《Hello AI》Jetson Nano构建Jetson-inference（Build from source）

2023年7月20日2023年7月20日 lingshun

Jetson Nano构建Jetson-inference的方法有：
Build from source 从源码构建
Docker

本教程为了方便说明，会把jetson-inference安装在用户目录中，通常是/home/username，例如本文用户目录就是/home/shawn

在命令行输入以下命令，在当前目录跳转到用户目录：

cd

运行以下命令，更新并安装一些依赖项：

sudo apt-get update
sudo apt-get install git cmake libpython3-dev python3-numpy

运行以下命令，把Jetson-inference项目克隆到本地：

git clone --recursive --depth=1 https://github.com/dusty-nv/jetson-inference

git clone命令用于克隆远程仓库。这个命令中的参数含义如下:

--recursive:表示在克隆仓库的同时,也递归地克隆仓库中的所有子模块。

--depth=1:表示只克隆最近的一次提交记录,不包括仓库的完整历史纪录。这可以加速克隆过程。

克隆完成后，运行ls命令，可以看到当前目录下多了一个名为「jetson-inference」文件夹

进入jetson-inference的目录：

cd jetson-inference

创建build目录，并且进入build目录：

mkdir build
cd build

使用CMake,搜索上一级目录中的源代码,进行配置和生成Makefile文件：

cmake ../

个命令中的cmake是CMake软件的执行命令,它用于配置和生成Makefile文件来控制软件的编译和构建过程。

这个命令中的../表示CMake搜索源代码的路径,它指向当前路径的上一级目录。

等待cmake完成的过程，

cmake期间，会提示是否安装PyTorch，

一般我都会选择安装的，在OK上按回车确认。

如果选择暂时跳过，要在其他时间安装 PyTorch的话,可以再次运行这些命令,进行PyTorch的安装:
cd jetson-inference/build
./install-pytorch.sh

cmake 完成之后，继续输入以下命令：

make -j$(nproc)
sudo make install
sudo ldconfig

make -j$(nproc)

make命令用于根据Makefile文件编译源代码

-j$(nproc)参数表示开启多个进程并行编译,可以加快编译速度

$(nproc)会展开为CPU的核心数,以充分利用CPU资源

所以这条命令表示:使用make并开启CPU所有核心并行编译

sudo make install

sudo表示以root权限执行命令

make install表示根据Makefile安装编译生成的文件到系统目录

所以这条命令表示:用root权限执行make install,将编译好的文件安装到系统目录

sudo ldconfig

ldconfig命令用于更新和配置动态链接库

sudo表示以root权限执行

所以这条命令表示:用root权限执行ldconfig,更新动态链接库的配置

总结一下:

这三条命令常在编译安装软件时同时使用,用于高效编译、正确安装软件文件,并更新库文件配置。

经过一段时间的等待，终于构建完成了jetson-inference这个项目在本地了。

该项目将构建到jetson-inference/build/aarch64,具有以下目录结构:

|-build
  \aarch64
    \bin             样本二进制文件构建到的地方
     \networks     网络模型存储的地方
     \images       测试图像存储的地方
    \include         头文件所在位置   
    \lib             库构建到的位置

在构建树中,可以在build/aarch64/bin/中找到二进制文件,头文件在build/aarch64/include/中,库在build/aarch64/lib/中。这些也在sudo make install步骤中安装到/usr/local/下。

jetson.inference 和 jetson.utils 模块的Python绑定也在sudo make install步骤期间安装到/usr/lib/python*/dist-packages/下。如果更新代码,请记住再次运行它。

测试验证jetson-inference是否构建成功

我们运行一个简单的ImageNet对图像进行识别的例子程序，即可验证是否安装成功。

打开「jetson-inference」目录里的「build/aarch64/bin」

cd jetson-inference/build/aarch64/bin

使用C++或Python变体通过程序对示例图像进行分类：

# C++
$ ./imagenet images/orange_0.jpg images/test/output_0.jpg     # (default network is googlenet)

# Python
$ ./imagenet.py images/orange_0.jpg images/test/output_0.jpg  # (default network is googlenet)