首先进入项目网页 https://github.com/dusty-nv/jetson-inference，在系统安装（System Setup）处里有三个部分：

• Setting up Jetson with JetPack
• Running the Docker Container
• Building the Project from Source

第一个部分 “安装 Jetpack” 已经在上一篇系列文章中讲解地非常清楚，因此可以忽略不管；第二个部分 “执行Docker 容器版本”，考虑到大部分初学者对 Docker 比较陌生，如果熟悉 Docker 应用技巧的人，可以自行进入下载合适的版本去使用，本文不做说明。

第三个部分是标准的安装流程，也是通用性最高的方法，本文将讲述以这个方式为主进行的安装。在安装过程中需要下载实验中需要用到的一些网络模型，全部合计共 4.7GB 容量，当然也可以只下载系统预设的 2.7GB 容量的模型，因此整个实验建议只是保留 4~6GB 的存储空间给这个项目使用。

现在就开始整个项目的安装流程，按照官网的编译版安装流程，请在 Jetson 设备上打开一个终端，然后执行以下指令：

sudoapt−getupdatesudoapt−getupdate sudo apt-get -y install git cmake  libpython3-dev python3-numpy
gitclone−−recursivehttps://github.com/dusty−nv/jetson−inferencegitclone−−recursivehttps://github.com/dusty−nv/jetson−inference cd jetson-inference
mkdir build && cd buildmkdir build && cd build cmake ../

到这个步骤时，由于会执行 “预训练模型下载” 与 “ Pytorch 安装” 这两个步骤，前一个步骤会跳出一个对话框（如下图），系统预设定选择的模型总共约 2.7GB 容量，您也可以自行调整要下载的内容。

选择 <OK> 之后就开始下载，由于这些由 NVIDIA 预训练好的模型，都存放在国外原厂的网盘空间位置，国内下载可能会受到网速的影响，这部分请自行解决。

这个步骤执行之后，接着会跳出下一个画面，表示要为系统安装 Pytorch 框架，这个部分是为了做模型训练（training）用的，建议也选择执行。

这两个步骤所耗费的时间是最久的，也是无法预测的，请自行处理。

如果前面 Download Models 步骤中，没有将全部模型都下载的话，后面想要使用未下载的模型时，只要到 tools 目录下面执行 download-models.sh 即可，完整指令如下：

cd /jetson−inference/toolscd /jetson−inference/tools ./download-models.sh

接下来就要开始编译并安装 jetson-inference 项目的代码，如果前面的步骤没有跳到别的地方的话，现在应该在 <~/jetson-inferecne/build> 目录下，前一个步骤 “cmake ..” 指令会在这个目录建立接下来编译所需要的 Makefile 配置文件，检查一下，如果有这个文件就表示可以继续进行下面步骤，全部编译的时间在 Jetson Nano 大约 3 分钟就能完成。

make−jmake−j(nproc) # 使用 -j(nproc)可以最大限度使用CPU核，加速编译(nproc)可以最大限度使用CPU核，加速编译 sudo make install # 要将编译结果写入系统文件夹所以需要用 sudo
$ sudo ldconfig # 立即让编译的结果生效

编译完成之后，可以用 video-viewer 这个工具来简单测试一下，您可以选择以下三种方式的任何一种，测试 jetson-inference 系统安装状况：

# 如果有装上 CSI 摄像头，请执行以下指令，预设输入源就是 CSI 摄像头
video−viewer#如果有装上USB摄像头，在video−viewer后面接上USB摄像头编号上video−viewer#如果有装上USB摄像头，在video−viewer后面接上USB摄像头编号上 video-viewer/dev/video1
# 如果还没装上任何一个摄像头，可以用视频文件来测试
$ video-viewer test.mp4

只要能正常执行（如下图），就表示这个开源项目的编译与安装是正常的。

以上就是本篇文章的内容，接下去就要开始按部就班，带着大家进一步开始 Hello AI World 的深度学习之旅。