第1部分:使用IBM Cloud Annotations进行注释
第2部分:使用Google Colab学习模型
第3部分:为Jetson nano构建环境 ←本文
第4部分:掌握DeepStream应用程序
第五部分:学习模型变换和物体检测
第三:Jetson nano的环境建设
上次,我尝试使用Google Colab学习Tensorflow模型,该模型可以免费使用GPU。这次,我们将在Jetson nano上安装物体检测所需的软件。由于Tensorflow的开发速度很快,因此通过匹配各种库的版本进行安装非常重要。
JetPack安装
首先,在Jetson nano上安装JetPack(OS + CUDA等)并执行初始设置。网上有很多有关安装JetPack的信息,因此我仅解释要点。
①下载操作系统映像
从PC的Web浏览器中,访问JetPack网站“ https://developer.nvidia.com/embedded/JetPack ”,然后下载Jetson nano的图像文件。在撰写本文时,最新版本为4.4.1。
③启动Jetson nano
将SD卡插入Jetson nano并连接电源。操作系统启动时,将显示初始向导,因此您可以设置语言,语言环境,密码,网络等。
④软件包更新
启动后,更新软件包。我轻轻地写了这个区域,但是需要时间
⑤安装JTOP
首先,安装JTOP,它是Jetson的资源监视器。由于安装JTOP需要pip,因此请先安装pip,然后再安装JTOP。
安装JTOP后,运行JTOP并检查环境。您可以通过按光标键右侧以显示“ 6.INFO”选项卡来检查环境。我的环境如下。如果您使用JetPack安装,CUDA和TensorRT将自动安装,因此非常简单!

这样就完成了JetPack的安装。
DeepStream安装
从这里,我们将安装DeepStream,这是一个使用带有Jetson nano的GPU来高速处理深度学习的库。由于某些原因,JetPack不包含DeepStream.
①下载DeepStream SDK
转到nvidia的DeepStream SDK网站https://developer.nvidia.com/deepstream-getting-started。在这里,在右侧列出了DeepStream所需的CUDA和TensorRT的版本,因此请进行检查。

向下滚动屏幕时,会出现一个用于接受软件许可证的复选框,如果选中此复选框,则会显示下载按钮。从这里下载Jetson的deb软件包。

②所需软件包的安装
在安装DeepStream之前,请安装所需的软件包。在我的环境中,所有内容均已安装,但以防万一。
③安装DeepStream
现在让我们安装DeepStream。由于它是一个deb软件包,因此可以使用apt命令安装它!
④检查安装目录
DeepStream应该安装在“ / opt / nvidia / deepstream / deepstream”中,因此让我们检查一下。

⑤确认DeepStream应用程序启动
现在,键入“ deepstream-app”以启动DeepStream应用程序。由于未指定设置文件,但已正确加载并启动CUDA库,将发生错误。

这样就完成了DeepStream的安装。
安装Tensorflow
要转换由Google Colab创建的Tensorflow模型,需要NVIDIA版本的Tensorflow,因此我们将安装它。关键是要通过指定版本而不是v2系列来安装v1.15。
①安装所需的软件包1
首先,使用apt-get命令安装Tensorflow所需的软件包。
接下来,使用pip3命令安装Python软件包。请注意,您可以指定版本并按以下方式安装。大约需要20分钟,因为您需要构建numpy
尽管它没有写在正式文档中,但是如果不包含它,则会发生错误,因此请安装必要的软件包。同样,构建grpci大约需要10分钟,因此请耐心等待。
现在,让我们安装最喜欢的Tensorflow。在这里,指定NVIDIA存储库并安装Tensorflow的“ 1.15.4 + nv20.10”版本。关键是要指定v1.15系列。
⑤检查Tensorflow的版本
现在,让我们检查一下它是否正确安装。运行Python3命令进入交互模式,然后键入“将tensorflow导入为tf;打印(tf .__ version__)”。然后版本将显示在底部!
这样就完成了Tensorflow的安装。
安装V4L2
从这里,我们将安装V4L2以将相机与Jetson nano一起使用。
①安装V4L2
V4l2易于安装,可以使用apt-get命令安装,如下所示。

②安装NVIDIA V4L2 GStreamer插件
接下来,还要安装NVIDIA V4L2 GStreamer插件。
现在您可以使用相机了!!!

- CUDA优化冷知识(持续更新)
- 如何用Jetson nano拍摄的视频交付到Amazon 云上
- 在Jetson nano使用训练模型进行目标检测
- 为Jetson NANO构建环境
- 使用Google Colab训练Tensorflow模型
- 使用IBM Cloud Annotations进行标注
- 新一代Jetson NANO开发套件(B01)开箱
- 从Tensorflow生成TensorRT引擎的方法
- 实战教程:利用NVIDIA TensorRT优化一个推荐系统
- NVIDIA机器人开发工具包ISAAC实战(英文)
- 如何搭建一个NVIDIA JetBot小车(英文)
- Jetson TX2进行摄像头驱动的开发