英伟达Jetson 官方AI课程

云深无际

发布于 2021-09-14 15:48:50

5600

发布于 2021-09-14 15:48:50

文章被收录于专栏：云深之无迹

今天看见箱子里的开发板，就拿出来又玩了~按照官方的课程走一遭。

在联网上面2G的版本没有网卡，我就插网线了。。。

记得分享网络的时候是，WLAN给有线连接

连接之后ping一下，成功

看看ip

看看我能不能读取到

然后ping一下jetson的ip

可以直接SSH连接哦

https://www.nvidia.com/en-us/training/

课程的位置

需要登录

需要的硬件

摄像头可以使用USB的

这里给出来所有的配件

穷人配置系列

用docker前问问自己有什么进程

管理命令:

  container   管理容器

  image       管理镜像

  network     管理网络

命令：

  attach      介入到一个正在运行的容器

  build       根据 Dockerfile 构建一个镜像

  commit      根据容器的更改创建一个新的镜像

  cp          在本地文件系统与容器中复制 文件/文件夹

  create      创建一个新容器

  exec        在容器中执行一条命令

  images      列出镜像

  kill        杀死一个或多个正在运行的容器    

  logs        取得容器的日志

  pause       暂停一个或多个容器的所有进程

  ps          列出所有容器

  pull        拉取一个镜像或仓库到 registry

  push        推送一个镜像或仓库到 registry

  rename      重命名一个容器

  restart     重新启动一个或多个容器

  rm          删除一个或多个容器

  rmi         删除一个或多个镜像

  run         在一个新的容器中执行一条命令

  search      在 Docker Hub 中搜索镜像

  start       启动一个或多个已经停止运行的容器

  stats       显示一个容器的实时资源占用

  stop        停止一个或多个正在运行的容器

  tag         为镜像创建一个新的标签

  top         显示一个容器内的所有进程

  unpause     恢复一个或多个容器内所有被暂停的进程

常用的命令

打印宿主信息

一些宿主的设备信息

课程开始

插摄像头，看看有没有读取到

https://www.nvidia.com/en-us/training/

ipython可用

无浏览器模式打开，但是我复制URL打不开

需要端口映射我觉得

file:///home/yunswj/.local/share/jupyter/runtime/nbserver-10435-open.html

jupyter notebook --port <port_number>

指定端口打开

jupyter notebook --no-browser

无浏览器模式打开

mkdir -p ~/nvdli-data

创建一个文件夹放训练数据

翻译的意思

sudo docker run --runtime nvidia -it --rm --network host \
    --volume ~/nvdli-data:/nvdli-nano/data \
    --device /dev/video0 \
    nvcr.io/nvidia/dli/dli-nano-ai:<tag>

一会儿启动容器使用的命令

https://ngc.nvidia.com/catalog/containers/nvidia:dli:dli-nano-ai

打开网站

镜像有1.39个G这么大

https://docs.docker.com/get-started/

如果没有用过dorker，推荐看这个教程

就是这样，我一直不研究这个dorker

感觉好方便，等我有空我耍起来

sudo docker pull nvcr.io/nvidia/dli/dli-nano-ai:v2.0.1-r32.6.1

上面的命令是拉取命令，记得sudo

速度很快，就像多线程一样的操作

我现在是愁无头设备咋耍jupyter

在开启这些之前，看看自己有没有合格

你要是连个jetson也没有那就洗洗睡吧

然后就会完成下载操作

mkdir ~/nvdli-data

sudo docker run --runtime nvidia -it --rm --network host \
 --volume ~/nvdli-data:/nvdli-nano/data \
 --device /dev/video0 \ 
 nvcr.io/nvidia/dli/dli-nano-ai:v2.0.1-r32.6.1

 nvcr.io/nvidia/dli/dli-nano-ai:v2.0.1-r32.6.1

USB摄像头执行这个，不过需要改东西

这是报错

# create a reusable script
echo "sudo docker run --runtime nvidia -it --rm --network host \
    --volume ~/nvdli-data:/nvdli-nano/data \
    --device /dev/video0 \
    nvcr.io/nvidia/dli/dli-nano-ai:v2.0.1-r32.6.1" > docker_dli_run.sh

# make the script executable
chmod +x docker_dli_run.sh

# run the script
./docker_dli_run.sh

这个是课程的写的方法，建立shell文件

执行成功

192.168.55.1:8888

在浏览器上面打开

dlinano

密码

成功进入

已经有的文件

点击这个

读取到了一个摄像头

你看，我写过这个东西

英伟达JetCam安装.上

jetson NanoCamera(使用）

jetson NanoCamera（USB摄像头连接）

看我以前写的这个库的分析

我爱我自己

详细

还是详细，大家快去看

简单的分析下：

from jetcam.usb_camera import USBCamera

#TODO change capture_device if incorrect for your system
camera = USBCamera(width=224, height=224, capture_width=640, capture_height=480, capture_device=0)

导入以后，创建了一个USB摄像头的对象

从接口读一帧，打印一下图像矩阵的形状

再读一次，我有点没有看懂它这个意思

import ipywidgets
from IPython.display import display
from jetcam.utils import bgr8_to_jpeg

image_widget = ipywidgets.Image(format='jpeg')

image_widget.value = bgr8_to_jpeg(image)

display(image_widget)

显示刚刚这个图片