NVIDIA开源项目JetNet能拯救手残党么？

NVIDIA悄咪咪地发布了一个开源项目：JetNet

项目地址：https://github.com/NVIDIA-AI-IOT/jetnet

JetNet 是模型、数据集和工具的集合，可让您轻松探索 NVIDIA Jetson（以及台式机！）上的神经网络。它可以很容易地使用 Python 进行使用和扩展。

用NVIDIA的话说：“JetNet 附带的工具可让您轻松构建、分析和演示模型。 这有助于您轻松使用模型，以了解适合您应用的模型”

jetnet demo jetnet.trt_pose.RESNET18_HAND_224X224_TRT_FP16

JetNet 为分类、检测、姿态估计和文本检测等任务定义了明确的接口。这意味着模型具有熟悉的界面，无论它们是在哪个框架中实现的。作为用户，这使您可以轻松使用各种模型，而无需为每个模型重新学习新界面。

class PoseModel:
    
    def get_keypoints(self) -> Sequence[str]:
        raise NotImplementedError

    def get_skeleton(self) -> Sequence[Tuple[int, int]]:
        raise NotImplementedError

    def __call__(self, index: Image) -> PoseSet:
        raise NotImplementedError

具有高度可重现性和可配置性

JetNet 使用定义明确的配置来明确描述自动重新生成模型所需的所有步骤。 这包括下载权重、下载校准数据和使用 TensorRT 进行优化等步骤，这些步骤通常不会包含在开源模型定义中。 这些配置是使用 JSON 可序列化的 pydantic 定义的，因此可以轻松验证、修改、导出和重用。例如，以下包含 TensorRT 优化的模型可以用一行重新创建

from jetnet.yolox import YOLOX_NANO_TRT_FP16

model = YOLOX_NANO_TRT_FP16.build()

易于设置

JetNet 带有用于 Jetson 和 Desktop 的预设置 docker 容器。 如果这些对您不起作用，NVIDIA提供了手动设置说明。

演示

jetnet 演示对实时摄像机图像进行推理并在您的网络浏览器中显示预测。 当您在无头机器上操作时，这尤其方便。连接 USB 摄像头后，调用 jetnet demo <model>。 例如，

演示运行后，在 Web 浏览器中导航到 http://<ip>:8000 以查看预测。

好了，如果对你有帮助，就来试试吧！