先决条件

目标板需求

开发主机需求

验证主机上NVIDIA支持包的安装

使用checkHardwareSupportPackageInstall函数来验证主机系统与运行此示例相兼容。

checkHardwareSupportPackageInstall ();

连接到NVIDIA硬件

NVIDIA GPU的GPU编码器支持包使用TCP/IP上的SSH连接来执行命令，同时在Jetson平台上构建和运行生成的CUDA代码。因此，您必须将目标平台连接到与主机相同的网络，或者使用以太网交叉电缆将板直接连接到主机。关于如何设置和配置您的板，请参阅NVIDIA文档。

方法来与NVIDIA硬件通信，必须创建活动硬件连接对象杰森(针对NVIDIA Jetson和NVIDIA DRIVE平台的MATLAB编码器支持包)函数。要创建活动硬件连接对象，必须知道目标板的主机名或IP地址、用户名和密码。例如，当第一次连接到目标板时，使用以下命令为Jetson硬件创建一个活动对象:

hwobj =杰森(“主机”，“用户名”，“密码”）;

jetson对象重用最近成功连接到jetson硬件的这些设置。这个示例使用存储在内存中的设置建立到Jetson硬件的SSH连接。

hwobj =杰森;

正在检查目标上的CUDA可用性…正在检查目标系统路径中的'nvcc'…正在检查目标上cuDNN库的可用性…检查目标上的TensorRT库可用性…前提库的检查已经完成。收集硬件信息…正在检查目标上的第三方库可用性…完成硬件详细信息的收集。单板名称:NVIDIA Jetson TX2 CUDA版本:10.0 cuDNN版本:7.6 TensorRT版本:6.0 GStreamer版本:1.14.5 V4L2版本:1.14.2- SDL版本:1.2 OpenCV版本:4.1.1可用网络摄像头:可用gpu: NVIDIA Tegra X2可用数字引脚:7 11 12 13 15 16 18 19 21 22 23 24 29 31 32 33 35 36 37 38 40

在连接失败的情况下，在MATLAB命令行上报告一个诊断错误消息。如果连接失败，最可能的原因是IP地址或主机名不正确。

当不同目标有多个活动连接对象时，代码生成器在为其创建最近活动对象的目标上执行远程构建。若要选择用于执行远程构建的硬件板，请使用setupCodegenContext ()方法。如果只创建了一个活动连接对象，则不需要调用此方法。

hwobj.setupCodegenContext;

在目标机上验证GPU环境

使用coder.checkGpuInstall函数来验证运行此示例所需的编译器和库是否已正确设置。

envCfg = coder.gpuEnvConfig (“杰森”）;envCfg。DeepLibTarget =“cudnn”；envCfg。DeepCodegen = 1;envCfg。安静= 1;envCfg。HardwareObject = hwobj;coder.checkGpuInstall (envCfg);

ResNet-50入口点函数

的resnet50_wrapper.m入口点函数使用预先训练的ResNet-50网络对图像进行分类。ResNet-50是一个经过ImageNet数据库中超过100万张图像训练的DAG网络。输出包含图像所属的每个类的分类分数。

类型resnet50_wrapper

函数out = resnet50_wrapper(im,ocvFlag) %#codegen %包装器函数调用ResNet50预测函数。本例使用OpenCV从网络摄像机读取帧并%显示输出图像。更新buildinfo链接到目标上可用的OpenCV库%。if ocvFlag opencv_link_flags = ' ' pkg-config——libs opencv4 ";Opencv_compile_flags = ' ' pkg-config——cflags opencv4 ";Else opencv_link_flags = ' ' pkg-config——libs opencv ";Opencv_compile_flags = ' ' pkg-config——cflags——libs opencv ";结束coder.updateBuildInfo (addLinkFlags, opencv_link_flags);coder.updateBuildInfo (addCompileFlags, opencv_compile_flags);为了避免每次运行时网络的多重负载，我们使用持久的% rnet; if isempty(rnet) rnet = resnet50(); end out = rnet.predict(im); end

获取目标上的OpenCV版本

使用pkg-config帮助工具查询OpenCV 4。X已安装在目标板上。本示例使用该信息更新构建信息，以链接到目标上可用的适当OpenCV库。

isOpenCV4 = 1;ocvVersion = hwobj.OpenCVVersion ();如果(str2double(ocvVersion(1)) <= 3) isOpenCV4 = 0;结束

在目标上生成和部署CUDA代码

要生成一个可以部署到NVIDIA目标上的CUDA可执行文件，请创建一个用于生成可执行文件的GPU编码器配置对象。

cfg = coder.gpuConfig (exe”）;

使用coder.hardware函数为Jetson平台创建一个配置对象，并将其分配给硬件属性的图形处理器代码配置对象cfg．

cfg。硬件= coder.hardware (英伟达杰森的）;

将深度学习配置设置为“cudnn”或“tensort”

cfg。DeepLearningConfig =编码器。DeepLearningConfig (“cudnn”）;

在本例中，代码生成是使用图像作为输入完成的。然而，网络摄像头流在部署后被输入到可执行文件。

代码生成的示例图像输入

我=单(imread (“peppers.png”));[224224] im = imresize (im);

自定义主文件被编码为以视频为输入，并对视频序列中的每一帧进行分类。自定义main_resnet50.cuFile是在生成的代码中调用预测函数的包装器。使用OpenCV接口在主文件中添加后处理步骤，例如在输入帧上显示输出。

cfg。CustomSource = fullfile (“main_resnet50.h”）;cfg。CustomSource = fullfile (“main_resnet50.cu”）;

要生成CUDA代码并将其部署到目标上，请使用codegen函数，并传递GPU代码配置对象。在主机上进行代码生成后，将复制生成的文件并在工作空间目录中的目标上构建。

codegen配置cfgarg游戏{im, coder.Constant (isOpenCV4)}resnet50_wrapper报告

代码生成成功:查看报告

在目标上运行应用程序

方法将synsetWords_resnet50文本文件从主机复制到目标设备putFile命令。

putFile (hwobj“synsetWords_resnet50.txt”, hwobj.workspaceDir);

使用runApplication方法在目标硬件上启动应用程序。应用程序将位于工作区目录中。

runApplication (hwobj“resnet50_wrapper”）;

如果网络摄像头窗口在目标板上不可见，则可能指向了错误的显示。使用setDisplayEnvironment函数设置用于重定向目标上的显示的显示环境。该值必须与显示美元板上设置的环境值。

Jetson TX2上的Resnet分类输出

关闭应用程序

使用killApplication方法来终止目标上正在运行的应用程序。

killApplication (hwobj“resnet50_wrapper”）;