一、開始體驗Nvidia的魅力吧

Two Days to a Demo

從Hello AI World開始吧，下面是github的連結

https://github.com/dusty-nv/jetson-inference

先登入Jetson Nano Kit，這裡使用putty登入，當然您也可以在本機端登入直接使用，相關教學可以在Cavedu找到，所以就不多做說明。

putty下載最新版本 https://www.chiark.greenend.org.uk/~sgtatham/putty/latest.html

下載 Docker Container https://github.com/dusty-nv/jetson-inference/blob/master/docs/aux-docker.md

執行之前，有兩種方式開始個專案(jetson-inference project)

Getting the Project

There are two ways to use the jetson-inference project:

• Run the pre-built Docker Container

• Build the Project from Source

我自己是使用預先建立好的Docker當模擬器

根據自己的JetPack下載對應的 dustynv/jetson-inference:r32.4.4  ，我的是4.4.1版，所以就直接下載了

These containers use the l4t-pytorch base container, so support for transfer learning / re-training is already included.

因為我很懶，所以我應該是直接就使用Docker了，我直接在使用Downloading Models Tool下載模型就好，也不需要再下載PyTorch。

當然如果要自己build一個環境也可以，可以參考以下文章：https://github.com/dusty-nv/jetson-inference/blob/master/docs/building-repo-2.md

allena@allena-desktop:~/jetson-inference$ docker/run.sh 執行docker

以下是執行的說明...

reading L4T version from /etc/nv_tegra_release

L4T BSP Version:  L4T R32.4.4

[sudo] password for allena:

size of data/networks:  592333967 bytes

CONTAINER:     dustynv/jetson-inference:r32.4.4 容器版本說明

以下是說明自動被mount進入docker 的目錄

DATA_VOLUME:   --volume /home/allena/jetson-inference/data:/jetson-inference/data --volume /home/allena/jetson-inference/python/training/classification/data:/jetson-inference/python/training/classification/data --volume /home/allena/jetson-inference/python/training/classification/models:/jetson-inference/python/training/classification/models --volume /home/allena/jetson-inference/python/training/detection/ssd/data:/jetson-inference/python/training/detection/ssd/data --volume /home/allena/jetson-inference/python/training/detection/ssd/models:/jetson-inference/python/training/detection/ssd/models

USER_VOLUME:

USER_COMMAND:

V4L2_DEVICES:    --device /dev/video0  這個是我的USB羅技鏡頭

xhost:  unable to open display ""

root@allena-desktop:/jetson-inference# 

root@allena-desktop:/jetson-inference# ls 檢視目錄

CMakeLists.txt    build  calibration  docs      plugins  tools    藍色的是目錄

CMakePreBuild.sh  c      data         examples  python   utils

開始執行應用程式吧

辨識jellyfish

ImageNet(下面範例用到的)

專案是一個大型視覺資料庫，用於視覺目標辨識軟體研究。該專案已手動注釋了1400多萬張圖像，以指出圖片中的物件，並在至少100萬張圖像中提供了邊框。ImageNet包含2萬多個典型類別，例如「氣球」或「草莓」，每一類包含數百張圖像。(wiki百科) 

# ./imagenet images/jellyfish.jpg images/test/jellyfish.jpg

您也可以下在一張照片，我從網路下載一張jellyfish的照片，放進image資料夾裡，我們執行看看吧

# ./imagenet images/jellyfish2.jpeg images/test/jellyfish.jpg 

我這樣會顧蓋原本的檔案喔

到image/test/資料夾裡看看吧

以下的實作是深度學習神經網路在DIGITS的物件辨識

# ./detectnet images/peds_0.jpg images/test/peds_0.jpg

   開始執行吧

# (press Ctrl+D to exit the container)

   要結束Docker container就按Ctrl+D