匿名
未登录
登录
丢石头百科
搜索
查看“Jetson Nano系列教程8:HelloAIWorld”的源代码
来自丢石头百科
名字空间
页面
讨论
更多
更多
页面选项
查看
查看源代码
历史
←
Jetson Nano系列教程8:HelloAIWorld
因为以下原因,您没有权限编辑本页:
您所请求的操作仅限于该用户组的用户使用:
用户
您可以查看与复制此页面的源代码。
<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&id=1644" target="_blank">facenet-120.tar.gz <a class="attach" href="portal.php?mod=attachment&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&id=1644 wget -P ~/jetson-inference/data/network https://{{SERVERNAME}}/study/portal.php?mod=attachment&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
返回至
Jetson Nano系列教程8:HelloAIWorld
。
导航
导航
首页
最近更改
随机页面
MediaWiki帮助
首页
首页
树莓派
主机
配件包
外壳
键鼠
电源
扩展板
显示屏
墨水屏
摄像模块
通信模块
继电器
电机驱动板
游戏机
产品分类
树莓派
Arduino
micro:bit
STM32
Espressif
WiFi模块
蓝牙模块
无线模块
LoRa模块
4G模块
GSM
GPRS
以太网
导航模块
北斗卫星
GPS
LCD
墨水屏
OLED
摄像头
USB模块
串口模块
RS232
RS485
CAN
传感器
温度模块
湿度模块
气压模块
继电器
电机模块
指纹模块
电平转换
音频模块
编程器
Wiki工具
Wiki工具
特殊页面
页面工具
页面工具
用户页面工具
更多
链入页面
相关更改
页面信息
页面日志