Nvidia Jetson Nano 2GB開發(fā)板（今天宣布�。┦且豢钚碌膯伟鍣C(jī)，售價(jià)59美元，運(yùn)行帶有GPU加速的人工智能軟件。

在2020年，你可以從一臺(tái)售價(jià)59美元的單板計(jì)算機(jī)中獲得令人驚嘆的性能，讓我們用它來創(chuàng)建一個(gè)簡易版的門鈴攝像頭，該攝像頭可以識(shí)別走到房屋前門的每個(gè)人。通過面部識(shí)別，即使這些人穿著不同，它也可以立即知道你家門口的人是否曾經(jīng)來拜訪過你。什么是Nvidia Jetson Nano 2GB Jetson Nano 2GB是一款單板計(jì)算機(jī)，具有四核的1．4GHz ARM CPU和內(nèi)置的Nvidia Maxwell GPU。它是最便宜的Nvidia Jetson機(jī)型，針對(duì)的是購買樹莓派的業(yè)余愛好者。

如果你已經(jīng)熟悉樹莓派的系列產(chǎn)品，則除了Jetson Nano配備Nvidia GPU外，和其他產(chǎn)品幾乎完全相同的。它可以運(yùn)行GPU加速的應(yīng)用程序（如深度學(xué)習(xí)模型），其速度遠(yuǎn)比樹莓派這樣的開發(fā)板（不支持大多數(shù)深度學(xué)習(xí)框架的GPU）快得多。雖然有很多AI開發(fā)板和加速器模塊，但Nvidia擁有一大優(yōu)勢(shì)——它與桌面AI庫直接兼容，不需要你將深度學(xué)習(xí)模型轉(zhuǎn)換為任何特殊格式即可運(yùn)行他們。它使用幾乎所有每個(gè)基于Python的深度學(xué)習(xí)框架都已使用的相同的CUDA庫進(jìn)行GPU加速，這意味著你可以采用現(xiàn)有基于Python的深度學(xué)習(xí)程序，幾乎無需修改就可以在Jetson Nano 2GB上運(yùn)行它，并且可以獲得良好的性能（只要你的應(yīng)用程序可以在2GB的RAM上運(yùn)行）。它將為強(qiáng)大的服務(wù)器端Python代碼部署在價(jià)格為59美元的獨(dú)立設(shè)備上的能力非常出色。這款新的Jetson Nano 2GB主板也比Nvidia以前的硬件版本更加光鮮亮麗。第一個(gè)Jetson Nano機(jī)型莫名其妙地缺少WiFi，但該機(jī)型隨附一個(gè)可插入的WiFi模塊，因此你不必再加上雜亂的以太網(wǎng)電纜了。他們還將電源輸入升級(jí)到了更現(xiàn)代的USB－C端口，并且在軟件方面，一些粗糙的邊緣已被磨掉，例如，你無需執(zhí)行諸如啟用交換文件之類的基本操作。讓我們組裝系統(tǒng)對(duì)于任何硬件項(xiàng)目，第一步都是收集我們需要的所有零件：1． Nvidia Jetson Nano 2GB主板（59美元）這開發(fā)板板目前可預(yù)訂（截至2020年10月5日），預(yù)計(jì)將于10月底發(fā)布。我不知道發(fā)行后的初始可用性會(huì)如何，但是先前的Jetson Nano機(jī)型在發(fā)行后的幾個(gè)月中供不應(yīng)求。2． USB－C電源適配器新型Jetson Nano 2GB使用USB－C供電，其不包括電源適配器。3． 攝像頭—— USB網(wǎng)絡(luò)攝像頭或樹莓派攝像頭模塊v2．x（約30美元）如果你希望將小型相機(jī)安裝在機(jī)殼中，那么樹莓派相機(jī)模塊v2．x是一個(gè)不錯(cuò)的選擇（注意：v1．x相機(jī)模塊是無法使用的），你可以在Amazon或各種經(jīng)銷商處獲得它們。一些USB網(wǎng)絡(luò)攝像頭（如Logitech的C270或C920）也可以在Jetson Nano 2GB上正常工作，因此如果你已經(jīng)擁有一個(gè)USB攝像頭，也可以拿來使用，以下是一個(gè)攝像頭的不完整清單。并非所有功能都支持Linux驅(qū)動(dòng)程序，但有些功能會(huì)支持。我插入了在亞馬遜上買的價(jià)值20美元的通用HDMI到USB的適配器，它可以很好地工作，因此，我無需任何額外配置就可以將我的高端數(shù)碼相機(jī)作為使用HDMI的視頻源。

除此之外，我們還需要其它設(shè)備，包括：至少具有32GB空間的microSD卡。我們將在此安裝Linux。一個(gè)microSD讀卡器：使用它可以安裝Jetson軟件。一個(gè)有線USB鍵盤和一個(gè)有線USB鼠標(biāo)用來控制Jetson Nano。加載Jetson Nano 2GB軟件首先我們需要下載Jetson Nano的軟件映像。Nvidia的默認(rèn)軟件映像包括預(yù)裝了Python 3．6和OpenCV的Ubuntu Linux 18．04。以下是將Jetson Nano軟件安裝到SD卡上的方法：從Nvidia下載Jetson Nano Developer Kit SD卡映像。下載Etcher，該程序?qū)�Jetson軟件映像寫入SD卡。運(yùn)行Etcher并使用它來編寫下載到SD卡的Jetson Nano Developer Kit SD卡映像，這大約需要20分鐘。組裝所有設(shè)備零件首先，請(qǐng)拿出你的Jetson Nano 2GB：

第一步是插入microSD卡，microSD卡插槽是隱藏的，但你可以在散熱器底部的背面找到它：

你還應(yīng)該繼續(xù)將隨附的USB WiFi適配器插入以下USB端口之一：

接下來，你需要插入相機(jī)。如果你使用的是樹莓派 v2．x相機(jī)模塊，則它會(huì)通過帶狀電纜連接。在Jetson上找到帶狀電纜插槽，彈出連接器，插入電纜，然后將其彈出關(guān)閉。確保帶狀電纜上的金屬觸點(diǎn)向內(nèi)朝向散熱器：

如果你使用USB網(wǎng)絡(luò)攝像頭，可以直接將其插入U(xiǎn)SB端口，而不需要使用帶狀電纜端口。現(xiàn)在，插入其他所有零件：將鼠標(biāo)和鍵盤插入U(xiǎn)SB端口。使用HDMI電纜插入顯示器。最后，插入U(xiǎn)SB－C電源線以啟動(dòng)它。如果你使用的是樹莓派相機(jī)模塊，則最終會(huì)得到如下所示的內(nèi)容：

或者，如果你使用的是USB視頻輸入設(shè)備，則如下所示：

插入電源線后，Jetson Nano會(huì)自動(dòng)啟動(dòng)，幾秒鐘后，你應(yīng)該會(huì)看到Linux設(shè)置屏幕出現(xiàn)在顯示器上，按照提示步驟來創(chuàng)建你的帳戶并連接到WiFi。安裝Linux和Python庫來進(jìn)行人臉識(shí)別一旦完成了Linux的初始設(shè)置，就需要安裝幾個(gè)我們將在人臉識(shí)別系統(tǒng)中使用的庫。在Jetson Nano桌面上，打開一個(gè)LXTerminal窗口并運(yùn)行以下命令。每次要求輸入密碼時(shí)，請(qǐng)輸入創(chuàng)建用戶帳戶時(shí)輸入的密碼：sudo apt－get update

sudo apt－get install python3－pip cmake libopenblas－dev liblapack－dev libjpeg－dev

首先，我們要更新apt，這是標(biāo)準(zhǔn)的Linux軟件安裝工具，我們將使用它來安裝所需的其他系統(tǒng)庫。然后，我們將安裝一些尚未預(yù)先安裝我們軟件需要的linux庫。最后，我們需要安裝face＿recognition Python庫及其依賴項(xiàng)，包括機(jī)器學(xué)習(xí)庫dlib。你可以使用以下單個(gè)命令自動(dòng)執(zhí)行此操作：sudo pip3 －v install Cython face＿recognition

因?yàn)闆]有可用于Jetson平臺(tái)的dlib和numpy的預(yù)構(gòu)建版本，所以此命令將從源代碼編譯這些庫，所以這可能需要一個(gè)小時(shí)的時(shí)間！當(dāng)最終完成后，Jetson Nano 2GB就可以通過使用CUDA GPU來對(duì)人臉識(shí)別進(jìn)行加速。運(yùn)行門鈴攝像頭的人臉識(shí)別應(yīng)用程序face＿recognition庫是我編寫的一個(gè)Python庫，它使用DLIB做人臉識(shí)別超級(jí)簡單。它可以檢測(cè)到人臉，并將每個(gè)檢測(cè)到的人臉轉(zhuǎn)換為唯一的人臉特征編碼，然后比較這些特征編碼以查看它們是否屬于同一個(gè)人，該過程只需幾行代碼即可。face＿recognition庫：我使用該庫構(gòu)建了一個(gè)門鈴攝像頭的人臉識(shí)別應(yīng)用程序，該應(yīng)用程序可以識(shí)別走到你家門的人并對(duì)其進(jìn)行跟蹤。運(yùn)行時(shí)如下所示：

首先，請(qǐng)下載代碼。我已經(jīng)在此處添加了完整的代碼和注釋。但是這里有一個(gè)更簡單的方法，可以從命令行下載到你的Jetson Nano上：wget －O doorcam．py tiny．cc／doorcam2gb

在程序中你需要編輯一行代碼來設(shè)置是使用USB相機(jī)還是樹莓派相機(jī)模塊。你可以像這樣編輯文件：gedit doorcam．py

按照說明進(jìn)行操作，然后保存它，退出GEdit并運(yùn)行代碼：python3 doorcam．py

你會(huì)在桌面上看到一個(gè)視頻窗口，每當(dāng)有新人走到攝像機(jī)前時(shí)，它都會(huì)記錄他們的臉并開始跟蹤他們?cè)谀慵议T口的時(shí)間。如果同一個(gè)人離開并在5分鐘后回來，它將重新注冊(cè)并再次跟蹤他們，你可以隨時(shí)按鍵盤上的“ q”退出。該應(yīng)用程序會(huì)自動(dòng)將看到的每個(gè)人信息保存到一個(gè)名為known＿faces．dat的文件中。當(dāng)你再次運(yùn)行該程序時(shí)，它將使用該數(shù)據(jù)記住以前的訪問者。如果要清除已知面孔的列表，只需退出程序并刪除該文件。將其變成獨(dú)立的硬件設(shè)備至此，我們有一個(gè)運(yùn)行人臉識(shí)別模型的開發(fā)板，但它仍被束縛在桌面上，以實(shí)現(xiàn)強(qiáng)大的功能和顯示效果。讓我們看看無需插入如何運(yùn)行它�，F(xiàn)代單板計(jì)算機(jī)幾乎都支持相同的硬件標(biāo)準(zhǔn)，例如USB，這意味著你可以在亞馬遜上買到很多便宜的附件，例如觸摸屏顯示器和電池。你可以很多輸入，輸出和電源選項(xiàng)。這是我訂購的東西（但類似的東西都可以）：一個(gè)7英寸觸摸屏HDMI顯示屏，使用USB電源：

以及一個(gè)通用的USB－C電池組來供電：

讓我們將其連接起來，看看作為獨(dú)立設(shè)備運(yùn)行時(shí)的外觀。只需插入U(xiǎn)SB電池而不是壁式充電器，然后將HDMI顯示器插入HDMI端口和USB端口，即可充當(dāng)屏幕和鼠標(biāo)輸入。

可以看到效果很好。觸摸屏可以像普通的USB鼠標(biāo)一樣操作，無需任何其他配置。唯一的缺點(diǎn)是，如果Jetson Nano 2GB消耗的電量超過USB電池組可提供的電量，則會(huì)降低GPU的速度。如果你有其它的創(chuàng)意，可以將所有這些打包到一個(gè)項(xiàng)目案例中，用作原型硬件設(shè)備來測(cè)試你的想法，而且，如果你想批量生產(chǎn)某些產(chǎn)品，則可以購買Jetson主板的生產(chǎn)版本，并將其用于構(gòu)建真正的硬件產(chǎn)品。門鈴攝像頭的Python代碼解析代碼從導(dǎo)入我們使用的庫開始，其中最重要的是OpenCV（Python中稱為cv2），我們將使用OpenCV從相機(jī)讀取圖像，以及檢測(cè)和識(shí)別人臉。import face＿recognition
import cv2
from datetime import datetime， timedelta
import numpy as np
import platform
import pickle

然后，我們需要知道如何訪問相機(jī)——從樹莓派相機(jī)模塊獲取圖像的方法與使用USB相機(jī)的方法不同，因此，只需根據(jù)你的硬件將此變量更改為True或False即可：＃ 這里的設(shè)置取決于你的攝像機(jī)設(shè)備類型：

＃ － True ＝ 樹莓派 2．x camera module

＃ － False ＝ USB webcam or other USB video input （like an HDMI capture device）

USING＿RPI＿CAMERA＿M(jìn)ODULE ＝ False

接下來，我們將創(chuàng)建一些變量來存儲(chǔ)有關(guān)在攝像機(jī)前行走的人的數(shù)據(jù)，這些變量將充當(dāng)已知訪客的簡單數(shù)據(jù)庫。known＿face＿encodings ＝ ［］

known＿face＿metadata ＝ ［］

該應(yīng)用程序只是一個(gè)演示，因此我們將已知的人臉存儲(chǔ)在Python列表中。接下來，我們具有保存和加載已知人臉數(shù)據(jù)的功能，以下是保存功能：def save＿known＿faces（）：

   with open（＂known＿faces．dat＂， ＂wb＂） as face＿data＿file：

       face＿data ＝ ［known＿face＿encodings， known＿face＿metadata］

       pickle．dump（face＿data， face＿data＿file）

       print（＂Known faces backed up to disk．＂）

這將使用Python的內(nèi)置pickle功能將已知的人臉寫入磁盤中，數(shù)據(jù)也可以以相同的方式加載回去，但是我在這里沒有寫。每當(dāng)我們的程序檢測(cè)到新面孔時(shí)，我們都會(huì)調(diào)用一個(gè)函數(shù)將其添加到已知的人臉數(shù)據(jù)庫中：def register＿new＿face（face＿encoding， face＿image）：
   known＿face＿encodings．a(chǎn)ppend（face＿encoding）
known＿face＿metadata．a(chǎn)ppend（｛
       ＂first＿seen＂： datetime．now（），
       ＂first＿seen＿this＿interaction＂： datetime．now（），
       ＂last＿seen＂： datetime．now（），
       ＂seen＿count＂： 1，
       ＂seen＿frames＂： 1，
       ＂face＿image＂： face＿image，
   ｝）

首先，我們將表征人臉的編碼存儲(chǔ)在列表中，然后，我們將有關(guān)人臉的匹配數(shù)據(jù)字典存儲(chǔ)在第二個(gè)列表中。我們將使用它來跟蹤我們第一次見到該人的時(shí)間，他們最近在攝像頭周圍閑逛了的時(shí)間，他們?cè)L問過我們房屋的次數(shù)以及他們的人臉圖像。我們還需要一個(gè)輔助函數(shù)來檢查人臉數(shù)據(jù)庫中是否已經(jīng)存在未知人臉：def lookup＿known＿face（face＿encoding）：
   metadata ＝ None
   if len（known＿face＿encodings） ＝＝ 0：
       return metadata
   face＿distances ＝ face＿recognition．face＿distance（
       known＿face＿encodings，
       face＿encoding
   ）
   best＿match＿index ＝ np．a(chǎn)rgmin（face＿distances）
   if face＿distances［best＿match＿index］ ＜ 0．65：
       metadata ＝ known＿face＿metadata［best＿match＿index］
       metadata［＂last＿seen＂］ ＝ datetime．now（）
       metadata［＂seen＿frames＂］ ＋＝ 1
       if datetime．now（） － metadata［＂first＿seen＿this＿interaction＂］  
               ＞ timedelta（minutes＝5）：
           metadata［＂first＿seen＿this＿interaction＂］ ＝ datetime．now（）
           metadata［＂seen＿count＂］ ＋＝ 1
   return metadata

我們?cè)谶@里做了一些重要的事情：使用face＿recogntion庫，我們檢查未知人臉與所有以前的訪問者的相似程度。所述face＿distance（）函數(shù)為我們提供了未知臉部和所有已知人臉之間的相似性的數(shù)值測(cè)量——數(shù)字越小，人臉越相似。如果人臉與我們的一位已知訪客非常相似，則我們可以假設(shè)他們是重復(fù)訪客，在這種情況下，我們將更新它們的“上次拜訪”時(shí)間，并增加在視頻幀中看到這人臉的次數(shù)。最后，如果在最近的五分鐘內(nèi)有人在鏡頭前看到這個(gè)人，那么我們假設(shè)他們?nèi)匀辉谶@里作為同一次訪問的一部分，否則，我們假設(shè)這是對(duì)我們房屋的新訪問，因此我們將重置跟蹤他們最近訪問的時(shí)間戳。程序的其余部分是主循環(huán)——一個(gè)無限循環(huán)，在該循環(huán)中，我們獲取視頻幀，在圖像中查找人臉并處理我們看到的每個(gè)人臉。這是該程序的主要核心。讓我們來看看：def main＿loop（）：
   if USING＿RPI＿CAMERA＿M(jìn)ODULE：
       video＿capture ＝
           cv2．VideoCapture（
               get＿jetson＿gstreamer＿source（），
               cv2．CAP＿GSTREAMER
           ）
   else：
       video＿capture ＝ cv2．VideoCapture（0）

第一步是使用適合我們計(jì)算機(jī)硬件的任何一種方法來訪問相機(jī)�，F(xiàn)在讓我們開始獲取視頻幀：while True：
   ＃ Grab a single frame of video
   ret， frame ＝ video＿capture．read（）
   ＃ Resize frame of video to 1／4 size
   small＿frame ＝ cv2．resize（frame， （0， 0）， fx＝0．25， fy＝0．25）
   ＃ Convert the image from BGR color
   rgb＿small＿frame ＝ small＿frame［：， ：， ：：－1］

每次抓取一幀視頻圖像時(shí)，我們都會(huì)將其縮小到1／4尺寸，這將使人臉識(shí)別過程運(yùn)行得更快，但代價(jià)是僅檢測(cè)圖像中較大的人臉，但是由于我們正在構(gòu)建一個(gè)門鈴攝像頭，該攝像頭只能識(shí)別攝像頭附近的人，所以這不是問題。同時(shí)我們還必須處理另外一個(gè)問題，OpenCV從攝像機(jī)中提取圖像，每個(gè)像素存儲(chǔ)為藍(lán)綠色－紅色值，這不是標(biāo)準(zhǔn)的紅色－綠色－藍(lán)色值。在圖像上進(jìn)行人臉識(shí)別之前，我們需要轉(zhuǎn)換圖像格式。接著我們檢測(cè)圖像中的所有人臉，并將每個(gè)人臉轉(zhuǎn)換為人臉特征編碼，這只需兩行代碼：face＿locations ＝ face＿recognition．face＿locations（rgb＿small＿frame）
face＿encodings ＝ face＿recognition．face＿encodings（
                    rgb＿small＿frame，
                    face＿locations
                 ）

接下來，我們會(huì)遍歷每一個(gè)檢測(cè)到的面孔，并確定該面孔是我們過去見過的人還是新的訪客：for face＿location， face＿encoding in zip（
                      face＿locations，
                      face＿encodings）：
metadata ＝ lookup＿known＿face（face＿encoding）
   if metadata is not None：
       time＿at＿door ＝ datetime．now（） －
           metadata［＇first＿seen＿this＿interaction＇］
       face＿label ＝ f＂At door ｛int（time＿at＿door．total＿seconds（））｝s＂
   else：
       face＿label ＝ ＂New visitor�。�
       ＃ Grab the image of the face
       top， right， bottom， left ＝ face＿location
       face＿image ＝ small＿frame［top：bottom， left：right］
       face＿image ＝ cv2．resize（face＿image， （150， 150））
       ＃ Add the new face to our known face data
       register＿new＿face（face＿encoding， face＿image）

如果我們以前見過此人，我們將檢索我們存儲(chǔ)的有關(guān)他們先前訪問的元數(shù)據(jù)。如果沒有，我們將它們添加到我們的人臉數(shù)據(jù)庫中，并從視頻圖像中獲取他們的人臉圖片以添加到我們的數(shù)據(jù)庫中。現(xiàn)在我們找到了所有的人并弄清了他們的身份，我們可以再次遍歷檢測(cè)到的人臉，在每個(gè)人臉周圍繪制矩陣框并為每個(gè)人臉添加標(biāo)簽：for （top， right， bottom， left）， face＿label in
                 zip（face＿locations， face＿labels）：
   ＃ Scale back up face location
   ＃ since the frame we detected in was 1／4 size
   top ＊＝ 4
   right ＊＝ 4
   bottom ＊＝ 4
   left ＊＝ 4
   ＃ Draw a box around the face
   cv2．rectangle（
       frame， （left， top）， （right， bottom）， （0， 0， 255）， 2
   ）
   ＃ Draw a label with a description below the face
   cv2．rectangle（
       frame， （left， bottom － 35）， （right， bottom），
       （0， 0， 255）， cv2．FILLED
   ）
   cv2．putText（
       frame， face＿label，
       （left ＋ 6， bottom － 6），
       cv2．FONT＿HERSHEY＿DUPLEX， 0．8，
       （255， 255， 255）， 1
   ）

同時(shí)在屏幕上方繪制一份最近訪問者的運(yùn)行列表，其中包含他們?cè)L問過你房屋的次數(shù)：

要繪制該圖像，我們需要遍歷所有已知的人臉，并查看最近在鏡頭前的人臉。對(duì)于每個(gè)最近的訪客，我們將在屏幕上繪制他們的人臉圖像并顯示其訪問次數(shù)：number＿of＿recent＿visitors ＝ 0
for metadata in known＿face＿metadata：
   ＃ 如果我們?cè)谧詈笠环昼娨娺^此人，
   if datetime．now（） － metadata［＂last＿seen＂］
                        ＜ timedelta（seconds＝10）：
＃ 繪制已知的面部圖像
       x＿position ＝ number＿of＿recent＿visitors ＊ 150
frame［30：180， x＿position：x＿position ＋ 150］ ＝
             metadata［＂face＿image＂］
number＿of＿recent＿visitors ＋＝ 1
       ＃ Label the image with how many times they have visited
       visits ＝ metadata［＇seen＿count＇］
       visit＿label ＝ f＂｛visits｝ visits＂
if visits ＝＝ 1：
           visit＿label ＝ ＂First visit＂
cv2．putText（
           frame， visit＿label，
           （x＿position ＋ 10， 170），
           cv2．FONT＿HERSHEY＿DUPLEX， 0．6，
           （255， 255， 255）， 1
       ）

最后，我們可以在屏幕上顯示當(dāng)前視頻幀，并在其頂部顯示所有注釋：cv2．imshow（＇Video＇， frame）

為了確保程序不會(huì)崩潰，我們將每100幀將已知人臉列表保存到磁盤上：if len（face＿locations） ＞ 0 and number＿of＿frames＿since＿save ＞ 100：
   save＿known＿faces（）
   number＿of＿faces＿since＿save ＝ 0
else：
   number＿of＿faces＿since＿save ＋＝ 1

程序退出時(shí)，僅需一行或兩行清理代碼即可關(guān)閉相機(jī)。該程序的啟動(dòng)代碼位于該程序的最底部：if ＿＿name＿＿ ＝＝ ＂＿＿main＿＿＂：
   load＿known＿faces（）
   main＿loop（）

我們要做的是加載已知的人臉（如果有的話），然后啟動(dòng)主循環(huán)，該循環(huán)從相機(jī)讀取并在屏幕上顯示結(jié)果。整個(gè)程序只有大約200行，但是它可以檢測(cè)到訪客，對(duì)其進(jìn)行識(shí)別并每當(dāng)他們來到你的家門時(shí)進(jìn)行跟蹤。擴(kuò)展程序該程序是一個(gè)示例，說明了如何在便宜的Jetson Nano 2GB板上運(yùn)行少量的Python 3代碼來構(gòu)建功能強(qiáng)大的系統(tǒng)。如果你想把它變成一個(gè)真正的門鈴攝像頭系統(tǒng)，你可以添加其它額外功能：當(dāng)系統(tǒng)檢測(cè)到門口有新人時(shí)，它會(huì)用Twilio向你發(fā)送短信，而不是僅僅在你的顯示器上顯示，或者你可以嘗試用真實(shí)的數(shù)據(jù)庫替換在內(nèi)存中的人臉數(shù)據(jù)庫。你也可以嘗試將這個(gè)程序轉(zhuǎn)換成完全不同的程序。閱讀一幀視頻，在圖像中尋找內(nèi)容，然后采取行動(dòng)的模式是各種計(jì)算機(jī)視覺系統(tǒng)的基礎(chǔ)。嘗試更改代碼，看看你能想出什么！比如當(dāng)你回家走到自己家門口時(shí)，讓它播放你自己定制的主題音樂怎么樣？你可以查看其他一些人臉識(shí)別示例，以了解如何進(jìn)行類似的操作。面部識(shí)別示例：了解有關(guān)Nvidia Jetson平臺(tái)的更多信息如果你想了解有關(guān)使用Nvidia Jetson硬件平臺(tái)進(jìn)行構(gòu)建的更多信息，Nvidia會(huì)提供新的免費(fèi)Jetson培訓(xùn)課程。查看他們的網(wǎng)站以獲取更多信息。他們也有很棒的社區(qū)資源，例如JetsonHacks網(wǎng)站。