Jetson Xavier NX 试玩 (二)
Hello AI World Inference
人工智能推理模型
0 前言
想玩一玩 jetson 的人工智能功能，官方的 instructional guide 地址：https://github.com/dusty-nv/jetson-inference .
就是有个函数库，怎么用呢，有使用docker的方法，有从源码编译的方法。我选择了从源码编译的方法。编译需要准备一下环境，首先在下载镜像阶段，我只下了OS，这次需要用到一些SDK COMPONENTS，所以需要先用 SDK Manager 将SDK COMPONENTS下到jetson里去。
1 下载 SDK COMPONENTS
这个没啥难度，和下载镜像时一样，就不再多说了。
下完后有个VPI Demos v1.2
打开可以跑 demo，虽然我也看不懂，不过似乎有点意思
2 编译 jetson library
1）更新软件源
sudo apt-get update 2）安装需要用的软件
sudo apt-get install git cmake libpython3-dev python3-numpy 3）克隆仓库
git clone --recursive https://github.com/dusty-nv/jetson-inference.git recursive 表示将该仓库下的子仓库一起克隆下来
这个过程中因为网络问题可能会出现一些问题，可以给 git 设置一下全局代理啥的，网络问题，懂得都懂。
4）构建cmake
cd jetson-inference/ mkdir build cd build/ cmake ../ 然后就是等待，会有个图形化的图框交互出现让你选择你想下的模型，可以都取消，需要啥再下啥。当然，也可以选择要用的组件，比如 SSD-Mobilenet-v2 ，这个会使用 detectNet 检测动态物体，下载模型时因为网络问题可能会下载失败，因此我还是推荐不要在这个阶段下载模型，之后要用到某个模型，可以在本地下载下来再传给jetson。地址:https://github.com/dusty-nv/jetson-inference/releases 。
然后，会问你要不要安装pytorth，可以不用安装。
5）编译
make -j$(nproc) nproc就是可用的cpu核数， NX有6个cpu，但是有2个cpu默认是关闭状态，因此这里是4个
6）安装
sudo make install 7）共享动态链接库
安装完成某个工程后生成许多动态库，为了让这些动态链接库为系统所共享，还需运行动态链接库的管理命令
sudo ldconfig 8）验证
jetson_utils库可以import，应该是成功把库安装下来了
3 玩玩
detectNet
玩这个要先下 SSD-Mobilenet-v2.tar.gz ，在这 https://github.com/dusty-nv/jetson-inference/releases/tag/model-mirror-190618
detectnet challenge_video.mp4
imageNet
玩这个要先下 GoogleNet.tar.gz ，在这 https://github.com/dusty-nv/jetson-inference/releases/tag/model-mirror-190618
cd ~/Desktop/jetson-inference/build/aarch64/bin ./imagenet-console来调用imageNet程序对输入图片检测，并将结果输出到指定位置
./imagenet-console ~/baiyug_ws/230312aPicture2.png ~/baiyug_ws/230312aPicture2_ouput.png 230312aPicture2_ouput.png如下
...
......
4 在程序中调用库接口
新建一个python程序，名为app.py
import jetson_inference import jetson_utils net = jetson_inference.detectNet("ssd-mobilenet-v2", threshold = 0.5) camera = jetson_utils.videoSource("/home/jetson/baiyug_ws/challenge_video.mp4") display = jetson_utils.videoOutput("display://0") while display.IsStreaming(): img = camera.Capture() detections = net.Detect(img) display.Render(img) display.SetStatus("OUTPUT") 其实这就调用了detectNet这个程序
python3 app.py 效果和使用 detectNet 这个命令是一样的
5 在程序中调用库接口同时使用opencv
用resize窗口为例,有使用到imutils库
sudo apt install python3-pip pip3 install imutils 需要点明，pip这个工具和git一样是不走系统全局代理的，要让他走代理要使用类似以下的命令
pip3 --proxy=192.168.0.17:7890 install imutils 192.168.0.17:7890就是代理服务器端口地址
然后新建python程序，名为app_use_cv2.py
import cv2 import jetson_inference import jetson_utils import imutils #read the video capture = cv2.VideoCapture("/home/jetson/baiyug_ws/challenge_video.mp4") #load the model in need net = jetson_inference.detectNet("ssd-mobilenet-v2") while True: #read the frame res, frame = capture.read() if not res: break #resize the window frame = imutils.resize(frame, width = 800) #convert the format from numpy to cuda img = jetson_utils.cudaFromNumpy(frame) #pass the cuda fomat image to the model detections = net.Detect(img) #printing all the boundary boxes of the detections for obj in detections: cv2.rectangle(frame, (int(obj.Left), int(obj.Bottom), int(obj.Right), int(obj.Top)), (0, 0, 255), 2) #display the img cv2.imshow("OUTPUT", frame) key = cv2.waitKey(1) if key == ord("q"): break cv2.destroyAllWindows python3 app_use_cv2 效果
6 Build OPENCV with CUDA
NX在安装SDK COMPONENTS的过程是有opencv预装的，
但是，存在一个问题，这个opencv库是不会使用cuda加速的，可以使用jtop工具查看jetson上的数据，
使用jtop要先下载一个库，jetson-stats，
sudo -H pip3 --proxy=192.168.0.17:7890 install --no-cache-dir -U jetson-stats 之所以加了一些奇怪的参数，似乎是因为jetson-stats的一个bug，详见https://github.com/rbonghi/jetson_stats/issues/86， 另外，我还使用了代理。
然后，就可以使用jtop了，
jtop
可以看到，预装的opencv no with cuda，那么如何让他yes with cuda呢
其实很简单，见 https://github.com/JetsonHacksNano/buildOpenCV
JetsonHacksNano 有个开源脚本 buildOpenCV.sh 就是用来编译opencv的，默认是 jetson nano 的参数，在 jetson NX 上使用只需要改一个地方
ARCH_BIN=5.3 改为 ARCH_BIN=7.2 为什么呢？
这个其实是cuda的架构参数
然后直接运行这个脚本即可
./buildOpenCV.sh |& tee build.log 这个命令分两个部分，一个是执行buildOpenCV.sh脚本， 一个是将输出到终端的日志保存在build.log文件里。
如果一切正常，一个小时差不多就可以编译完，然后就可以查看到 opencv yes with cuda 了。
当然，在国内网络条件下，如果没有合适的手段，一般会遇到问题，而且大多数是git访问问题。
这种问题首先要保证你本地的局域网上下行的速度，其次就是代理服务器的设置或者是VPN的设置问题了。
