Jetson nano快速上手
下載鏡像文件
首先我們需要下jetson的鏡像文件，實際上就是一個針對jetson nano優化過的ubuntu系統。 官方推薦是16G的高速tf卡，這裏建議大家最少使用32G。因爲後面加上各種模型數據和庫，再打開swap區可以輕鬆超過20G。
大家可以前往下面網站，並通過在左側選中第三欄，紅圈的位置爲鏡像下載地址。https://developer.nvidia.com/embedded/learn/get-started-jetson-nano-devkit#write
可以看到nv的下載速度還是不錯的。
格式化TF卡
如果你的tf卡之前做過系統安裝盤，或者有mac備份等等，新卡可以跳過這一步。通過官方推薦的SD Memory Card Formatter格式化tf卡。或者你想把tf恢復如初，也可以用這個工具。（tf卡刷了jetson鏡像後插到電腦上會出現十來個u盤盤符）
我們下載官方推薦的etcher工具進行鏡像燒錄。 https://www.balena.io/etcher/
第一項直接選中我們剛剛下載的zip文件，etcher不需要解壓剛剛下載的zip文件，會自動讀取裏面的鏡像文件。
之後就開始漫長的燒錄過程了，如果你的sd卡讀卡器還是USB 2.0或1.1估計要半個小時以上。USB3.0的讀卡器大約需要10分鐘，注意電腦機箱上藍色的（9p）纔是usb3.0的接口。
當燒錄完成後如果電腦上彈出來一堆盤符這是正常現象，將讀卡器彈出就好了~
首次啓動jetson
將tf卡插到jetson主板背面： 之後插上hdmi線，鍵盤鼠標和網線。電源可以選擇micro-usb口，這裏需要使用5V 3A的適配器或充電寶。如果使用外部適配器，請一定要選擇5V輸出的，並且輸出電流在3A以上。 Jetson nano的DC接口只支持5V輸入，請千萬別將5V以上的適配器插到jetson上面。 使用外部適配器還需要閉合dc口後邊的跳線帽。
如果手上有小喵家rosbot主板可以像下面這樣將主板連接到jetson，安裝的時候需要額外的2.5mm銅螺柱，rosbot的dc口支持6～12v的電源輸入。再三強調，千萬不要手滑把高於5v的電源直接查到jetson上。
首次啓動後需要完成ubuntu剩下的安裝過程，除了時區外基本選默認就行了。
對ubuntu或linux不熟的同學請牢記打開終端的快捷鍵是 ctrl+alt+t ，linux下的圖形化節目我們用的不多，大部分東西都是在命令行下操作～
https://zhuanlan.zhihu.com/p/65188026
WiFi 聯網通常需要用到屏幕，鼠標，鍵盤，並需要登錄桌面。但是一般我們沒有多餘的屏幕和鍵鼠，導致每次設置WiFi都需要將PC的外設換來換去。
使用命令行設置WiFi只需要一根1米網線即可解決。
Win10共享網絡設置
首先用網線把Jetson Nano和電腦連接起來。
然後依次打開：控制面板——>網絡和Internet——>網絡和共享中心——>更改適配器設置——>Wlan屬性（或者以太網屬性）——>共享
然後將“允許其他網絡用戶通過此計算機的Internet連接來連接”打鉤。
查找 Jetson Nano IP 地址
使用 Advanced IP Scanner 軟件進行搜索就能找到。
使用 SSH 登錄 Jetson Nano
這裏使用 PuTTY 作爲終端，輸入上面找到的Jetson Nano 的IP地址。
Installation
- Install dependent libraries.
$ sudo apt update$ sudo apt install python3-pip protobuf-compiler libprotoc-dev libjpeg-dev cmake- You might need to install Cython alone prior to the other python modules installation. Otherwise "RuntimeError: Running cythonize failed!" might happens at the numpy installation.
$ pip3 install --user cython
- Install this application and the dependent modules.
$ git clone https://github.com/tsutof/tiny_yolov2_onnx_cam$ cd tiny_yolov2_onnx_cam$ export PATH=$PATH:/usr/local/cuda/bin$ python3 -m pip install -r requirements.txt
There is the "onnx==1.4.1" restriction in the requirements.txt, because TensorRT dosen't work with ONNX 1.5.x. It seems that ONNX 1.6.0 has no problem with TensorRT. So the version restriction will be changed to "onnx>=1.6.0" in the near future.
Usage
First, clock up your Jetson. Only the nvpmodel is not enough, the jetson_clocks command is also needed. Without the jetson_clocks, "select timeout" error happens at the frame capture.
$ sudo nvpmodel -m 0$ sudo jetson_clocks
The following command starts this application. Press ESC key to exit from this application.
$ python3 tiny_yolov2_onnx_cam.py [-h] [--camera CAMERA_NUM] [--width WIDTH][--height HEIGHT] [--objth OBJ_THRESH][--nmsth NMS_THRESH]optional arguments:-h, --help show this help message and exit--camera CAMERA_NUM, -c CAMERA_NUMCamera number, use any negative integer for MIPI-CSI camera--width WIDTH Capture width--height HEIGHT Capture height--objth OBJ_THRESH Threshold of object confidence score (between 0 and 1)
--nmsth NMS_THRESH Threshold of NMS algorithm (between 0 and 1)
For Raspberry Pi camera v2, use any negative number as the camera number.
$ python3 tiny_yolov2_onnx_cam.py --camera -1
For USB Web camera, if you camera is detected as /dev/video1, use 1 as the camera number.
$ python3 tiny_yolov2_onnx_cam.py --camera 1
If your USB Web camera does not support this application's default capture resolution, please change it with the --widht and --height command-line options.
To know the supported resolutions by your camera, the gst-device-monitor-1.0 command is very useful.
結果顯示tiny-yolov2大約顯示8幀
Jetson AI第一課
官方的jetson系統燒錄完後首先就是推薦大家使用hello AI進行上手，但是在國內網絡環境下需要做一些額外的工作。這篇教程就是教大家如何在牆內的世界跑起來～
原項目地址： https://github.com/dusty-nv/jetson-inference
jetson-inference正如其名只是調用現有訓練好的模型進行計算，並不存在數據採集訓練的過程，也不需要安裝tensorflow或caffe等庫。jetson nano的鏡像已經內置安裝好了cuda，cudnn和opencv等
克隆項目到jetson
由於github比較卡，我們將項目挪到國內gitee上了～
cd ～
git clone https://gitee.com/Kittenbot/jetson-inference.git
接下來我們需要編譯項目，默認使用的都是樹莓派兼容的csi攝像頭，如果大家使用的是usb攝像頭可以到不同的項目.cpp文件下將DEFAULT_CAMERA定義後面的-1改成/dev/video
由於大部分模型都託管在google drive的映射上，所以在大防火牆內運行CMakePreBuild.sh安裝腳本下載模型的時候基本都會超時報錯。這裏我們已經將下載好的模型放到百度盤上了，下載爲data.zip文件。
鏈接: https://pan.baidu.com/s/12DPjN79Jn26EW-gR7cLfMA 提取碼: 5fx8
大家下載後可以拷貝到u盤上，查到jetson上可以用ubuntu自帶的圖形化解壓工具解壓到jetson-inference下覆蓋原有的data目錄就行了。
接下來我們運行下面的腳本
cd jetson-inference
git submodule update --init
如果大家下載並覆蓋了data文件夾，運行cmake的時候不會重新去網上找模型數據庫。
mkdir build
cd build
cmake ../
make
sudo make install
如果編譯沒錯的話，會在build/aarch64/bin生產各個程序的可執行文件。接下來基本就可以照着 https://github.com/dusty-nv/jetson-inference/blob/master/README.md一步步嘗試jetson nano的ai能力了～
例如：
cd jetson-inference/build/aarch64/bin
./imagenet-console orange_0.jpg output_0.jpg
