JetsonNX-AI学习

2023-03-07  本文已影响0人  WilsonGuo

Jetson官方AI学习入门教程

Hello AI World可以完全在 Jetson 上运行,包括使用 TensorRT 进行推理和使用 PyTorch 进行迁移学习。Hello AI World 的推理部分 - 包括为 Python 或 C++ 编写您自己的图像分类和对象检测应用程序,以及实时相机演示 - 可以在大约两个小时或更短的时间内在 Jetson 上运行,而迁移学习最好离开通宵运行

使用 NVIDIA TensorRT将神经网络高效部署到嵌入式 Jetson 平台上,使用图形优化、内核融合和 FP16/INT8 精度提高性能和能效。

用于imageNet图像识别、detectNet用于对象检测、segNet用于语义分割和poseNet用于姿势估计的视觉基元继承自共享tensorNet对象。提供了从实时摄像机源流式传输和处理图像的示例。有关 C++ 和 Python 库的详细参考文档,请参阅API 参考部分。

系统设置

使用 JetPack 设置 Jetson

运行 Docker 容器

从源代码构建项目

推理

使用 ImageNet 对图像进行分类

在 Jetson 上使用 ImageNet 程序

编写您自己的图像识别程序 (Python)

编写您自己的图像识别程序 (C++)

运行实时摄像头识别演示

使用 DetectNet 定位对象

从图像中检测对象

运行实时摄像头检测演示

编写您自己的对象检测程序

使用 SegNet 进行语义分割

从命令行分割图像

运行实时摄像机分割演示

使用 PoseNet 进行姿态估计

使用 DepthNet 的单目深度

训练

使用 PyTorch 迁移学习

分类/识别 (ResNet-18)

在猫/狗数据集上重新训练

在 PlantCLEF 数据集上重新训练

收集您自己的分类数据集

对象检测(SSD-Mobilenet)

重新训练 SSD-Mobilenet

收集您自己的检测数据集

附录

相机流媒体和多媒体

使用 CUDA 进行图像处理

ROS/ROS2 的深度学习节点

上一篇 下一篇

猜你喜欢

热点阅读