使用Nvidia Jetson Nano，您可以用很少的预算构建运行gpu加速的深度学习模型的独立硬件系统。它有点像树莓派，但速度比树莓派快得多。
为了激发您的灵感，今天这个博主要教你用Jetson Nano构建一个真正的硬件项目——智能门铃，它可以跟踪每一个走到你家前门的人。通过人脸识别，它会立即知道你门前的人是否曾经来过你——即使他们穿着不同。如果他们来过，它可以告诉你确切的时间和频率。
所需要准备的材料：
1.一台已经按照NVIDIA官网步骤刷好镜像文档的NVIDIA Jetson NANO,
2. 安装上树莓派V2摄像头
3. 网线
4. 连接上显示器
5. 电源
此时，已经安装了Python 3.6和OpenCV。您可以打开一个终端窗口并立即开始运行Python程序，就像在任何其他计算机上一样。但在运行智能门铃程序之前，我们还需要安装更多的库。
安装所需的Python库
为了构建我们的人脸识别系统，我们需要安装几个Python库。虽然Jetson Nano预装了很多很棒的东西，但也有一些奇怪的遗漏。例如，OpenCV是用Python绑定安装的，但是没有安装pip和numpy，这些绑定是用OpenCV做任何事情所必需的。让我们解决这个问题。
在Jetson Nano桌面中，打开一个终端窗口并运行以下命令。当它要求输入您的密码时，请输入您创建用户帐户时输入的相同密码:
首先，我们正在更新apt，这是一个标准的Linux软件安装工具，我们将使用它来安装其他所有东西。接下来，我们将使用apt安装一些基本库，稍后我们将需要这些库来编译numpy和dlib。
在继续之前，我们需要创建一个swapfile。Jetson Nano只有4GB内存，不足以编译dlib。为了解决这个问题，我们将设置一个swapfile，它允许我们将磁盘空间用作额外的RAM。幸运的是，有一个简单的方法可以在Jetson Nano上设置一个swapfile。只需运行这两个命令:
此时，您需要重新启动系统以确保swapfile正在运行。
当您重新登录时，打开一个新的终端窗口，我们可以继续。首先，让我们安装一个Python库numpy:
这个命令将花费15分钟，因为它必须从头编译numpy。
现在，我们准备安装dlib，这是Davis King创建的一个深度学习库，它为face_recognition库做了大量工作。
然而，目前在Jetson NANO CUDA库中存在一个bug (https://devtalk.nvidia.com/default/topic/1049660/jetson-nano/issues-with-dlib-library/2?source=post_page），使其无法正常工作。为了解决这个bug，我们必须下载dlib，编辑一行代码，然后重新编译它。不过别担心，没什么大不了的。
在终端运行以下命令:
这将下载并解压dlib的源代码。在编译它之前，我们需要注释掉一行。运行这个命令:
这需要打开文本编辑器中编辑的文件。在文件中搜索以下代码行（应该是第854行）：
然后在它前面添加两个斜杠来注释它，所以它看起来是这样的:
现在保存文件，关闭编辑器，回到终端窗口。接下来，运行以下命令编译和安装dlib:
这将花费大约30-60分钟完成，你的Jetson Nano可能会变热，但不用理会。
最后，我们需要安装face_recognition Python库。使用此命令执行此操作：
现在，您的Jetson Nano已准备好通过完整的CUDA GPU加速进行人脸识别。
运行人脸识别智能门铃演示App
face_recognition库是我编写的一个Python库，它使人脸识别变得超级简单。它允许您检测人脸，将每个检测到的人脸转换成一个表示人脸的独特的人脸编码，然后比较人脸编码，看看它们是否可能是同一个人——所有这些都只需要几行代码。
利用这个库，我编写了一个门铃摄像应用程序，它可以识别那些走到你家前门的人，并在每次有人回来时跟踪他们。当你运行它时，它看起来是这样的:
首先，让我们下载代码。我在这里发布了完整的代码和注释，但这里有一个更简单的方法从命令行下载到你的Jetson Nano:
然后你可以运行代码:
您将看到一个视频窗口在您的桌面上弹出。每当一个陌生人走到摄像机前，它就会记录下他们的脸，并开始追踪他们在你家附近待了多久。如果同一个人离开并在5分钟后回来，它将注册一个新的访问并再次跟踪他们。你可以在任何时候按下键盘上的q键退出。
该应用程序将自动将它看到的每个人的信息保存到名为known_faces.dat的文件中。当您再次运行程序时，它将使用这些数据来记住以前的访问者。如果您想清除已知面孔列表，只需退出程序并删除该文件。
