一.简介
本文硬件是Jetson Nano 4G，操作系统ubuntu18.04。利用nano自带的模型对图像的检测识别。
二.环境搭建
第一步：jetson nano更换国内源
首先备份 sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak
然后输入 sudo gedit /etc/apt/sources.list 打开文本编译器
然后换源 比如清华源 自行百度寻找源地址，下面提供一种方式：
sudo vim sources.list
按i键进入编辑模式;将源地址换为国内源地址
deb Index of /ubuntu-ports/ bionic main restricted
deb Index of /ubuntu-ports/ bionic-updates main restricted
deb Index of /ubuntu-ports/ bionic universe
deb Index of /ubuntu-ports/ bionic-updates universe
deb Index of /ubuntu-ports/ bionic multiverse
deb Index of /ubuntu-ports/ bionic-updates multiverse
deb Index of /ubuntu-ports/ bionic-backports main restricted universe multiverse
deb Index of /ubuntu-ports/ bionic-security main restricted
deb Index of /ubuntu-ports/ bionic-security universe
deb Index of /ubuntu-ports/ bionic-security multiverse
然后按esc键退出编辑模式，输入shift+:键 再输入wq! 保存和退出
最后再输入 sudo apt-get update 更新一下软件源
注： apt-get 自动从互联网的软件仓库中搜索、安装、升级、卸载软件或操作系统
第二步：jetson nano自带环境检查
终端输入 python3 --version 输出版本号（若安装）
再输入python3 进入python环境
输入import cv2 cv2.version 会输入版本号
退出 quit()或者ctrl+t
例如在我的小车设备上运行结果
第三步：安装一个jetson的运行状态查看工具 jetson-stats
安装命令 sudo pip3 install jetson-stats
安装成功之后 再输入命令 sudo jtop 就会弹出下图
第四步：jetson nano显卡信息查询
打开终端 切换到cuda 路径下
输入 cd /usr/local/cuda-10.2/samples/1_Utilities/deviceQuery
切换到该目录下，先编译一下
输入 sudo make
编译完成之后 输入 ./deviceQuery
可以看到显卡的信息
三.模型部署
3.1相关配置准备
第一步：jetson nano下载编译jetson-inference
终端输入 sudo apt update 更新一下安装软件列表
之后再输入 sudo apt autoremove 自动删除不需要的软件包
最后再升级一下现有的程序 sudo apt upgrade
然后下载一个cmake（允许开发者编写一种平台无关的 CMakeList.txt 文件来定制整个编译流程，然后再根据目标用户的平台进一步生成所需的本地化 Makefile 和工程文件，如 Unix 的 Makefile 或 Windows 的 Visual Studio 工程）
命令 sudo apt install cmake
先建立一个文件夹 mkdir ~/workspace
cd ~/workspace/
输入 git clone https://gitee.com/vcan123/jetson-inference
如下图成功
下载完成之后 cd jetson-inference/ 进入到该文件夹下
然后输入 git submodule update --init 进行初始化
然后输入 cd tools
输入 sed -in-place -e ‘s@https://nvidia.box.com/shared/static@https://bbs.gpuworld.cn/mirror@g’ download-models.sh 进行换源
然后返回上一路径 cd …
创建build文件夹 mkdir build
然后cd build
输入cmake …
然后会弹出下载模型的界面，这里选择全部不下 按quit退出
然后会让我们安装pytorch版本，这里我们选择python3.6 按ok
下载完之后 开始编译 输入make (时间好长)
3.2使用YOLOv4-Tiny进行目标检测
切换路径： cd ~/jetson-inference/data/networks/darknet
四.运行结果
图像测试：
./darknet detect cfg/yolov4-tiny.cfg yolov4-tiny.weights data/dog.jpg
码字不易，转载请备注