github.com/dusty-nv/jetson-inference

进入文件夹jetson-inference

cd jetson-inference

当使用git clone下来的工程中带有submodule时，初始的时候，submodule的内容并不会自动下载下来的，此时，只需执行如下命令：git submodule update --init --recursive，即可将子模块内容下载下来后工程才不会缺少相应的文件。

git submodule update --init  

配置cmake，cmake的介绍可以参考我的博文。这里我没有用科学上网的方式下载模型，我直接把模型用FileZilla远程传入nano。操作如下：
1）编辑jetson-inference/CMakePrebuild.sh。把./download-models.sh注释掉,（前面加个#注释）

2）把模型远程传输到data/networks目录。

新建build文件夹，用来存放编译文件

mkdir build    #创建build文件夹

进入

cd build       #进入build

运行cmake

cmake ../      #运行cmake，它会自动执行上一级目录下面的 CMakePrebuild.sh

然后在此目录执行解压：

for tar in *.tar.gz; do tar xvf $tar; done

cmake成功后，就需要编译了
进入build文件夹

cd jetson-inference/build	

开始编译

make (或者make -j4)    //注意：（在build目录下）
// 这里的 make 不用 sudo
// 后面 -j4 使用 4 个 CPU 核同时编译，缩短时间

如果编译成功，会生成下列文件夹结构

|-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

测试

cd jetson-inference/build/aarch64/bin
./imagenet-console ./images/bird_0.jpg output_wyk.jpg

执行等待许久后出现如下（第一次需要很长时间，后面执行就会很快）：

识别结果

当然nano中的文件也可以传到pc上查看

更多学习请看官方文档：
官方Demo
官方TensorRT教程