前言
有兴趣的同学可以直接参考官方链接，由于本教程是由官方教程翻译而来，可能没有办法跟着官方教程同步更新，不便之处，敬请谅解。 硬件配置 运行本项目，需要用到的配件： 软件配置 上电启动系统，打开终端（或者远程登录Jetson nano）。 - 安装cmake
sudo apt-get update
sudo apt-get install git cmake
- 下载jetson-inference 项目资源
cd ~/
git clone https://github.com/dusty-nv/jetson-inference
cd jetson-inference
git submodule update --init
- 安装python3.6版本的libpython3-dev和numpy依赖库
sudo apt-get install libpython3-dev python3-numpy
注意：在最后一个cmake语句运行的过程，如果出现error等报错信息的时候，检查一下网络连接是否异常，然后再重新运行一遍该语句 cd ~/jetson-inference
sudo mkdir build
cd build
sudo cmake ../
- 出现下面提示时候，使用箭头->跳过选择，因为国内的下载不了box.com上文件。
虽然因为网络问题，国内的用户无法下载box.com上的文件，但是官方也为大家提供了一个方便下载的版本：https://github.com/dusty-nv/jetson-inference/releases 你可以单独去将各个model下载，然后再放置到 ~、jetson-inference/data/networks目录下，然后解压。为了方便用户，这里我们提供参考下载指令 cd ~/jetson-inference/data/networks/
#如果你需要下载更多的算法，请参考这里的方法，首先在github上获取model的下载地址，然后用wget 加指令下载。这里下载三个model以作参考
wget https://github.com/dusty-nv/jetson-inference/releases/download/model-mirror-190618/facenet-120.tar.gz
wget https://github.com/dusty-nv/jetson-inference/releases/download/model-mirror-190618/GoogleNet.tar.gz
wget https://github.com/dusty-nv/jetson-inference/releases/download/model-mirror-190618/SSD-Mobilenet-v2.tar.gz
#下面的指令是解压前面下载的model的，只有解压出来才能用
tar -zxvf facenet-120.tar.gz
tar -zxvf GoogleNet.tar.gz
tar -zxvf SSD-Mobilenet-v2.tar.gz
这里说明下，我们只是各种神经网络(NN)的搬运工，那些动辄上百层的深度神经网络(DNN)，目前得靠服务器集群加速训练，训练好权重和偏置后在JetsonNano等端设备上进行部署。
cd ~/jetson-inference/build
make
sudo make install 二、使用GoogleNet对物体进行识别 ①、静态图片识别，例程包含了C++和Python两种源码，这里使用C++进行演示，输入文件orange_0.jpg，输出文件为output_0.jpg。 cd ~/jetson-inference/build/aarch64/bin/
./imagenet-console --network=googlenet orange_0.jpg output_0.jpg 用户可自行将一些物体图片放到 ~/jetson-inference/build/aarch64/bin/ 目录下，使用上面的 ./imagenet-console 命令执行检测。下图展示googlnet对橙子orange的97.923%识别效果。
②、使用摄像头对环境物体进行识别 首先安装视频相关库，在JetsonNano控制台输入下面命令： sudo apt-get install v4l-utils
v4l2-ctl --list-formats-ext
再输入下面命令启动IMX219-77摄像头： 文档说明GoogleNet能对1000类物体进行识别，小编对周遭物体进行测试，效果如下： FaceNet-120可以对视频中出现的人脸进行实时检测，在JetsonNano终端按下Ctrl+Z退出上面演示，输入下面命令： ./detectnet-camera --network=facenet 启动摄像头后可以观察到当有人经过摄像头画面范围时，可观察到对人脸区域进行标签。感兴趣读者可进行相关测试，用户也可下载github上相关神经网络解压到 jetson-inference/data/network目录下，在输入上面命令时将facenet替换为你想验证的神经网络， 地址请点击我，enjoy it! 以上资料由waveshare team整理。
| 
