Hello Jetson Inference
本文尝试运行Hello AI World,Hello AI World 主要包括：图像分类、物体识别、图像分割。
Jetson nano安装JetPack
略，参见 Jetson Nano环境初始化
编译项目
更新系统，并安装必要的工具
sudo apt update
sudo apt upgrade
sudo apt install git cmake libpython3-dev python3-numpy
clone项目并进行编译，中间会提示下载模型，可以直接点击ok，下载默认的几个模型
git clone --recursive https://github.com/dusty-nv/jetson-inference
cd jetson-inference
mkdir build
cd build
cmake ../
make -j$(nproc)
sudo make install
sudo ldconfig
pytorch的安装，参见 安装Pytorch和Torchvision
验证
切换到jetson-inference工程编译目录的bin目录下：
cd jetson-inference/build/aarch64/bin
图像分类
首次运行命令，TensorRT会花费较长时间进行网络优化，优化后的网络文件会缓存在磁盘上，下次运行直接加载优化后的模型。
# C++
./imagenet images/orange_0.jpg images/test/output_0.jpg
# Python
./imagenet.py images/orange_0.jpg images/test/output_0.jpg
# C++
./imagenet images/strawberry_0.jpg images/test/output_1.jpg
# Python
./imagenet.py images/strawberry_0.jpg images/test/output_1.jpg
可以使用--network关键字指定使用什么网络，默认未指定系统默认使用googlenet：
# C++
./imagenet --network=resnet-18 images/jellyfish.jpg images/test/output_jellyfish.jpg
# Python
./imagenet.py --network=resnet-18 images/jellyfish.jpg images/test/output_jellyfish.jpg
# C++
./imagenet --network=resnet-18 images/stingray.jpg images/test/output_stingray.jpg
# Python
./imagenet.py --network=resnet-18 images/stingray.jpg images/test/output_stingray.jpg
项目支持的完整的模型列表参见： Classifying Images with ImageNet
检测rtsp流:(这里的admin:123456为摄像头的用户名和密码，请根据实际情况填写用户名、密码和IP地址)
./imagenet rtsp://admin:123456@192.168.1.26
物体识别
首次运行命令，TensorRT会花费较长时间进行网络优化，优化后的网络文件会缓存在磁盘上，下次运行直接加载优化后的模型。
# C++
./detectnet --network=ssd-mobilenet-v2 images/peds_0.jpg images/test/output_peds_0.jpg
# Python
./detectnet.py --network=ssd-mobilenet-v2 images/peds_0.jpg images/test/output_peds_0.jpg
# C++
./detectnet images/peds_1.jpg images/test/output_peds_1.jpg
# Python
./detectnet.py images/peds_1.jpg images/test/output_peds_1.jpg
项目支持的完整的模型列表参见： Locating Objects with DetectNet
检测rtsp流:(这里的admin:123456为摄像头的用户名和密码，请根据实际情况填写用户名、密码和IP地址)
./detectnet rtsp://admin:123456@192.168.1.26
图像分割
# C++
./segnet --network=fcn-resnet18-cityscapes images/city_0.jpg images/test/output_city_0.jpg
# Python
./segnet.py --network=fcn-resnet18-cityscapes images/city_0.jpg images/test/output_city_0.jpg
# C++
./segnet --network=fcn-resnet18-deepscene images/trail_0.jpg images/test/output_trail_0.jpg
# C++
./segnet --network=fcn-resnet18-deepscene --visualize=mask images/trail_0.jpg images/test/output_mask_trail_0.jpg
# C++
./segnet --network=fcn-resnet18-mhp images/humans_0.jpg images/test/output_humans_0.jpg
# Python
./segnet.py --network=fcn-resnet18-mhp images/humans_0.jpg images/test/output_humans_0.jpg
项目支持的完整的模型列表参见： Semantic Segmentation with SegNet
检测rtsp流:(这里的admin:123456为摄像头的用户名和密码，请根据实际情况填写用户名、密码和IP地址)
./segnet --network=fcn-resnet18-deepscene rtsp://admin:Zyx123456@192.168.1.26
参见
Building the Project from Source
Classifying Images with ImageNet