【CAVEDU講堂】深入使用NVIDIA Jetson Inference機器學習專案 – 電腦視覺圖片分類任務

Posted By CAVEDU 教育團隊 on 6 月 28, 2021 in Edge AI開發地圖, NVIDIA, 教學文 | 0 comments

Jetson Inference是官方推出的體驗套件，它提供了三種最常見的AI應用於電腦視覺的類型，imagenet用於圖像辨識 ( Image Recognition )、detectNet用於物件辨識 ( Object Detection )、segNet用於語意分割。

API 的介紹再這裡，今天會想辦法盡量深入了解，以往的文章只有初步探討與實作，這次會帶到更多的細節，而我們今天都是使用 Python的程式執行。

建置環境

建置方法

我們跟著教學走會先遇到 Hello AI World，再這裡是教大家怎麼去建置 Jetson Inference的環境，有兩種使用方法：

• 使用Docker Container ( 30 分鐘 )
• 從來源建置 ( 1.5小時 )

通常為了教學順暢，會從頭建置燒錄SD卡，但有時映像檔過於龐大，搬運不易，所以使用 Docker來做相對而言會比較容易，如果想要從頭建置可以參考這邊。

今天我們使用Docker來運作，開始之前須要先將jetson Inference下載下來：

$ git clone --recursive https://github.com/dusty-nv/jetson-inference
$ cd jetson-inference
$ docker/run.sh

執行run.sh之後會自動根據你現在的JetPack版本去DockerHub抓取對應的容器 (Contrainer)，並且如果你有使用攝影機的話這時候也會自動讀取。

Docker Container

關於Docker Container的敘述這邊簡單介紹一下，可以想像是一個獨立的虛擬環境，使用者，進入容器之後會與你原生系統的檔案區隔開來，但也是可以透過「掛接」的方式到容器中，像這次如果直接執行run.sh的話，會自動將jetson-inference/data掛載到docker的 /jetson-inference/build/aarch64/bin/ 當中，所以你可以在外部新增或刪除圖片。

下載DNN模型、安裝PyTorch

按下Enter開始建構環境，建置環境的過程中還有兩個要進行下載的動作，分別是「下載DNN模型」、「是下載PyTorch」，整個run的過程耗費時間相當久，但你也會注意到大部分都是因為要下載DNN模型的關係；基本上PyTorch會選擇Python3.6版本的，模型除非自己要其他的不然就是直接按確定就可以了，預設的情況下圖片分類會載兩個、物件辨識會載四個、語意分割會載六個模型。