系统安装

系统安装过程分为3步：

下载必要的软件及镜像

Jetson Nano Developer Kit SD卡映像
https://developer.nvidia.com/jetson-nano-sd-card-image

Windows版SD存储卡格式化程序
https://www.sdcard.org/downloads/formatter_4/eula_windows/

镜像烧录工具balenaEtcher
https://www.balena.io/etcher

格式化SD卡并写入镜像

安装Paddle

Paddle Inference 是飞桨的原生推理库，作用于服务器端和云端，提供高性能的推理能力，在使用之前，我们需要在Jetson Nano里安装好PaddlePaddle。

sudo apt-get install python3-pip
pip3 install --upgrade pippip3 install --upgrade numpy==1.16.1cat /etc/nv_tegra_release

下载并安装与Jetpack版本对应的PaddlePaddle

下载链接： https://paddleinference.paddlepaddle.org.cn

测试PaddlePaddle

python3
import paddle
paddle.fluid.install_check.run_check()

模型准备

在部署之前，我们需要得到 Paddle 预测格式的模型： - 存储模型结构的inference.pdmodel - 存储模型参数的inference.pdiparams

获取方式有很多种，可以自己训练一个模型，并使用paddle.static.save_inference_model接口保存推理模型和参数

当然你也可以使用套件训练一个模型，然后将模型导出成推理模型，下面我们以PaddleDetection为例。

# 拉取PaddleDetection源码
git clone https://gitee.com/PaddlePaddle/PaddleDetection
# 安装依赖库
pip install pycocotools
pip install motmetrics
pip install lap

我们可以在/PaddleDetection/configs下找到很多模型，这里以ppyolo为例，选择你想导出的预训练模型。

模型权重可以在PaddleDetection的官方文档里找到。如果你想导出别的模型，直接替换下面config和weight的参数即可。

cd PaddleDetection/
python tools/export_model.py -c configs/ppyolo/ppyolo_tiny_650e_coco.yml --output_dir=./inference_model \
-o weights=https://paddledet.bj.bcebos.com/models/ppyolo_tiny_650e_coco.pdparams

推理模型准备好之后，下载到Jetson NX 即可使用。

参考资料：

Jetson Nano初体验之写入官方Ubuntu镜像
Jetson系列——Ubuntu18.04版本基础配置总结
在Jetson Nano上基于python部署Paddle Inference
使用 ONNX 部署 PaddleDetection 目标检测模型

基于Jetson NX的模型部署相关推荐

基于C++的PyTorch模型部署
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达引言 PyTorch作为一款端到端的深度学习框架,在1.0版本之后 ...
Jetson嵌入式系列模型部署-1
目录前言 1. What.Why and How 1.1 What 1.2 Why 1.3 How 2. tensorRT 2.1 什么是tensorRT? 2.2 tensorRT特性 2.3 t ...
Jetson嵌入式系列模型部署-3
目录注意事项一.2023/2/1更新前言 1. 源码下载 2. 环境配置 2.1 Jtop(option) 2.1.1 配置pip 2.1.2 安装jtop 2.1.3 使用jtop 2.2 编 ...
Jetson嵌入式系列模型部署-2
目录前言 1. 源码下载 2. 环境配置 2.1 Jtop(option) 2.1.1 配置pip 2.1.2 安装jtop 2.1.3 使用jtop 2.2 源码配置说明 3. 运行 3.1 .p ...
使用TensorRT 和 Triton 在Jetson NX上的模型部署
Jetson因为是基于arm的与传统基于x86的主机或服务器的模型部署略有差别,但基本类似,主要分为三步模型转换为onnx 生成基于TensorRT的推理引擎使用Triton完成部署 1.模型转换 ...
【深度学习】基于web端和C++的两种深度学习模型部署方式
深度学习 Author:louwill Machine Learning Lab 本文对深度学习两种模型部署方式进行总结和梳理.一种是基于web服务端的模型部署,一种是基于C++软件集成的方式进行部署 ...
pytorch基于web端和C++的两种深度学习模型部署方式
本文对深度学习两种模型部署方式进行总结和梳理.一种是基于web服务端的模型部署,一种是基于C++软件集成的方式进行部署. 基于web服务端的模型部署,主要是通过REST API的形式来提供接口方便调用 ...
基于web端和C++的两种深度学习模型部署方式
深度学习Author:louwillMachine Learning Lab 本文对深度学习两种模型部署方式进行总结和梳理.一种是基于web服务端的模型部署,一种是基... 深度学习 Author:l ...
基于YOLOV5的数据集标注＆训练，Windows/Linux/Jetson Nano多平台部署全流程
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达作者 | msnh2012 来源 | GiantPandaCV 编辑 | 极市平台导读本文将分wi ...

基于Jetson NX的模型部署

系统安装

安装Paddle

模型准备

基于Jetson NX的模型部署相关推荐

最新文章

热门文章