jetson-inference----docker内运行分类任务

系列文章目录


jetson-inference入门
jetson-inference----docker内运行分类任务

文章目录

  • 系列文章目录
  • 前言
  • 一、进入jetson-inference的docker
  • 二、分类任务
  • 总结


前言

继jetson-inference入门


一、进入jetson-inference的docker

官方运行命令
进入jetson-inference的docker

docker/run.sh
docker run --runtime nvidia -it 【容器id】 【命令】
docker run --runtime nvidia -it 7a7d343029a2 /bin/bash
docker run --runtime nvidia -it dustynv/jetson-inference:r32.7.1 /bin/bash

这个命令就不用手动删除,容器id记得改成自己的

docker run -it --rm --runtime nvidia 7a7d343029a2 /bin/

在这里插入图片描述

二、分类任务

官方文档

https://gitcode.com/dusty-nv/jetson-inference/blob/master/docs/imagenet-console-2.md

docker 和 宿主主机的磁盘映射

cd jetson-inference/build/aarch64/bin
ll

在这里插入图片描述
在这里插入图片描述
没有查询到data文件,说明Linux系统上的data文件没有映射到docker中

本机【宿主机】数据目录
• ~/jetson-inference/data

容器数据目录
• /jetson-inference/data

启动时映射命令

docker run -it --rm --runtime nvidia -v ~/jetson-inference/data:/jetson-inference/data 7a7d343029a2 /bin/bash

或者

docker run -it --rm --runtime nvidia -v ~/jetson-inference/data:/jetson-inference/data dustynv/jetson-inference:r32.7.1 /bin/bash

映射成功
在这里插入图片描述

再次查看

开始测试

cd build/aarch64/bin
# 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)

在这里插入图片描述
这里是没有model.json,去下一下,
https://gitcode.com/dusty-nv/jetson-inference/blob/master/data/networks/models.json

在这里插入图片描述

外网问题,要自己下载模型
在这里插入图片描述
返回自己的主机

cd jetson-inference
cd toolsvi  download-models.sh

打开 download-models.sh,查找要下载的模型的下载地址

在这里插入图片描述
上面显示googleNet不能成功下载,所以要把googleNet的文件全都下载下来

function download_googlenet()
{
echo “$LOG Downloading GoogleNet…”

    download_file "bvlc_googlenet.caffemodel" "https://nvidia.box.com/shared/static/at8b1105ww1c5h7p30j5ko8qfnxrs0eg.caffemodel"download_file "googlenet.prototxt" "https://nvidia.box.com/shared/static/5z3l76p8ap4n0o6rk7lyasdog9f14gc7.prototxt"download_file "googlenet_noprob.prototxt" "https://nvidia.box.com/shared/static/ue8qrqtglu36andbvobvaaj8egxjaoli.prototxt"

}
下载后copy到主机里jietson-inferenec的data目录下

在这里插入图片描述
下载好的三个文件都放在Googlenet下

在容器中的 jetson-inference/build/aarch64/bin/networks也可以查询到

在这里插入图片描述

再次运行

# 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)

在这里插入图片描述
可以看到图片保存在 image saved ‘images/test/output_0.jpg’ (1024x683, 3 channels)

在这里插入图片描述


总结

下一节是docker中运行目标检测

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/647137.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

数据结构——静态链表

1.定义: (1)单链表:各个结点散落在内存中的各个角落,每个结点有指向下一个节点的指针(下一个结点在内存 中的地址); (2)静态链表:用数组的方式来描述线性表的链式存储结构: 分配一…

【业务功能篇133】 Mysql连接串优化性能问题

rewriteBatchedStatementstrue开启了MySQL驱动程序的批量处理功能。 spring.datasource.urljdbc:mysql://localhost:3306/mydatabase?rewriteBatchedStatementstrue 在MyBatis Plus框架中,批量插入是一种高效的数据库操作方式。通过开启rewriteBatchedStatementstr…

Vue3 Teleport 将组件传送到外层DOM位置

✨ 专栏介绍 在当今Web开发领域中,构建交互性强、可复用且易于维护的用户界面是至关重要的。而Vue.js作为一款现代化且流行的JavaScript框架,正是为了满足这些需求而诞生。它采用了MVVM架构模式,并通过数据驱动和组件化的方式,使…

力扣刷MySQL-第八弹(详细讲解)

🎉欢迎您来到我的MySQL基础复习专栏 ☆* o(≧▽≦)o *☆哈喽~我是小小恶斯法克🍹 ✨博客主页:小小恶斯法克的博客 🎈该系列文章专栏:力扣刷题讲解-MySQL 🍹文章作者技术和水平很有限,如果文中出…

R语言【taxlist】——dissect_name():将科学名的各个组分解析出来

Package taxlist version 0.2.4 Description 根据命名法的解析程度和特定角色,包含分类单元用法名称(学名)的字符串由不同部分组成。 因此,带有名称的字符串可以分解成这些部分,同时部分的数量可能表明了分类等级。 …

DAY18--learning English

一、积累 1.tobacco The disturbing History of Tobacco. 令人不安的烟草历史。 2.commodity How commodity Market work. 必需品商店是如何运作的. 3.cane Sugarcane --- 甘蔗 Sugarcane Farm --甘蔗农场 4.decay Tooth decay. 蛀牙 5.compensate Chinese gammer have evlove…

【Web前端实操13】实现100*100的盒子的阴影效果,阴影值自拟

相关知识点: 盒阴影 box-shadow 向框添加一个或多个阴影。 1 box-shadow: h-shadow v-shadow blur spread color inset; 值描述h-shadow必选,水平阴影的位置v-shadow必选,垂直阴影的位置blur可选,模糊距离spread可选&#xf…

Scrapy爬虫在新闻数据提取中的应用

Scrapy是一个强大的爬虫框架,广泛用于从网站上提取结构化数据。下面这段代码是Scrapy爬虫的一个例子,用于从新闻网站上提取和分组新闻数据。 使用场景 在新闻分析和内容聚合的场景中,收集和组织新闻数据是常见需求。例如,如果我…

史上最全知识图谱建模实践(上):本体结构与语义解耦

在“无需复杂图谱术语,7个原则搞定Schema建模”一文中,我们总结了知识建模最佳实践的7个指导原则。本文中,我们将分基础篇、进阶篇,针对不同业务场景的建模需求,由浅及深讲解基于SPG的知识建模的方法和案例&#xff0c…

JS进阶-深入面向对象(三)

看文章可以得到的收获: 1.在日常开发中,我们在声明一个数组对象后,没有声明有map,filter等方法,为什么可以调用这些方法呢? 2. 什么是面向过程思想,什么是面向对象思想呢? 3.JS中…

Python脚本之操作Redis Cluster【二】

本文为博主原创,未经授权,严禁转载及使用。 本文链接:https://blog.csdn.net/zyooooxie/article/details/112484045 之前写过一篇 使用redis-py来操作redis集群, https://blog.csdn.net/zyooooxie/article/details/123760358 &am…

免费的 UI 设计资源网站 Top 8

今日与大家分享8个优秀的免费 UI 设计资源网站。这些网站的资源包括免费设计材料站、设计工具、字体和其他网站,尤其是一些材料站。它们是免费下载的,材料的风格目前很流行,适合不同的项目。非常适合平面设计WEB/UI设计师收藏,接下…

蓝桥杯练习题

题目:每—本正式出版的图书都有一个ISBN号码与之对应,ISBN码包括9位数字、1位识别码和3位分隔符,其规定格式如“x-xXX-XXXxx-x”,其中符号"-"是分隔符(键盘上的减号),最后—位是识别码,例如O-670…

地球经纬度常用算法

坐标系转换 坐标系知识普及:GIS基础知识 - 坐标系、投影、EPSG:4326、EPSG:3857 - _熊 - 博客园 – Python import mathx_pi 3.14159265358979324 * 3000.0 / 180.0 pi 3.1415926535897932384626 # π a 6378245.0 # 长半轴 ee 0.00669342162296594323 # …

C#,数据检索算法之线性检索(Linear Search)的源代码

数据检索算法是指从数据集合(数组、表、哈希表等)中检索指定的数据项。 数据检索算法是所有算法的基础算法之一。 线性?听起来就“高大上”,其实,只不过就是挨个比较呗。 本文发布(听起来很正式 &#x…

速盾:服务器CDN加速配置的技术文章

CDN(内容分发网络)是一种通过分布在不同地理位置的服务器来加速网站内容传输的技术。在本文中,我们将介绍如何使用服务器CDN加速配置,以提高网站的性能和用户体验。 一、什么是CDN加速? CDN加速是通过将网站的静态内…

一个好用的服务器控制面板

简介 它是一个免费开源的管理面板工具,可以帮助你集中管理多个服务器和网站。Ajenti 支持 Linux、BSD、Mac OS X和Windows 等多个操作系统,并且可以通过一个直观的 Web 界面来完成各种系统管理任务。 相比于其他管理面板,Ajenti有以下几个优…

【Unity】关于学习Unity的网站或工具

洛谷:https://www.luogu.com.cn/ c#:https://docs.microsoft.com/zh-cn/dotnet/api/?viewnetframework-4.8 unity : https://connect.unity.com/doc

损失函数详细复现(pytorch版本)

什么是损失函数 损失函数(Loss Function)是在机器学习和深度学习中用于评估模型预测结果与实际标签之间差异的函数。它衡量了模型的性能,即模型对训练样本的预测与实际标签的偏差程度。目标是通过调整模型参数,使损失函数的值最小…

递归的一些个人思考

最近在复习数据结构与算法,结合了操作系统的知识,对递归有了新的理解,故落笔记录。 应用场景 存在明显的规律: 一般规律,与临界规律;需要保存大量的中间变量或者上层变量,如二叉树的中序遍历中&#xff0…