【機械学習】Jetson Nano Developer Kit　のはじめの一歩　Docker導入【Hello AI World】（７）

これまでの一覧は、こちらに。。

https://tom2rd.sakura.ne.jp/wp/2021/05/26/post-12145/

インストールやちょっとしたコマンド類や周辺機器のチェックができたら。。

https://developer.nvidia.com/embedded/learn/get-started-jetson-nano-2gb-devkit#next

ここのページていうところの。。一番最初の、Hello AI worldに行けるわけですが。。

• NVIDIA AI tutorials and courses
  • Hello AI World
    The classic way to start exploring AI
  • JetBot
    Hands-on, open-source AI robot platform
  • Jetson AI Fundamentals Course
    Get started learning about AI with this practical course
• Get inspired with the latest Jetson community projects
  Try these great projects to start:
  • • Temporal Shift Module for Efficient Video Understanding
    • Intelligent Video Analytics With Nvidia Jetson and Microsoft Azure
    • Recognizing Sign Language
    • Real-time Human Pose Estimation
    • AI Thermometer
• Jetson Forum
  • Ask and answer questions on the Jetson Nano Forum
• Jetson Wiki
  • Don’t miss the Jetson Zoo with instructions for installing various open source add-on packages and frameworks for Machine Learning, Computer Vision, Robotics, and more.

実は道のりはまだまだ（笑）

それでは、Dockerの導入です。

Hello AI world でいうところの、Setupが終わったところです。で、Hello AI　WorldでいうところのDockerの導入に入ります。

https://github.com/dusty-nv/jetson-inference/blob/master/docs/aux-docker.md

前のページで知った　Docker Pullですね。

今のバージョンにあっているのは、上のGighubのページで、JetPack 4.5 L4T R32.5.0なので

こちら

$sudo docker pull dustynv/jetson-inference:r32.5.0

で。。これを実行すると。。結構な時間かかります。DockerHubで確認すると908MByteのようですから。。

続いて。。Dockerを走らせるわけですが。。Githubでは。。

$ git clone --recursive https://github.com/dusty-nv/jetson-inference
$ cd jetson-inference
$ docker/run.sh

と書かれているので、そのとおりにしましょう

で。。これも、docker/run.shはそこそこ時間かかります。いろいろ取得してくるみたい。

途中で。。画像認識のモデルを全部読み込むか？って聞かれたり。。

これは、ニューラルネットワークモデルですね。

なんだかわかりませんが。。動かすと、こういうプロンプトになります。

Githubをみるといろいろなツールやデータなども入っているようですが、まずはちゃんと動くかの確認です。

cd build/aarch64/bin

./video-viewer /dev/video0

./imagenet images/jellyfish.jpg images/test/jellyfish.jpg

./detectnet images/peds_0.jpg images/test/peds_0.jpg

リモートデスクトップ接続では。。　うまくできませんでした（笑）

------------------------------------------------
[OpenGL] glDisplay -- X screen 0 resolution: 1280x800
[OpenGL] glDisplay -- X window resolution: 1280x800
libGL error: MESA-LOADER: failed to open swrast (search paths /usr/lib/aarch64-linux-gnu/dri:\$${ORIGIN}/dri:/usr/lib/dri)
libGL error: failed to load driver: swrast
X Error of failed request: GLXBadContext
Major opcode of failed request: 154 (GLX)
Minor opcode of failed request: 6 (X_GLXIsDirect)
Serial number of failed request: 39
Current serial number in output stream: 38

で。。ググると、同じようなエラーを出した方がいます。（笑）

https://forums.developer.nvidia.com/t/jetpack-4-3-mesa-loader-failed-to-open-swrast-while-in-xrdp-session/111199/18

これを読むと、どうも、XrdpとMESAドライバのエラーのようですね。解決策は以下のようですが。。

Creating the link libdrm.so.2 → libdrm.so.2.4.0 solves the problem temporarily until the next time ldconfig runs (which will be triggered by e.g. an apt-get install).

The problem seems to be that the link libdrm_nvdc.so → tegra/libdrm.so.2 will cause ldconfig to overwrite libdrm.so.2 with link to libdrm_nvdc.so.

To solve this permanently, I removed the link libdrm_nvdc.so → tegra/libdrm.so.2, and then ran ldconfig:

sudo rm /usr/lib/aarch64-linux-gnu/libdrm_nvdc.so
sudo ldconfig

This created the link libdrm.so.2 → libdrm.so.2.4.0.

Of course this could potentially result in other kinds of failures, but I have not experienced any yet.

 

で。。これやっても駄目ですね。。ん～～

仕方がないので、Jetson Nano 2GBにHDMIディスプレィとマウスをつけてLoginしておいて、VNCで接続すると。。　動きました。。

ビデオを単に出すだけのサンプル

./video-viewer /dev/video0

画像認識　と　人間認識

./imagenet images/jellyfish.jpg images/test/jellyfish.jpg

./detectnet images/peds_0.jpg images/test/peds_0.jpg

動かすのは、VNCからだけど、結果の画像見るのは、リモートデスクトップだったりします（笑）

で。。Jetson Nano 2GBだと、これくらいの解像度の画面だと結構な時間がかかりますね。

物体認識では 82 msec

[image] saved 'images/test/jellyfish.jpg' (700x560, 3 channels)
[TRT] ------------------------------------------------
[TRT] Timing Report networks/bvlc_googlenet.caffemodel
[TRT] ------------------------------------------------
[TRT] Pre-Process CPU 8.23306ms CUDA 9.15458ms
[TRT] Network CPU 73.56714ms CUDA 72.25328ms
[TRT] Post-Process CPU 0.37996ms CUDA 0.37818ms
[TRT] Total CPU 82.18015ms CUDA 81.78604ms
[TRT] ------------------------------------------------

歩行者認識では283msec

[image] saved 'images/test/peds_0.jpg' (1920x1080, 3 channels)
[TRT] ------------------------------------------------
[TRT] Timing Report networks/SSD-Mobilenet-v2/ssd_mobilenet_v2_coco.uff
[TRT] ------------------------------------------------
[TRT] Pre-Process CPU 0.11448ms CUDA 1.05464ms
[TRT] Network CPU 99.18696ms CUDA 98.08104ms
[TRT] Post-Process CPU 49.02602ms CUDA 49.21917ms
[TRT] Visualize CPU 135.20552ms CUDA 135.63219ms
[TRT] Total CPU 283.53296ms CUDA 283.98703ms
[TRT] ------------------------------------------------

って出てくるけど、NetworkをLoadしたりいろいろするので、結構な時間かかっているように思えます。

ビデオでの物体認識のデモ

./imagenet /dev/video0

リアルタイムにするには、やはり解像度下げるなどの工夫はいりそうですね。

とりあえず、Headlessは少し挫折ぎみですが。。Dockerを入れて推論できることは確認できました。ということは、HDMIのディスプレーは必須ってことですねぇ～（笑）

それでは。。いよいよHello AI Worldです。

下記も参考にさせていただきました。

NVIDIA Jetson Nano 2GB 開発者キットのセットアップをしてみた。