Nvidia Jetson AGX Orin 初体验（七）Hello AI World

在 https://developer.nvidia.com/embedded/learn/get-started-jetson-agx-orin-devkit 链接中：

提供了一个Nvidia AI示例的链接 HelloAI World：https://github.com/dusty-nv/jetson-inference

这里面提供了 图像处理图像识别Image Recognition 、目标检测Object Detection 、语义分割Semantic Segmentation 、姿态估计Pose Estimation、 深度估计Monocular Depth等几十个应用的案例：

我们看看能不能把 jetson-inference 玩转起来吧。

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

先看看能不能用docker运行。

git clone --recursive https://github.com/dusty-nv/jetson-inference

执行这个命令恐怕不行，一来，github本来就不容易连，这里面还需要循环连接项目中的子模块，得到的只怕是这么一个结果：

那么我们只好借助于gitee过渡了：

这个时候，最好不要选公开的其他人的gittee仓库，因为对项目工程我们还需要再加工。。。

打开克隆好的gitee上的jetson-inference工程：https://gitee.com/zhanghui_china/jetson-inference

如果直接git clone当然可以：

但是，别忘了，需要加上--recursive才行，结果加上参数还是出错了。

因为 --recursive参数会看 .gitmodules里面的子模块地址，然后循环的完成代码clone：

而这里面的地址都是github的，依然难以连接。

那么，与前面一样的，我们再把对应这些仓库也都迁到自己的gitee上来：

并将.gitmodules文件改为自己的gitee地址：

[submodule "utils"] path = utils url = https://gitee.com/zhanghui_china/jetson-utils branch = master [submodule "tools/camera-capture"] path = tools/camera-capture url = https://gitee.com/zhanghui_china/camera-capture branch = master [submodule "python/training/classification"] path = python/training/classification url = https://gitee.com/zhanghui_china/pytorch-classification branch = master [submodule "python/training/detection"] path = python/training/detection url = https://gitee.com/zhanghui_china/pytorch-detection branch = master [submodule "python/training/segmentation"] path = python/training/segmentation url = https://gitee.com/zhanghui_china/pytorch-segmentation branch = master [submodule "plugins/pose"] path = plugins/pose url = https://gitee.com/zhanghui_china/trt_pose

提交代码后，我们再来git clone.

这里需要注意，子模块的子模块的.gitmodules如果也涉及到github,也需要做相应的修改。

为了防止存储不够，特意转移到 /home1的 1T大硬盘上做：

cd /home1/zhanghui

git clone --recursive https://gitee.com/zhanghui_china/jetson-inference

好了，代码下载终于完成了，确实挺费劲的。

下面开始照着说明来试下docker怎么玩：

cd jetson-inference

docker/run.sh

不一会儿，系统会切换到Model Downloader的界面：

这个时候如果选择下载：

不一会儿开始下载：

不过会出现以下错误：

仔细看下执行的脚本 download-models.sh

它又到了一个中国人找不到的地方下载东西。

所以这个时候虽然错了，你只有看着它继续。

接着脚本会继续下载 pytorch-ssd base model:

查看脚本，它依然是无法下载的：

我们手工下载下来：

系统等了半天，下载不下来，就只好开始下载镜像：

继续下载docker镜像：

经过不懈的下载：

终于可以下载完毕：

但是张小白甚至，没有这些模型，是无法完成AI的推理任务的。

所以，你只有想办法打开浏览器，把这些文件一一下载到手：

直到最后下载了4.5G大小的Model文件：

这边是张小白整理过的：

然后如果要用的时候，将其传到Orin上就行了。

唉，办法总比困难多，是吧？

不过，这种docker的方式张小白还是没搞清楚该怎么玩。。。

唉，那就先试下源码编译吧：

根据 https://github.com/dusty-nv/jetson-inference/blob/master/docs/building-repo-2.md

依次来执行试试，只是git clone已经做过了。

sudo apt-get update

sudo apt-get install git cmake libpython3-dev python3-numpy

cd /home1/zhanghui/jetson-inference

mkdir build

cd build

cmake ../

咦，又切换到了Model Downloader页面了：

这次依然啥也不选：

进入是否要安装Pytorch的页面：

这个就安装吧：

可以看到安装程序在下载torch和orchvision.

终于等到cmake结束：

然后make 12（ nproc是12个）

正在张小白美滋滋地等待编译结束时，突然出错了：

度娘了一下：

是因为gcc版本不够。当然了，张小白前面编译MindSpore的时候，将gcc降级到了7.3.0版本。

那就只好将gcc版本改回来：

需要将/usr/bin/gcc放在 /usr/local/bin/gcc前面：

清理，重新编译：

make clean

make -j12

成功了。

sudo make install

sudo ldconfig

所有操作都做完了。

下面来解决模型的问题，仔细看前面的链接说明：

在github上也有models下载：

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

不过这个镜像在github上，有跟没有一样。有种方法，就是将其放到公网其他什么地方下载。但是大家别忘了，张小白前面就下载过了。

将其传到 /home1/zhanghui/jetson-models目录下：

从download_models.sh可以看出，这些文件需要拷贝或者解压到 /home/zhanghui1/jetson-inference/data/network目录下：

对于AlexNet和GoogleNet的6个文件，使用download_file方法，看起来好像就是直接拷贝过去就行了。

而对于其他的gz文件，使用down_archive文件，其实是下载文件，解压文件到 OUTPUT_DIR="../data/networks" 这个目录，然后删掉原gz文件。

那么我们就自己做一个extract.sh，解压这些gz文件：

tar -zxvf Deep-Homography-COCO.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf DetectNet-COCO-Airplane.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf DetectNet-COCO-Bottle.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf DetectNet-COCO-Chair.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf DetectNet-COCO-Dog.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf facenet-120.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf FCN-Alexnet-Aerial-FPV-720p.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf FCN-Alexnet-Cityscapes-HD.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf FCN-Alexnet-Cityscapes-SD.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf FCN-Alexnet-Pascal-VOC.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf FCN-Alexnet-SYNTHIA-CVPR16.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf FCN-Alexnet-SYNTHIA-Summer-HD.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf FCN-Alexnet-SYNTHIA-Summer-SD.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf FCN-ResNet18-Cityscapes-1024x512.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf FCN-ResNet18-Cityscapes-2048x1024.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf FCN-ResNet18-Cityscapes-512x256.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf FCN-ResNet18-DeepScene-576x320.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf FCN-ResNet18-DeepScene-864x480.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf FCN-ResNet18-MHP-512x320.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf FCN-ResNet18-MHP-640x360.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf FCN-ResNet18-Pascal-VOC-320x320.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf FCN-ResNet18-Pascal-VOC-512x320.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf FCN-ResNet18-SUN-RGBD-512x400.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf FCN-ResNet18-SUN-RGBD-640x512.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf GoogleNet-ILSVRC12-subset.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf Inception-v4.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf MonoDepth-FCN-Mobilenet.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf MonoDepth-FCN-ResNet18.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf MonoDepth-FCN-ResNet50.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf multiped-500.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf ped-100.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf Pose-DenseNet121-Body.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf Pose-ResNet18-Body.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf Pose-ResNet18-Hand.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf ResNet-101.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf ResNet-152.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf ResNet-18.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf ResNet-50.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf SSD-Inception-v2.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf SSD-Mobilenet-v1.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf SSD-Mobilenet-v2.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf Super-Resolution-BSD500.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf VGG-16.tar.gz -C /home1/zhanghui/jetson-inference/data/networks tar -zxvf VGG-19.tar.gz -C /home1/zhanghui/jetson-inference/data/networks

那6个文件可以直接拷贝过去：

然后打开 https://github.com/dusty-nv/jetson-inference/blob/master/docs/imagenet-console-2.md

执行以下命令：

先清空/home/zhanghui/jetson-inference/data/images/test/

rm -f /home/zhanghui/jetson-inference/data/images/test/*

cd /home1/zhanghui/jetson-inference/build/aarch64/bin

解析下orange：

./imagenet /home/zhanghui/jetson-inference/data/images/orange_0.jpg /home/zhanghui/jetson-inference/data/images/test/output_0.jpg

耐心等待代码执行完毕（时间貌似有点长。。）

看日志，好像报了一些error，但是查看文件好像生成了。

cd /home/zhanghui/jetson-inference/data/images/test/

cd /home1/zhanghui/jetson-inference/build/aarch64/bin

再解析下stawberry:

./imagenet /home/zhanghui/jetson-inference/data/images/strawberry_0.jpg /home/zhanghui/jetson-inference/data/images/test/output_1.jpg

...

cd /home/zhanghui/jetson-inference/data/images/test/

看下结果：

将这两个文件下载到本地：

打开看看：

看来Orin对于桔子还不是很确定，但是对于草莓是非常肯定的。

也许是因为桔子还有亲戚叫做橙子、脐橙、丑八怪。。。。

好了，我们这次仅仅是源码编译了jetson-inference，然后运行了一个简单的imagenet代码。还有50多个网络要Hello，张小白好像哈不过来了。而且前面docker好像也没跑成功。这个问题只能等着以后来解决了。

劳动节，该休息了。

（未完待续）

AI EI企业智能 pytorch 智能边缘 深度学习

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。