TX2入门(10)——TensorRT（1）（tx2端inference）

一、TX2端

1.在TX2上安装git和cmake

sudo apt-get install git cmake

2. 下载并运行jetson-inference

jetson-inference不是很好下载，我试了两天，最后在Windows下科学上网下载到了，给个我下载好的百度云链接吧：

链接：https://pan.baidu.com/s/1hSrWSk3Wy9qzEGFZke8yLQ 密码：dlms

git clone https://github.com/dusty-nv/jetson-inference.git
cd jetson-inference
mkdir build
cd build
cmake ..

到这儿会卡住，也是多试几次就好了，这个要看nvidia的网络状况。这时会调用脚本CMakePrebuild.sh去下载网络模型和结构文件，也可以自己下载完以后解压到jetson-inference/data/networks目录。

make

.按照参考1中的示例运行例程

（1）识别

./imagenet-console orange_0.jpg output_0.jpg

会将orange_0.jpg识别的结果保存在output_0.jpg中，其中要用到的googlenet.prototxt和bvlc_googlenet.caffemodel并不是networks文件夹中自带的，需要自己下载以后放入其中，否则会报错：

 

为了方便，再给个下好的网盘链接：

链接：https://pan.baidu.com/s/16Nc7SjYJc5FN5xKitWAn7Q 密码：qjhl

运行结果：

（2）检测

./imagenet-camera googlenet

结果：

可以达到10帧/秒，把我的马里奥识别成了头盔2333

（3）使用自己的usb摄像头

把jetson-inference/imagenet-camera/imagenet-camera.cpp中的define DEFAULT_CAMERA  -1（使用 /dev/video0，板载镜头）改成 define DEFAULT_CAMERA 1（使用 /dev/video1，usb摄像头）

cd ~/jetson-inference/build
make clean
cmake ..
make

这是我的日历检测结果：

（4）使用自己训练好的模型进行测试

把相应的地址进行更换即可

cd ~/jetson-inference/build/aarch64/bin/
./imagenet-camera \
          -model /home/nvidia/***/caffe_model_iter_***.caffemodel \
          -prototxt /home/nvidia/project/***/***.prototxt \
          -labels ***.txt -input_blob data -output_blob prob

 

 

 

参考：

1.吉浦迅-【入门篇】Jetson TX2深度学习Inference初体验

2.Trying out TensorRT on Jetson TX2

3.dusty-nv/jetson-inference: Guide to deploying deep-learning inference networks and deep vision primitives with TensorRT and Jetson TX1/TX2.