查看“Jetson Nano系列教程8：HelloAIWorld”的源代码


<b>一、前言</b>
 本文使用JetsonNano运行Nvidia官方给出的示例例程，让用户快速认识JetsonNano强大的运算能力，方便用户找到学习神经网络相关路径。
 注意：
 1. JetsonNano使用5V/3A MicroUSB电源
 2. JetsonNano使用
IMX219-77 Camera

 3. JetsonNano使用
7inch HDMI LCD(H)屏幕

 
[[File:143838wyefi5yimhz453ye.png]]

 用户可以在JetsonNano使用键盘鼠标等设备方便演示和使用例程。
 ①、JetsonNano映像文(本文使用的映像文件为20190718发布的)中已经预装CUDA OpenCV等文件，下面是下载jetson-inference库，并编译源文件，当有提示时，要输入<b>y</b>确认下载，分别输入下面命令:
<syntaxhighlight lang="python">
cd ~
sudo apt-get install git cmake
git clone https://github.com/dusty-nv/jetson-inference
cd jetson-inference
git submodule update --init
sudo apt-get install libpython3-dev python3-numpy</syntaxhighlight>  使用CMake配置进行相应配置，确认在jetson-inference目录进行操作，

<syntaxhighlight lang="python">
cd ~/jetson-inference
mkdir build
cd build
cmake ../</syntaxhighlight> 
 当出现下面提示时候，使用箭头<b>-></b>跳过选择，国内下载不了box.com上文件。用户可以使用下面命令下载jetson-inference/data/network/目录下<a class="attach" href="portal.php?mod=attachment&amp;id=1644" target="_blank">facenet-120.tar.gz
 <a class="attach" href="portal.php?mod=attachment&amp;id=1645" target="_blank">GoogleNet.tar.gz
：


[[File:151410d766246408rfod34.png]]


[[File:151411sheiwrwhmhvqrwem.png]]


<syntaxhighlight lang="python">
wget -P ~/jetson-inference/data/network https://{{SERVERNAME}}/study/portal.php?mod=attachment&amp;id=1644
wget -P ~/jetson-inference/data/network https://{{SERVERNAME}}/study/portal.php?mod=attachment&amp;id=1645
cd ~/jetson-inference/data/network/
tar -zxvf facenet-120.tar.gz
tar -zxvf GoogleNet.tar.gz</syntaxhighlight>  
GoogleNet相关内容可以点击参考

 
facenet相关内容可以点击参考

 这里说明下，我们只是各种神经网络(NN)的搬运工，那些动辄上百层的深度神经网络(DNN)，目前得靠服务器集群加速训练，训练好权重和偏置后在JetsonNano等端设备上进行部署。
 ②、编译工程
<syntaxhighlight lang="python">
cd ~/jetson-inference/build
make
sudo make install</syntaxhighlight>
<b>二、使用GoogleNet对物体进行识别</b>
 ①、静态图片识别，例程包含了C++和Python两种源码，这里使用C++进行演示，输入文件orange_0.jpg，输出文件为output_0.jpg。

<syntaxhighlight lang="python">
cd ~/jetson-inference/build/aarch64/bin/
./imagenet-console --network=googlenet orange_0.jpg output_0.jpg
</syntaxhighlight>  用户可自行将一些物体图片放到 ~/jetson-inference/build/aarch64/bin/ 目录下，使用上面的 ./imagenet-console 命令执行检测。下图展示googlnet对橙子orange的97.923%识别效果。


[[File:155831iskh2ka4mlk5k5e4.jpg]]




<b> </b>②、使用摄像头对环境物体进行识别
 首先安装视频相关库，在JetsonNano控制台输入下面命令：
<syntaxhighlight lang="python">
sudo apt-get install v4l-utils
v4l2-ctl --list-formats-ext
</syntaxhighlight>  再输入下面命令启动IMX219-77摄像头：

<syntaxhighlight lang="python">
./imagenet-camera</syntaxhighlight>  文档说明GoogleNet能对1000类物体进行识别，小编对周遭物体进行测试，效果如下：


[[File:094514yx700yca1omlcdzz.gif]]

[[File:094521innjyo7ows6ykwxp.gif]]

[[File:094521pfmsgxsokmjgkwwj.gif]]

[[File:094521q5qgiptzruc05edt.gif]]

[[File:094522n2ieoo3f3smp6z36.png]]

<b>三、使用FaceNet-120进行人脸检测</b>
<b> </b>FaceNet-120可以对视频中出现的人脸进行实时检测，在JetsonNano终端按下Ctrl+Z退出上面演示，输入下面命令：

<syntaxhighlight lang="python">
./detectnet-camera --network=facenet</syntaxhighlight>  启动摄像头后可以观察到当有人经过摄像头画面范围时，可观察到对人脸区域进行标签。感兴趣读者可进行相关测试，用户也可下载github上相关神经网络解压到jetson-inference/data/network目录下，在输入上面命令时将facenet替换为你想验证的神经网络，
地址请点击我
，enjoy it!
 
点击我查看官方教程

以上资料由waveshare team整理。
<b>
</b>
<b>
</b> 

<b>Tab标签:</b> 
Jetson Nano系列教程 c++ python