程序猿视角

在REST框架（如Flask-RESTful、Django REST framework等）中，你可以使用框架提供的装饰器或方法来获取这些参数。在RESTful API设计中，通常不会通过函数参数直接传递数据，而是通过HTTP请求（如GET、POST、PUT、DELETE等）中的特定部分来传递信息。对于POST、PUT等请求方法，数据通常通过请求体传递。请注意，不同的REST框架可能有不同的方式来处理参数解析和路由。参数，然后Flask-RESTful会帮助我们解析这个参数，并可以在处理函数中使用。

在 Qt 中，您可以使用和QJsonArray类来处理 JSON 数据。

由于工作中要使用DeepStream这个框架，绕不开gstreamer-1.0，于是这段时间学习了这个框架的用法。还没有能力去阅读源码。gstreamer框架中，gst-inspect-1.0和gst-launch-1.0这两个工具是必须要熟悉的，现就gst-launcher-1.0的用法做下笔记，以免日后遗忘。参考https://blog.youkuaiyun.com/u010168781/article/details/102805210一、命令格式gst-launch-1.0 [OPTIONS] PIPELI

Nvidia 的 GPU 产品的开发工具包叫做 DeepStream，是基于 GStreamer 开发。因此，掌握 DeepStream，必须从 GStreamer 入手。先看看这货如何安装的吧！一、安装 GStreamer-1.0安装步骤如下：sudo add-apt-repository universesudo add-apt-repository multiversesudo apt-get updatesudo apt-get install gstreamer1.0-tools gs

没有设置搜索路径，DeepStream 头文件位置在/opt/nvidia/deepstream/deepstream-5.1/sources/includes把下面两行代码添加到 /etc/profile 文件中即可。export C_INCLUDE_PATH=/usr/include/gstreamer-1.0:/usr/include/glib-2.0:/usr/lib/aarch64-linux-gnu/glib-2.0/include:/opt/nvidia/deepstream.

原因是没有把 nvcc 的路径保存在环境变量 PATH 中。修改 /etc/profile 文件，在其中添加下面的配置内容：export PATH=/usr/local/cuda/bin:$PATH

JetsonNano是一款拥有 128个sp计算核的嵌入式GPU设备，个头很小。

安装完成后，输入deepstream-app --version-all 来查看安装的版本，得到输出如下：$ deepstream-app --version-alldeepstream-app version 5.1.0DeepStreamSDK 5.1.0CUDA Driver Version: 10.2CUDA Runtime Version: 10.2TensorRT Version: 7.1cuDNN Version: 8.0libNVWarp360 Version: 2.0.1

在我的Jetson Nano上运行deepstream-test1失败后，向 NVIDIA官方求助。技术支持人员要我展示系统配置。用 jtop查看配置如下：结果被告知，里面的依赖包版本不匹配。原因在于我购买的商家替我制作了系统SD卡，其中的软件包版本与最新的DeepStream不匹配。于是我决定从SD卡系统镜像开始重新生成制作系统。按照官网提供的最新镜像文件。官网提供的说明，依赖包版本应该符合下面的要求：接下来参照 《DeepStream快速入门https:/...

官网地址：https://docs.nvidia.com/metropolis/deepstream/dev-guide/text/DS_Quickstart.html

从NVIDIA官网下载Jetson Nano 2G系统镜像，制作好系统盘后，启动Nano，设置登录用户的账户信息后，我决定先安装

该问题发给NVIDIA论坛，下面是与管理员的交流内容：xuyepingHi，After I compiledeepstream-test1directly, the program can’t run on my Jetson Nano 2G. However, after removing the deep learning modelnvinferfrom the codes, the program can run. Is it because my nano 2G memory...

Jetson Nano 的序列号保存在路径 /sys/firmware/devicetree/base/serial-number。用下面命令可以查看：$ cat /sys/firmware/devicetree/base/serial-number1423920058691官网对这个序列号的解释是：资产跟踪编号，与设备识别标签上的编号相对应的唯一字符串。用0x00或0xFF字符填充的字符串。实际上，serial-number 这个文件的内容保存在核心板的EEPROM中，具体可参见英伟达官网介绍 J

int NvBufSurfaceMapEglImage( NvBufSurface * surf, int index ) Creates an EGLImage from the memory of one or more [NvBufSurface](https://docs.nvidia.com/metropolis/deepstream/4.0/dev-guide/DeepStream_Development_Guide/baggage/structNvBufSurface.html

函数声明CUresult cuGraphicsEGLRegisterImage ( CUgraphicsResource* pCudaResource, EGLImageKHR image, unsigned int flags )功能注册一幅 EGL 图像。参数pCudaResource指向返回对象句柄的指针image可用于创建目标资源的 EGLImageKHR 映像。flags映射标志（Map flags）返回值CUDA_SUCCESS, CUDA_ERROR_INVALID

I am trying on gstdsexample.cpp file.(basic DeepStream 5.0 example of gst-plugin) on Jetson nano. I added 613 ~ 615 lines as suggested by the comment below. But it crashes.613 CUgraphicsResource *cu;

xuyepinghi,I’m writing a DeepStream plugin now. I wish it can work in CUDA. So, I use the function cuGraphicsEGLRegisterImage and cuGraphicsResourceGetMappedEglFrame in c++ code gstdsexample.cpp. The following error prompt appears when compiling：gstdsex

Table of ConceptsGStreamer 官网提供了一些列学习课程，下面的列表以 GStreamer 基本概念为线索，给出了相关的参考课程。概念课程Action signalsPlayback tutorial 1: Playbin usageAudio switchingPlayback tutorial 1: Playbin usageBuffersBasic tutorial 8: Short-cutting the pipelineBus

gst-launch-1.0 nvarguscamerasrc ! 'video/x-raw(memory:NVMM),width=3820, height=2464, framerate=21/1, format=NV12' ! nvvidconv flip-method=0 ! 'video/x-raw,width=960, height=616' ! nvvidconv ! nvegltransform ! nveglglessink -e

0. 概述DeepStream Hello World：deepstream_test1_app 提供了 DeepStream 一个最简单的演示。我在 Jetson Nano 上安装的 DeepStream，这个项目的位置是：/opt/nvidia/deepstream/deepstream-5.1/sources/apps/sample_apps/deepstream-test1关于这程序的结构，官网有一幅图说得很明白：简单地说，deepstream-test1：从文件中获取单一视频流，并在屏幕上

DeepStream是一个流分析工具包，用于构建人工智能驱动的应用程序。它将来自USB/CSI摄像头的流式数据、来自文件的视频或通过RTSP的流式数据作为输入，并使用人工智能和计算机视觉从像素生成细节，以便更好地了解环境。DeepStream SDK 可以是许多视频分析解决方案的基础层，如理解智能城市中的交通和行人、医院的健康和安全监控、零售中的自我检测和分析、检测制造设施中的组件缺陷等。请在此处阅读有关DeepStream的更多信息。DeepStream通过Python绑定支持C/C++和Python

0. 目标本教程提供了一个值得了解的方便的 GStreamer 元素列表。它们的范围从允许您轻松构建复杂管道的强大的一体式元素（如 playbin）到在调试时非常有用的小助手元素。为了简单起见，下面的例子是使用 gst-launch-1.0 工具给出的（在《基础教程10: GStreamer工具》中了解它）。如果要查看正在协商的焊盘封口，请使用-v命令行参数。1. BinsBin 的英文原意是箱子的意思，在 GStreamer 中表示若干元素的集合。利用多个元素组合在一起，可以完成一件复杂的任务。G

Jetson Nano 没安装 GTK+，学习 GStreamer 基本课程6时，源代码无法编译。按照下述方式安装后，编译通过。安装GTK+3.0：sudo apt-get install libgtk-3-dev 安装帮助文件，方便查看帮助 (可以把dehelp固定在工具栏上)：sudo apt-get install devhelp不过，GStreamer 基本课程6的例子，虽然在 Jetson Nano 编译通过，还是需要注意两点：这个例子因为需要现实图形界面，只能直接在 Nano

Jetson Nano 已经安装了 GStreamer，但是，nVidia 并没有完成配置， include 路径需要自己在配置一下才行。方法如下：在 /etc/profile 文件最后添加以下两行内容即可（文件名 basic-tutorial-1.c ）：export C_INCLUDE_PATH=/usr/include/gstreamer-1.0:/usr/include/glib-2.0:/usr/lib/aarch64-linux-gnu/glib-2.0/include:$C_INCLUDE

1. 入门教程：Basic tutorials这里列一个GStreamer入门课程清单，大家按需选择吧。基础教程1：Hello world！—— 惯例性的 “Hello world” 程序基本教程2：GStreamer概念基础教程3：动态管道基础教程4：时间管理基础教程5: GUI工具包集成基础教程6：媒体格式和Pad功能基本教程7：多线程和Pad可用性基础教程8：管道短路操作基础教程9：媒体信息收集基本教程10：GStreamer工具基本教程11：调试工具基础教程12：流媒体基

gst-rtsp-server 源代码包中的 examples 文件夹中范例 test-readme.c 代码如下：#include <gst/gst.h>#include <gst/rtsp-server/rtsp-server.h>int main (int argc, char *argv[]) { //声明相关对象 GMainLoop *loop; GstRTSPServer *server; GstRTSPMountPoints *mounts;

jetson nano默认已经安装了CUDA10.0，但是直接运行 nvcc -V是不会成功的，需要你把CUDA的路径写入环境变量中。$ sudo gedit ~/.bashrc在最后添加export CUBA_HOME=/usr/local/cuda-10.0export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64:$LD_LIBRARY_PATHexport PATH=/usr/local/cuda-10.0/bin:$PATH然后保存退出对

官方连接地址如下：https://developer.nvidia.com/embedded/jetpack

用 Win32DiskImager制作SD镜像文件更简单可靠。1. 制作镜像打开 Win32DiskImager，设置好镜像文件的路径。选择设备。如果 SD 卡对应多个分区（盘符），选择第一个最小的盘符就行。点击“读取”，等待进度条完成即可。2. 把镜像文件复制到 SD 卡还是上面的界面。选择镜像文件，选择 SD 卡设备。不要选错盘符，因为这个操作会删除目标磁盘上的全部内容。点击“写入”，等待进度条完成即可。...

系统调整好以后，我们要把其备份成镜像，这样有利于批量复制发行。1. 备份方法可以用 dd 命令制作 SD 镜像，命令如下：# 查看 SD 在系统中的设备名称sudo fdisk -l我的 SD 卡的名称是 /dev/mmcblk0，用下面的命令制作其镜像：sudo dd bs=16M if=/dev/mmcblk0 of =nano_back.img2. dd 命令的进一步说明2.1 dd 命令的参数dd：用指定大小的块拷贝一个文件，并在拷贝的同时进行指定的转换。注意：指定数字的地

如何用 Jetson 的 GPU 实现硬解码？如何把解码后的数据保存在 GPU 内存？如何在 GPU 内存内完成对数据的操作？是每一位关心算法效率的程序员所关心的事情。但是，Jetson 的开发参考资料中，并没有专门就这一问题系统给出解答。本文把散落在各处的参考资料结合在一起，并参照英伟达官方提供的源代码，整理成一个完整的演示程序，并构造 CMake 文件，完成编译。

有关使用这些函数的示例，请参见 cuda-examples.py 作为对下面伪代码的补充。在进入这里之前，建议您先阅读上一页关于摄像头流媒体和多媒体的内容，了解有关视频捕获和输出、加载/保存图像等方面的信息。1. 图像管理1.1 图像格式尽管视频流API和DNN对象（如imageNet、detectNet和segNet）期望图像为RGB/RGBA格式，但为传感器采集和低级别I/O定义了多种其他格式：位深度表示每像素的有效位数有关YUV格式的详细规范，请参阅fourcc.org网站注意：在

运行实时摄像机识别演示这个 imagenet.cpp / imagenet.py 我们以前使用的示例也可以用于实时相机流。支持的摄像机类型包括：MIPI CSI摄像机(csi://0)V4L2摄像机（/dev/video0）RTP/RTSP流(rtsp://username:password@ip:port）有关视频流和协议的更多信息，请参阅“摄像头流和多媒体”页。下面是在照相机提要上启动程序的一些典型场景（运行–help以获取更多选项）：C++$ ./imagenet csi://0

编码你自己的图像识别程序（C++）1. 项目 my-recognition2. 设置项目3. 源代码3.1 包含文件3.2 声明main()函数，并解析命令行3.3 从磁盘加载映像3.4 加载图像识别网络3.5 对图像进行分类3.6 解释结果3.7 结束代码4. 创建 CMakeLists.txt5. Build 项目6. 运行刚编译好的程序1. 项目 my-recognition现在，我们将从头开始创建一个新的图像识别程序，名为 my-recognition。此程序将能够作为repo之外的独立项目存在

The imagenet.cpp / imagenet.py samples that we used previously can also be used for realtime camera streaming. The types of supported cameras include:MIPI CSI cameras (csi://0)V4L2 cameras (/dev/video0)RTP/RTSP streams (rtsp://username:password@ip:port

Hello AI World! —— 部署深度学习1. Hello AI World1.1 系统安装1.2 推理1.3 训练1.4 附录2. 视频演练3. API 参考4. 代码示例5. 预训练模型6. 推荐系统要求7. 额外资源8. 两天的演示（数字）欢迎使用我们的教学指南，了解NVIDIA Jetson Nano/TX1/TX2/Xavier NX/AGX Xavier的推理和实时DNN视觉库]。此 repo 使用 NVIDIA TensorRT 将神经网络有效地部署到嵌入式 Jetson 平台上，

英伟达 Jetson Nano 新手必备：使用CSI或USB摄像头拍摄第一张照片1. 引言1.1 支持的摄像头1.2 nvgstcapture2. 在屏幕上开始捕获和预览显示2.1 CSI摄像机2.2 USB摄像头3. 拍照并保存到磁盘3.1 CSI摄像机3.2 USB摄像头4. 捕获视频并保存到磁盘4.1 CSI摄像机4.2 USB摄像头5. 在容器内使用相机5.1 CSI摄像机5.2 USB摄像头6. 有用的资源1. 引言本指南将向您展示如何快速启动和运行CSI和USB摄像头。通过遵循本指南，您将能

英伟达 Jetson Nano 新手必备：连接蓝牙音频1. 介绍2. 蓝牙适配器要求3. 连接蓝牙音频1. 介绍Jetson Nano 2GB开发工具包没有内置蓝牙。为了将蓝牙音频设备连接到开发工具包，您需要使用USB蓝牙适配器。按照以下步骤在开发者工具包上启用蓝牙音频。2. 蓝牙适配器要求蓝牙适配器必须支持Linux操作系统，并且您需要访问蓝牙适配器的驱动程序。3. 连接蓝牙音频在开发工具包上安装蓝牙适配器所需的所有驱动程序。按照蓝牙适配器制造商的说明操作。您可能需要在安装驱动程序后

1. 简介-什么是VNCVNC（虚拟网络计算）使您能够通过查看另一台计算机上的开发人员工具包的桌面并与之交互，从同一网络上的另一台计算机控制您的Jetson开发人员工具包。要了解有关VNC的更多信息，请单击此处。注：您的Jetson开发工具包和其他计算机必须在同一网络上。需要相当快的网络连接。较慢的连接将降低桌面交互体验。2. 在Jetson开发工具包上安装VNC服务器每次登录时启用VNC服务器如果您有Jetson Nano 2GB开发工具包（运行LXDE）mkdir -p ~/.co

以下指南将帮助您了解有关开发人员工具包和设置理想开发人员环境的更多信息：1. 开发套件用户入门指南英文版：Jetson 2GB Developer Kit User Guide中文版《Jetson 2GB 开发套件用户入门指南》入门指南详细介绍了开发人员工具包的所有输入和输出以及如何使用它们。2. 快速入门你的第一个 Jetson 容器了解什么是容器，以及如何在开发人员工具包中下载和使用它们。安装设置 VNC无头模式并不意味着只有命令行。了解如何从另一台计算机与开发人员工具包的Lin