videoOutput() 与 videoSource() 几乎具备一致的特性。这里直接列出了 videoOutput() 所支持的输出种类与媒体格式：
1.支持 5 种输出方式：

• 显示器：“display://0”
• RTP 视频流：“rtp://<remote_ip>:1234”
• 视频文件：“完整文件名”，例如 “input.mp4”
• 图像文件：“完整文件名”，例如 “room_0.jpg”
• 文件夹：“完整文件夹路径”，当识别到输出类型为“文件夹”时，就会按照流水号递增方式生成文件名

2.支持 4 种视频输出格式：MKV、MP4、AVI 与 FLV

3.支持 5 种媒体输出格式：H.264、H.265、VP8、VP9 与 MJPEG

4.支持 4 种图像格式：JPG、PNG、TGA 与 BMP

5.自动根据数据源，调用合适的 NVDEC 解码功能

6.调用 CUDA 核处理大部分基础图像处理任务

我们在前面已经熟悉了将结果输出到显示器上的方式，接下来就来体验其他几种输出方式，这对于将来开发边缘应用是非常有帮助的。要知道绝大部分的边缘计算场景，都是不能在设备上直接连上显示器的，那么此时如何观看该设备上所监控到的视频内容呢？通常就是将输入源所获取的数据，做完深度学习推理识别之后的结果，做以下两种处理方式：

1. 在当地存成视频，然后批次往管理服务区发送，再删除该视频，以保留空间。

2. 将视频流直接转向到其他设备上进行显示。

至于使用哪种方式，必须根据实际场景而定。而本文的重点就是带着大家，对这两种用法进行试验，并借此学会这些使用方法。
我们还是用 10lines.py 代码为基础来进行修改，不过为了节省测试时间，这里会将深度学习推理计算的部分省略掉，只保留 videoSource() 与 videoOutput() 这两部分的代码。修改后的内容如下：

这个 6 行代码，让人看起来非常轻松，却又支持了绝大部分常用的输入、输出形态与格式。

接下来的重点，就是将代码内的 INPUT 与 OUTPUT 做有效的置换，试试以下几种组合状况：

1.从 CSI 摄像头读入，然后输出存放至 csi.mp4 视频文件，这个相对直观，因此不多做说明。在观察 jetson-stats 时，若输出为视频文件，NVENC 编码器的功能就启动了。

2.用 VisionWorks 的范例视频 signs.avi 作为输入，输出成个别帧图像到 OUTPUT 目录里。视频长度为 22 秒，输出后生成 44 张图像，就是每 0.5 秒生成一张图像，不过实际生成的数量并不一定，与其他相关参数也有关。

3.这个组合是本文的重点实验，因为 RTP 视频流转向的实用性非常高，操作较为复杂，必须在发送端与接收端之间进行配合，因此需要花点时间说明并演示。
接下来就进行 RTP 视频流转向的示范步骤：

• 设备：一台 Jetson Nano 担任 “发送端”，另外需要一台设备执行 “接受端”，这个可以是另一台Jetson设备，也可以是 Windows、MAC 或 Ubuntu 操作系统的 x86电脑。

• 网络：本实验的发送端与接收端设备，都在内网中的同一个网段。这里的实验用 MicroUSB 线连接 Jetson Nano 2GB 与运行 Ubuntu 操作系统的 x86 电脑，此时Jetson Nano 的 IP 是 192.168.55.1，x86 电脑的 IP 是192.168.55.100，因此就需要将代码中 OUTPUT 部分修改成 “rtp://192.168.55.100:1234”，修改后的完整代码如下：
  

执行步骤：

1. 在发送端上执行以下指令：
   
   执行过程中会出现如下截屏的摄像头信息内容：
    
   最后停在下面截屏的地方，发送端到这边就不用再去动这个指令框了。
    
   2.在接收端执行接收的动作：
   (1) 在 Ubuntu 操作系统下，可执行以下指令便能直接接收视频流：
   
   正确执行指令后，接收端设备的命令行会停留在如下图的状态：
    
   并且还会跳出一个显示框，需要核对一下显示的内容与 Jetson Nano 上的摄像头是否一致。
    
   发送端与接收端之间的显示，是否出现时间差？取决于网络的质量！

(2) 用 VLC 播放软件，适用于 Windows、Mac、Ubuntu 操作系统：
首先得在接收设备上安装 VLC 播放软件，然后用文字编辑器生成一个 “.sdp” 文件，例如 “rdp.sdp”，里面的内容如下：

这时候，如果你打开 Jetson Nano 2GB 的 jetson-stats 监控软件，也会看到左下角“NVDEC”处于执行的状态。

如果我们这时候将 “物件检测” 的推理识别功能打开的话，会出现怎样的结果呢？先将前面代码中的 “#” 部分取消，开启对象检测的功能，执行一次看看就知道，是否如下图一样会出现检测的结果。