https://github.com/dusty-nv/jetson-inference
根据官方文档提示信息，直接从第二步源码编译开始挖坑
Building From Source
嘛，其实也没啥大坑
主要步骤照做就好，其中有一段要下载network的步骤，因为中特所以没办法连到nvidia.box.com，所以可以通过github镜像站下载，如果没有被墙的话是可以直接wget到文件的；在下载了后解压到/network目录下，注意是
tar -zxvf *
解压之后的部分网络是带命名文件夹的，有一些如googlenet的网络是不带文件夹的，就很凌乱，但也没办法，如果单独自己载入网络玩是可以不在意的，但是要跑它本身的demo的话路径什么的还是保持固定比较好，要不然要在para参数中写路径就比较麻烦了。
另外在解压完成后，单独把network文件夹拷贝出来到jetson-inference根目录下，这样才能从jetson-inference目录中运行/build/aarch64/bin/目录下的程序正确地找到network文件夹下的model，你问我怎么知道的？你自己试试呗。。。。
然后既然从镜像单独下载了网络，那么在运行cmake的时候，就是运行那个download_models.sh脚本时就可以直接quit了，否则在那里再点一遍的话你依然会卡在下载过程，我之前以为下载下来的网络文件可能还要链接编译云云操作，可能不单单是解压，但是后来脚本代码时意识到他就是个简单的压缩包而已；并且他默认下载的目录是build文件夹中，也不知道他有没有自动移动到network文件夹之类的操作，墙外面的人可以验证一下他到底放到哪里了。
另外下载pytorch这个也会有连接问题，但是我想通过豆瓣源发现并没有合适的版本，所以还是找到了下载地址（指向nvidia官网的），下载了pytorch自行pip3安装了，所以cmake里面哪一步install-pytorch.sh也是直接quit。
在后面make那一步不要作死，我自己xjb加了-j8选项，想着能快一些，但是莫名奇妙地在sudo make install之后找不到jetson.inference和jetson.utils两个重要python库，差点逼得我去github作者下面发帖，最后想了想再重新走一遍不要自我发挥，就看到sudo make install 中有安装两个库的路径，再import就正常了。
enjoy it !
吐槽一下
英伟达这个jetson-inference太适合秒上手了，大概你找个人训练好对应的tensorflow_model（已有网络的），然后转成uff，替换相应位置的label和uff文件，稍稍改改demo就可以跑了，或者直接用caffemodel就可以，简直不需要动脑子。
转uff，mark一下
tf_uff & keras_uff
https://docs.nvidia.com/deeplearning/sdk/tensorrt-developer-guide/index.html#samplecode3
网友评论