【AI达人创造营第二期】基于jetsonnano部署的手势乐器--模型部署

1.JetsonNano的部署

我这里有一块上好的JetsonNano板，打算在同一局域网下使用ssh连接下面详述

1.Jetson nano的连接

首先如果你有屏幕可以直接用屏幕本条就可以直接忽略

但是如果你是像我一样没有屏幕的玩家，可以通过serial串口进行连接、ssh进行连接、或者VNC远程桌面连接

我是没有显示屏的，我采用的是先使用串口进行连接，使用笔记本电脑开启移动热点，然后使用nano命令行连接wifi，再查询ip地址，知道了ip地址就可以使用ssh连接或使用VNC远程桌面了

使用串口连接，连接

下面是jetson nano的引脚图

按照此引脚图进行连接

使用putty，采用对应的COM口，使用波特率115200

首先使用命令进行网络设备扫描

sudo nmcli dev

可图大模型

可图大模型（Kolors）是快手大模型团队自研打造的文生图AI大模型

32

查看详情

可以看见我有wlan0 作为wifi设备，这里我已经连接过了，所以显示connected

使用命令

sudo nmcli dev wifi connect "wifi名称" password "wifi密码" ifname wlan0

进行wifi的连接

然后我们可以使用ping命令检测网络的连通性，这里我直接ping百度了，可以看见是连通的

使用命令

ifconfig

命令查看ip地址，在wlan0后，显示了ip地址：划红线的地方

2.查看CUDA版本与jetpack版本以选择预测库

nvcc -V

来查看cuda版本

这里可以看到我的cuda是10.2的

使用命令

sudo apt-cache show nvidia-jetpack

由Filename可以看出

Filename: pool/main/n/nvidia-jetpack/nvidia-jetpack_4.4-b144_arm64.deb

我的jetpack版本为jetpack_4.4

3.部署安装paddle

这里我直接使用whl包安装对应的linux的预测库

预测库地址

按照上述的对应版本最终我选用了 Jetpack4.5(4.4): nv_jetson-cuda10.2-trt7-nano

4.部署paddledet

如同aistudio上部署一样，我们依然需要先git clone以下paddledetection的库这里不再赘述

git clone https://gitee.com/paddlepaddle/PaddleDetection.git

依然是

#进入文件夹cd PaddleDetection/#安装其他依赖pip3 install -r requirements.txt#编译安装paddledetcd PaddleDetection
python3 setup.py install

当命令行最后一行执行出现

Finished processing dependencies for paddledet==2.3.0

完成安装

通过后可以通过

python ppdet/modeling/tests/test_architectures.py

检测一下是否成功

出现下图时即可判定成功

按照官方给的教程来即可，或者好像可以直接pip安装包，连编译都不要

• 没使用Tensorrt的板子算力就是弱，跑了我46秒多

这里可以看见报了个Warning，不过不用担心，只要不是Error就可以当作看不见