视频场景数据处理及模型训练

讲師：NVIDIA高级解决方案架构师张海军主要负责NVIDIA Jetson系列产品技术及架构相关的解决方案

EasyDL-Jetson视频场景数据处理及模型训练：

1. 视频应用场景分析及行业介绍
   a) AI在视频行业中的应用
   b) 视频应用流程及痛点

首先，视频应用目前在全球或者国内都有非常广泛的应用覆盖许多行业。

• 写字楼或者地铁、安检、机场都有深度ID比对人脸识别，或者其他的行为检测行人的聚集点，有非常多基于图像的应用
• 车站内的逃票或者丢失寻找的視频视觉的应用。
• 检测场景在手机制造和PCB，芯片制造行业都会遇到很多的检测问题比如良品率的问题，传统的焊接会产生各种各样的漏焊或者不规则导致的缺陷利用这个可以解决传统的算法，来检测无法避免精度的问题能够带来很好的效率，同时也能处理大量的数據因为在不停迭代生产过程当中，随着不同产品包括缺陷的多样性，对缺陷检测带来了挑战
• 交通场景，视频应用是一个非常典型的案例它给整个城市交通疏解和调度带来了很大的便利，整个城市的视频数据是一个非常大的数量级不仅需要很高的算力，同时也要求囿很高的实时性
• 零售场景，在大型商场里不但有安全相关的需求同时有一些消费类的画像，用户消费习惯的跟踪还有能够实时捕获，实现零售行业的无人化、智能化以及高效化
• 物流行业中，目前国内大部分物流分拣以及打包包括运输都已经实现基于视觉或者辅助传感器的自动化同时给这个行业带来很高的效率，同时能够减少人力的成本
• 在更大范围场景里，例如机场可能利用人为或其他方式无法很好解决，利用视频就可以非常容易覆盖更多的信息解决调度的问题。
• 在安全性方面也有非常广泛的应用，特别是像人员比较密集以及车辆和其他的安全性，这种视频类的应用也是非常广泛也是非常迫切的需求。

可以看到前面列举几个比较典型的例子里也能够看到整个视频应用的场景非常典型，都是处理基于视频相关的也就是处理图像或者视频应用。然后通过解码做预处理然后到深度学习嘚网络，然后对输出的结果做二次处理你可以传送到云端做一些调度，也可以在现场直接做实施的交互相应整个的应用非常的类似，楿似度非常高针对这些相似度非常高的应用，我们就很容易标准化这样的框架来优化整个pipeline达到提升应用的能力。截止到今年的统计夶概全球有10亿个像这样的视频部署，也就是说视频应用几乎所有的传感器里最多的因为基于图像的信息非常的丰富，而且多样化也是其他所有传感器是不能比拟的。

下面介绍一下我们今天实践的内容一个完整的应用会从数据采集到训练到后期的部署，这三个步骤里苐一个是要解决数据采集的问题，数据来源于生产和生活也是我们用户掌握的。第二步就是训练第三步就是选择合适的平台，根据业務场景通过推理来解决实际的问题。
今天我们这个DEMO模型是通过EasyDL训练得到的EasyDL前面几节直播课都有非常详细介绍。EasyDL它支持很多种类的模型同时有专业版和经典版可以供大家选择，经典版就相对比较步骤简单明了专业版也适合有定制化需求，有更高定制化目的做更深层次嘚模型的训练和定制化整个界面非常简洁，用户只需要上传数据然后打自己的标签，选择合适的模型训练完以后就可以拿到自己的模型，可以通过EasyDL部署也可以通过其他的方式，今天我就给大家介绍通过Jetson的DeepStream来做部署
在这之前我给大家介绍一下Jetson这个平台，Jetson平台目前已經有NanoTX2，XavierNX，8G/16G算力从1.5T到21T，到性能最高的32T功耗从5W到15W一直到最高的30W，能够覆盖到比较常见的像视频应用以及辅助驾驶机器人，以及各种無人车这种非常典型的应用，30W的应用是最高的一款同时性能也是最高的，大家可以根据不同的场景选择使用哪款产品Nano保留了经典的接口，比如说PCIE等很多主流的接口算力较低，功耗较低更为复杂的，比如说对传感器要求比较高针对无人车的应用或者机器人应用，伱可以选择TX2接口非常丰富，算力也非常突出同时支持mipicamera这样的传感器，最高支持2个lane6路很适合做传感器融合，同时兼顾深度学习的应用再高端的NX，它能够提供更高的算力如果你的实际应用对算力比较敏感，NX是比较好的选择功耗和TX2一样，算力高很多接口较少一些。Xavier昰我们里面接口最全也是算力最高的，你可以当做一个小的服务器在辅助驾驶里用也是非常合适不管是硬件还是软件都会给大家统一嘚架构，很多的底层的硬件接口都是统一的版本也是统一的，每次我们发布新的版本都会涵盖所有产品系列版本是统一的。如果你的應用在不同的平台之间来回切换非常容易没有额外的成本，是在统一的架构里
我们知道不管是IVA还是机器人还是无人车的应用，针对不哃的行业、场景以及应用都会对产品本身有很高的定制化的要求我相信仅仅依靠硬件定制满足产品需求基本是不可能，因为需求多变茬前期不确定的情况下，高度的灵活以及后期满足不停的迭代需求，这样必然是软件定义的架构也就是说硬件提供最基本的计算能力，应用场景通过软件不同实现来满足比如说机器人或者无人车这种直接交互的应用，感知、决策和推理这是三个主要的方面这是一个唍整的循环，在实际应用场景里感知是获取环境当中的图象数据、超声波或者红外，基于感知数据基础之上利用GPU加速推理相关的结果，做出相关的决策同时适应周围环境的变化，解决实际的问题所有这些应用都会基于最核心的几个lowlevel库，最上一层是各种应用和frameworkEasyDL，具體的应用比如基于红外或者路径规划的这就是满足行业不同的需求。
Jetson目前围绕整个行业的需求也衍生出非常多的partner在整个生态里围绕用戶的需求出现非常多的，比如说定制硬件做各种载板，提供各种算法的最终目的就是为了解决实际场景，用AI也好嵌入式也好，都是為了解决实际的问题在Jetson上做一个解决实际问题的产品非常快速，因为你不需要从0到1把所有东西都自己实现一遍，合理的利用生态里的產品更快的把精力放在你擅长的方面，这是JetsonSoftware的stack上层是我们的硬件，中间是DeepStreamIsaacSDKs，处理各种矩阵计算和视频相关的加速库这些典型的库嘟有Jetson上面的硬件支撑，下面会详细给大家介绍DeepStream解决IVA行业相关应用，我们把所有典型的IV应用需要的环节覆盖到我们设计这样的环节，有高度优化不管是客户还是开发者，直接利用这样的框架实现自己的实际的应用不需要再解决如何解码，如何搭建整个框架优化pipeline，这些都在DeepStream里做好了Isaac是针对机器人或无人车上推出的SDK，但是它是由底层加速盒和硬件支撑的非常高效。
DeepStream它是基于开源的Gstreamer框架是plugin的形式，通过流式的传递到每个环节流动到每个plugin，能实现自己相关的功能用户或者开发者都可以自己通过不同的plugin组合解决实际的问题。可以看箌DeepStream里面实现的功能，首先DeepStream对IVA的典型应用就是解码这是非常重要的环节，因为有不同的格式比如USB或者MIPIcamera，有可能是其他的比如黑白或紅外的，这些输入的支持和读取解码已经在DeepStream集成好你根据自己的需要配置成不同的模式就可以。下一步就是decode基于Gstreamer构建推理引擎，也就昰说所有应用直接可以在DeepStream上跑同时DeepStream对不同的网络以及后续的根算法，以及360镜头这种视频的校正还有其他的，跟云端的通信比如说IOT相關应用，消息的发布以及分布式，像这样典型的应用里面会涉及到各种通信的协议以及如何部署发布，以及多视频的管理包括stream管理，都在DeepStream里已经做好用户只需要简单的配置就可以利用起来。同时Jetson所有内存之间是统一的不管是GPU还是不同的processor之间互相的流动，它是内存矗接可以共享的

再进一步，面向非常高层的比如你可以选择在大卡上部署，也可以在云端部署也可以在jetson上部署应用，直接解决相关嘚问题把得到的解果存储下来，或者分析的数据通过我们已有的组件跟云端交互同时提供了Transferlearning，可以在DeepStream里应用IOT分布式的应用就可以很嫆易部署大规模的IVA的应用。

下面DeepStream的底层就是我们的硬件或者是TESLADeepStream都是可以运行的。最上层就是CUDA衍生了很多应用，这个CUDA包括各种硬件编辑碼都可以在Deepstream里访问到在这之上就是跟编解码和转接码，做缩放和格式转化的这些都已经封装在DeepStream里了，有很多常见的编码都是支持的包括H264/265/RTSP，还有IOT相关的应用DeepStream里已经把这部分绿色的，包括IOT相关的协议已经做好而且大部分的案例都有相关的原码供大家参考，最上层就是利用DeepStream解决实际的问题这是用户定义的。
接着往下走这是DeepStream内部的framwork，前面介绍的比较关键的是capture然后是decode，然后是inference这里会更加详细给大家展示这样的流程。第一步是基于多媒体的应用可以是视频或图像，通过网络获取一些网络流或者访问USB，或者是mipicamera第二步就是利用Jetson集成硬件的DECODE，DeepStream已经做了集成底部的差异，比如在Jetson和大卡上切换已经做了隐藏你只需要简单的配置，并不需要关注底层就可以做到非常高性能的编解码性能，比如Nano支持8路1080P30帧这样的解码再一步就是非常关键的，也就是在很多平台里都会遇到的不管是做Training还是inference，就是格式转化同时要做浮点转化，做一个缩放这些都是非常常见的应用，这些是实时的过程对算力和性能都有一定的要求，如果在CPU做基本很难做箌实时在Jetson上就有很多种选择，比如用我们专用的硬件VIC来做各种转化也可以用我们的GPU实现这些预处理，这些非常关键因为在实时预处悝当中，你留给解码的时间是非常少的因为30帧的应用就33.333毫秒，后面还有一个非常好的性能所以要合理安排每一步每一环节的性能都要足够，才能达到实时的应用如果是多路的视频应用会涉及到gstream处理，多路视频流管理这部分会有DeepStream的plugin，会有这样的插件管理帮大家做，夶家可以动态的配置调整后面就是分类应用，可以在GPU上跑如果是inference，如果是Nano可以在GPU上跑后面涉及到二级网络、三级网络、四级网络，仳如做tracking可以在GPU上跑，也可以在PVA上跑简单的可以在CPU，复杂的建议在专用的处理器上做GPU或者PVA，达到实时的效果后端可以把原来的图像莋缩放，你可以选择存到本地或者通过集成rtspserver直接输出到一个端口，就可以实时拉到这个视频流所有这些都在DeepStream已经做好了。
下面就是DeepStream里嘚核心框架的各种插件这些插件来回组合就能满足你非常多的应用。简单给大家过一下第一个是编解码，会调用底层的编解码硬件苐二会调用DLA和GPU，第三个是我们已经实现的跟踪算法比如KLT、IOU、NvDCF，对CPU占用非常低效果也是最好的一个。下面是关于消息的传递和云端交互IOT场景会用到。下面是多路视频管理包括语言管理，下面是render在各种图像上操作都可以用这个，这个是用GPU做的非常高效。再下面是视頻管理你可以有32路，可以renders到不同的应用里去有不同的排除组合下面是通过EGL加速渲染做各种显示用的。Scaling做格式转化和缩放包括旋转去噪，这个功能也非常强大DeepStream已经封装在videoconvert这样的插件里。下面是关于鱼眼的校正下面是数据校正，一级网络想传输给二级网络可以通过這个插件做。再下面是显示模块关于分割的显示插件。再下面是光流更多的详细信息可以登录我们的官网了解。

下面就是我们今天介紹CASE第一个是直接从视频文件里读取，第一步会做DECODE第二步做一个EdgeBoard，再后面是分类因为解决水果称重这样的问题，你首先要定义属于哪┅种水果蔬菜基于这个才能得到它的重量和价格，这是实时交互的应用也就是它对速度和精度都有很高的要求。再后面可以下载或者苼成一个流给第三方看

这里首先给大家介绍一下DeepStream，刚才已经介绍了很多的核心的插件我们只需要通过配置就可以实现这些功能。第一個给大家介绍一下实际案例用到的配置的含义以及实现的是什么功能。首先GPU—ID在Jetson上一直都是0，在一些大卡有很多的GPU你可以直接运行。下面是scaleing再下面是softmax，它跟后面讲到的mean这两个二选一都可以，model是我们原始的网络今天这个就是用EasyDL训练得到的网络模型。classifier是网络文件這两个是必须的。下面是engine优化好以后可以保留下来，它的速度非常快体积也会减少，也不需要重新做一次处理和优化下面就是layer分类，下面是本次网络的输出再下面是默认的batch维度，batch是8这是常见的参数。再下面是Notebook可以选择运行在16的模式或者8因为这个是在nano上做的，支歭IP16所以我们选择2，如果在Xavier可以选择8目前是一级网络，我们直接输出的是分类的结果如果网络级联可以选择二级或者三级或更多。Model-color就昰你的模型接受的颜色格式

下面是gie—unique，它是非常重要的下面也是同样的输出，然后有一个选择是阈值是多少目前运行的是Classifier，还有分割的还有其他的，tensor-meta是一个结果传输如果用多网络级联，这个是非常好用用来传递结果数据，可以自定义把这些结果数据传递到下┅级网络做各种定制化操作。这个涵盖了各个方面也是非常的丰富，基本上大部分的核心功能都通过配置文件的形式给大家实现好了

峩已经提前把DEMO原码放到了这个位置，DeepStream你在Jetson刷机以后默认会安装在/opt下面包括很多的sample，我们直接按照这个步骤进去给大家编译演示一下。

峩们直接切到JetsonNano上面我已经进到原码里去了，给大家看一下配置文件刚才给大家介绍了，是一样的同时原码也是刚才需要的几个文件，这个文件已经编译过了直接用默认版本就可以了，这个已经编译过了因为DeepStream默认的是支持端上，可以在云端部署也可以在端上部署，这个是在端上部署跑这个DEMO，制定一个文件告诉它用哪个文件，运行一下
这是一个水果蔬菜的分类，第一个是胡萝卜已经识别出來了，第二个是土豆再下面是西红柿，可以看到清晰度、分类都已经展示出来了再看一遍，还是相对比较稳定这是Nano上运行的，而且幀率是实时的也就是说这样的网络在Nano上运行已经能达到至少30帧，给大家看一下通过tegrastats可以监控一下GPU的利用率。这里有一个GRD3DGPU频率是921，前媔百分比有的时候不是99%的状态也就是说当前这个应用并没有把整个GPU性能占满，也就是说它还有一定的空间这就是DeepStream应用的案例，DeepStream还有更哆的应用可以来NVIDIA的官网查看。

Q：Nano已经把GPIO制定好了有GPIO模块或定制图纸吗？
A：有的都在Jetson里下载，GPIO很多还有很多可以复用，你可以自己萣义或者更改

A：版本可以自己选择，但是我们推荐用最新的因为我们每6个月都有大版本的更新，同时有更多小版本更新每次版本更噺都会带来很多新的feature，包括性能增强和优化

Q：EasyDL迭代更新模型以后会怎么收费？
A：这个陈老师解答一下
陈老师：EasyDL目前专业版是训练收费嘚，但是有100小时免费的时间经典版目前训练是免费的，根据设备授权方式不同会有不同的收费方式具体可以看EasyDL的文档，里面都有详细嘚价格说明
在EasyDL迭代更新模型的时候不收费，在后期调用是根据你API调用这是后付费，根据调用次数如果部署SDK的话这是预付费模式，大镓可以看EasyDL官网有价格文档有详细介绍。

Q：没明白DeepStream是用来干什么的您解释一下
A：DeepStream是一个框架，整合Jetson所有的硬件资源给你做了高度的优囮，比如不需要关注它们之间如何解码的内存如何传递的，只需要准备好自己的模型选择合适的配置去实现自己的视频应用，就是做各种视频的AI应用整个框架搭建好了，你运行这个框架就可以得到很多一个团队需要半年或者一年迭代这样一个工作。

A：DeepStream我们目前基本仩绝大多数的代码都是开源的有一部分小的库是直接调用的，绝大部分都是开源的

Q：好的，DeepStream和目标检测有什么区别
A：DeepStream是一个框架，咜支持分割模型检测、分类，包括以后会支持更多的模型应用它是一个整体的框架，是PIPELINE框架是高度优化的。

Q：如果大家想了解更多DeepStream在哪里可以看到使用文档吗？
A：我们的官网里针对DeepStream有专门的页面里面会有开发文档和sample文档，包括原码介绍和应用案例很多可以直接拉下来看到效果。

Q：大家想了解更多DeepStream可以在官网上搜索一下。DeepStream对输入的摄像头有什么要求吗
A：DeepStream目前支持USB摄像头，MIPICSI也支持RTSP，包括其他嘚摄像头都支持包括本地存储的，像MP4264的文件都支持，基本上常见的网络文件多音频文件都支持

Q：有同学问一个模型还是多个模型分別处理多路视频？
A：这个取决于你的实际应用如何配置你可以选择DeepStream运行多个模型，然后针对一个模型也可以是不同的视频匹配不同的模型，也可以是同样一个视频级联多个模型你可以任意组合。

Q：有同学问刚水果试的代码哪里可以下载
A：这是我本次做了一个DEMO，如果後面方便的话我可以给大家分享出来也是基于DeepStream已有的sample上做了一些简单的更改。

A：这一部分如果你更换算法你需要自己封装一个plugin，同时伱对上一级的inference输出比如识别某个类别的object，针对这个object做一个bbox把这部分的数据通过metadata，给了一个接口传递到最后一层拿到这个数据就可以矗接跑自己封装好的算法。

Q：好有同学问现在买到TX2是已经安装在jetpack吗？
A：正常的我们的devkit是带jetpack的但是可能是发货时的版本，有的模组是比較全新的里面没有，你可以自己刷一下非常的简单，官网都有各种教程
据我所知从EasyDLTX2软硬一体方案，拿到这TX2是不拆机的你需要有一個刷机的过程。

A：你可以刷机的时候勾选到DeepStream可以自己装好，如果不勾选可以通过单独的DEB或者原码的方式安装都可以

A：可以，目前已经囿相关的案例可以参考

Q：怎么才能知道jetpack装好了呢？
A：比较简单的就是你直接查上显示器如果有界面就安装好了，如果没有刷机一下伱可以接着安装。

Q：DeepStream是专门用来做计算机视觉的吗
A：你可以这么认为，而且我们收集了各个行业的视频的应用解决大家从0到1开发的过程，给大家做好了这样的框架如果用DeepStream很多常见的IVE应用直接可以拿DeepStream做产业应用直接部署，不需要再做很多的开发

A：应该会，现在DeepStream已经有YOLO2、3包括更新的版本，直接可以运行已经做好了，后面会加YOLOV4

Q：这些资料有没有一些中文版的？

Q：自己开发的模型可以放在DeepStream中吗
A：可鉯。DeepStream就是提供一个完整的框架给了很多的例子，其实还是希望用户把作为精力放在模型上面框架我们已经给了，剩下就是你把模型换荿自己需要的模型直接解决视频问题就可以
关于视频的回放地址，大家可以在B站百度大脑账号里就可以看到各种课程的回放，大概会茬隔天上传这也是取决于B站审核时间来看，我们会尽快上传

Q：老师您这边使用是C++还是PYTHON？
A：今天的DEMO世界是用C++大部分的AI应用都是混合的開发，编译的时候肯定会用到CUDA或者CPP但是用Deepstream的话，只涉及到C++就可以了如果用python接口直接用python就可以。

Q：DeepStream是应用到点云检测方面的检测吗
A：點云你可以了解一下isaac，DeepStream主要是处理视频相关的应用关于点云在一些robot或者无人车机器人上面用，isaac里面有更多的优化包括SDKsample供大家做二次开發。

Q：了解4.0和5.0版本有什么差异？
A：5.0版本首先对python进一步做了完善Docker应用做了更强，增加了新的案例和参考例子详细可以看一下5.0里有详细嘚说明。

A：可以但是不建议，因为Nano不适合做训练因为时间太长，而且内存比较适合做inference

Q：DeepStream在视觉导航方面有应用吗？
A：视觉导航建议叻解isaacSDK它主要解决这个问题，DeepStream主要是解决比较统一或者纯粹的高度一致的视频+AI就是推理相关的应用，属于两个不同的行业应用范围了解一下isaac。

A：本次的例子是用EasyDL训练模型inference用的是DeepStream，至于EasyDL更多的应用陈老师这边介绍一下
陈老师：我补充一下，后续我们会在EasyDL发布官方的DeepStream支歭大家从DeepStream官方平台支持下来的EasyDL都是针对DeepStream封装好的，大家可以像现在的SDK一样一键就可以跑起来，这个后续会发布大家可以关注一下。

Q：可以接海康大华摄像头进行处理吗
A：可以，海康大华摄像头结合DeepStream用的比较常见也用的非常多。

Q：请您解释一下您刚才说的inference是什么意思
A：通俗点就是跑各种神经网络深度学习模型，就是做推理的意思

Q：请您介绍一下NVIDIA有几种型号的计算卡，分别算力都是多少
A：这次主要介绍Jetson应用，我主要介绍一下至于大卡型号非常多，可以在官网上得到更专业的咨询Jetson目前主流有Nano、TX2，NXXavier，Xavier有8G、16G、32G算力从0.5T到1.3T，到NX21TXavier32T嘟有不同的覆盖，可以根据不同的应用选择不同的版本接口都是统一的。

Q：刚才说Nano不太适合模型训练TX2适合训练吗？
A：Jetson主要针对边缘端嘚应用也就是主要针对推理的应用，训练更关注的是吞吐量以及效率更多的训练相当于是一次投入，inference可以是多次如果你拿一个应用莋推理的性能设备做训练应该是得不偿失，不太适合

Q：DeepStream是解决了什么样的痛点呢？
A：简单举个例子如果你想做人脸识别应用，你需要特定的设备获取图像和第三方数据首先解决这个数据如何获取，获取以后怎么访问先要解码，而这个解码不具备相关的知识不太清楚怎么解不同的格式，不同视频封装多对应不同的解码方式同时你还要调动硬件解，如果只是CPU解码效率非常低。解码以后数据如何传遞到GPU这个之前还要做预处理，预处理怎么做如何做到高效，从摄像头出来的数据到GPU中间是不是要做很多的内存搬运以及相关的操作，以及前期处理如何用GPU如何用VIC，如何用decode这些对于只关注AI计算或者深度学习应用的人来说相当于不同领域，对他们来说非常困难可能當你把所有环节打通时候，发现你是全能的专家不再是局限于AI的工程师或者是开发人员。DeepStream就相当于解决了很多依赖于平台或者其他领域楿关知识的应用可能并不跟AI或者inference相关。

A：可以我们已经实现了三个跟踪相关的算法，IOUKLC，还有一个NVKCF而且都已经封装好，做简单的配置就可以直接用也有已经做好的DEMO，你可以看一下效果

Q：有支持双眼视觉的案例吗？
A：这个并没有可以看一下isaac相关应用，那边比较做雙目相关应用因为DeepStream更多的是拿到非常常见的正常的视频数据做处理，如果像双目这个一般做测距或者点云或者其他的isaac里涉及比较多，伱可以了解一下

介绍一下EasyDL和NVIDIA合作软硬一体方案，现在是已经在百度AI上上架价格非常合适，全网最低左侧是EasyDLJetsonNano软硬一体方案，原价1099现茬是800。中间是EasyDLJetsonTX2软硬一体方案原价3500，现价320右边是EasyDLJetsonXavier，原价5999现价是5600。买到就是赚到！
如果你在之前已经买到了NVIDIA硬件无论是哪款，首先在EasyDL岼台训练完模型以后发布是专项部署SDK，硬件时候宣传下面JetsonNanoTX2，EasyDL专用的右上角有一个控制台，然后点击蓝色的新增序列号目前只有三個月的有效期，之后会上线SDK的购买大家可以根据自己的需求进行SDK购买。
如果你想直接购买EasyDLJetsonJetsonNano/TX2/Xavier可以在百度市场搜索EasyDL，找到这个软硬一体方案现在是全网最低的优惠折扣。购买以后将会获得Jetson硬件和用于激活专用SDK的专用序列号在EasyDL训练专项适配Jetson图像分类或者物体检测模型以后，可以逐步迭代模型满足业务需求，发布模型时候选择专项硬件适配SDKJetson专用SDK，这个时候可以在右侧看到如何激活的按钮进入以后看到噭活文档，参考文档进行部署集成以后可以实现离线AI预测
具体的激活方式，大家可以扫描屏幕右侧的二维码直接进入我这里说几个需偠注意的地方，安装环节建议是JETPACK4.2.2首次使用SDK需要联网激活，接口调用流程有序列号，配置目录创建和初始化EASYDL，最后一步是图像具体夶家可以看一下昨天的课程回放，讲师在直播中一步一步带大家操作了如何快速部署Jetson Nano

下期预告，会来到领域信息处理专场6月2号到6月3号昰CV主题，6月9到6月10是NLP下周二是晚8点主题是如何使用EasyDL构建互联网内容安全方案，讲师是百度AI技术生态部高级产品经理Nathan6月3日晚8点，主题是EasyDL软硬一体方案在膀胱癌诊断上的应用讲师是武汉大学人民医院泌尿外科博士杨瑞。
如果大家对EasyDL-Jetson系列产品感兴趣可以直接扫描对应商品的②维码进入商品页进行详细了解，也可以在百度AI市场搜索“EasyDL”查看多种软硬一体方案

下一期将会来到领域信息处理专场公开课，内容覆蓋CV与NLP会有来自百度的高级产品经理、来自武汉大学的外科博士现身直播间，为大家从技术解析到实战应用深度解析AI产业应用的痛点难點！
想要快速提升自己，转型AI应用专家的小伙伴一定不要错过哦！下周课程海报：