趣味工房　ＨＩＲＯ-Ｇ

　　　＜　Jetson Nano　「Hell AI World プロジェクト」体験　＞

　前回まで一通りのデモを実行してきちんと動作しましたので、いよいよデープラーニングに足を踏み入れることになりますが、先ずは、やはり定番のGitHubの「Hello　AI　Word プロジェクト」から体験することとしました。
　このプロジェクトは、あくまでCUDAコアを利用しての推論（inference）の動作確認用で、学習（Training）は含まれていないようです。　
　何しろ、ディープラーニングなるものは、初めて試食するため作法が全く分かっておりませんので、次のサイトを参考にさせていただきました。
　Jetson　nanoで組み込みAIを試す（３）

　
＜　準備作業　＞
　先ずは、GitHubサイトから「Hell AI Worldプロジェクト」のソース一式を取得し、ビルドに必要なcmakeパッケージをインストールします。（写真１）
　$ sudo apt-get install git cmake

　続いて、jetson-inferenceディレクトリを作成してGitHubを複製し、jetson-inferenceディレクトリへ移動、ソースを展開する。（写真２）
　$ git clone https://github.com/dusty-nv/jetson-
inference
$ cd jetson-inference
$ git submodule update --init

　次に、Python３の開発用パッケージをインストール.。（写真３）
　$ sudo apt-get install libpython3-dev python3-numpy

　再度、jetson-inferenceディレクトリへ移動し、ビルド用のbuildディレクトリを作成後、cmake。
　$ cd jetson-inference
$ mkdr build
$ cd build
$ cmake ../

　cmakeが終了すると、写真４のようにネットワークを選択してインストール画面が表示され、デフォルトではGoogleNetとResNet-18が選択（「＊」印）されている。　参考資料に準じてResNet-50もインストールしました。
　次にPyTorch（パイトーチ）のインストール画面（写真５）が表示されるので、forPython3.6を選択し、ビルド後にプロジェクトのプログラムやライブラリ、サンプルが展開（写真６）されます。
　$ make
$ sudo make install

　準備は以上で完了し、実行ファイルはjetson-inference/buildnの下のaarch64/binに置かれているので、そこにカレントディレクトリを移して、ビルドで作成されたファイルを確認したのが写真７です。
　~jetson-inference/buildn/aarch64/bin$　ls
　aarch64/binディレクトリに展開されたフォルダには実行プログラムの他に、静止画を保存する「images」とネットワークデータを保存する「network」フォルダがあります。

＜　推論の実行例　＞
　推論の実行手順は次の通りです。
　aarch64/bin　にカレントディレクトリを移します。
　次に「images」フォルダ（写真８）の静止画から推論したい画像選択します。　
　ここでは「orange_0.jpg」を選択した例を記載しますが、ネットワークとして、GoogleNet、ResNet-18、ResNet-50の３つをインストールしましたので、それぞれの推論の結果を、「orange_output_0.jpg」、「orange_output_1.jpg」、「orange_output_2.jpg」ファイルとして返します。　
実行のコマンドラインは、それぞれ次の通りです。
①　GoogleNet（写真９）
$ ./imagenet-console --network=googlenet ./images/orange_0.jpg orange_output_0.jpg

②　ResNet-18
$ ./imagenet-console --network=resnet-18 ./images/orange_0.jpg orange_output_1.jpg

③　ResNet-50
$ ./imagenet-console --network=resnet-50 ./images/orange_0.jpg orange_output_2.jpg

　３つのoutputファイルは写真１０の通り作成されました。
　それぞれのネットワークの推論の結果は写真１１、１２、１３のようになりました。
①　GoogleNet：　９６．６８％の確率でorange
②　ResNet-18：　７２．１７％の確率でorange
③　ResNet-50：　９６．２４％の確率でorange

　今後は、「物体認識」を一歩進めて物体の位置も含めて推論する「物体検出」へ進むのですが、当方としましては、その後はやはりロボットを作りたいと思っています。
　NVIDIA社が開発したオープンソースのJetBotの詳細も公開されていることが分かりましたので、パーツを揃えるところからはじめようかと思っています。

to AI No1-4 to AI No1-6

to 新テク・アラカルト

　　　　　　　　　　　　　　　　　　　
　　　　　　　