NVIDIA Jetson Nano 2GB 系列文章（34）：DeepStream 安装Python开发环境

大部分我们在网上看到的DeepStream示范，都是用开发包里提供的deepstream-app这个应用，然后透过“-c”去指定配置文件，来实现很多DeepStream的各种用法，包括同时导入多个输入源、结合多个检测器等等，让我们很轻松地体验到DeepStream的强大与易用。

但是deepstream-app这个范例为了展现完整的功能，反而不适合开发人员去修改成自己想要的专属应用，当然不是说做不到，而是你必须花费更多时间去解读deepstream_app_main.c、deepstream_app_config_parser.c、deepstream_app.c这三支代码的所有内容，总计超过2,200行，如果能了解透彻绝对有助于驾驭DeepStream的绝大部分功能，不过这对初学者来说就太过艰辛了。

事实上DeepStream 5.0提供了大约20个C/C++所写成的范例代码，存放的位置在/opt/nvidia/deepstream/deepstream-5.0/sources/apps/sample_apps里，deepstream-app是其中一个。如果要循序渐进的话，最好参考DeepStream开发手册对这些范例的介绍与使用说明，

https://docs.nvidia.com/metropolis/deepstream/dev-guide/text/DS_C_Sample_Apps.html。

在NVID-AIOT的github仓里有非常多基于DeepStream框架所开发的应用，几乎都是以deepstream-test系列的C/C++代码为基础进行修改，例如“redaction_with_deepstream”遮脸应用、“deepstream_pose_estimation”姿势识别、“deepstream_lpr_app”车牌识别、“Deepstream-Dewarper-App”鱼眼镜头还原应用、“deepstream-occupancy-analytics”人流分析。。。等等。

但是C/C++毕竟不像Python那么容易上手，因此NVIDIA在github上发布DeepStream的Python范例代码，在https://github.com/NVIDIA-AI-IOT/deepstream_python_apps 可供自由下载使用，现在我们就在Jetson Nano 2GB上下载DeepStream的python范例，并且执行看看效果如！

• 安装DeepStream的Python开发环境

Python接口的安装对DeepStream而言是个“可选项”，因此安装DeepStream的过程并不会自动安装Python接口，这部分需要手动处理，请执行以下指令进行安装：

执行后会在目录下生成“pyds.so”库文件，后面的Python代码中只要加入“import pyds”，就能导入DeepStream的Python模块开始使用，至于DeepStream的Python API接口定义细节，请自行参考

https://docs.nvidia.com/metropolis/deepstream/python-api/index.html里详细的说明。

• 安装Gst Python这个绑定（binding）元件

根据下图DeepStream Python应用的执行工作流所示，这个开发环境还需要安装“Gst Python”元件进行“Python Bindings”任务，这样才能执行管道建构（Pipeline Construction）、访问元数据（MetaData Access）与图像数据访问（Image Data Access）等功能。

DeepStream元数据包含推断结果和分析中使用的其他信息，元数据附加到每个管道组件接收的Gst缓冲区，SDK元数据库是用C/C++开发的，Python绑定提供了对Python应用程序元数据的访问，绑定在编译模块中提供，可用于x86_64和Jetson平台。

安装的步骤可以在DeepStream开发手册“Python Sample Apps Source Detail”中找到（https://docs.nvidia.com/metropolis/deepstream/dev-guide/text/DS_Python_Sample_Apps.html），我们也将安装步骤列在下面：

好了，到这里就完成DeepStream的Python开发环境的配置，现在就可以开始用Python语言调用DeepStream接口去开发应用了。不过相信绝大部分的读者是不会有耐性，去从零开始学习DeepStream的Python开发，最简单的方式就是用NVIDIA提供的Python范例来进行测试与修改。

• 下载DeepStream的Python App范例

这部分内容并不包含在DeepStream安装包里面，需要从NVIDIA提供的开源仓下载，网址在 https://github.com/NVIDIA-AI-IOT/deepstream_python_apps，直接下载就能使用。不过由于这套范例的设定文件，都已做好相关环境的路径配置，因此最好下载到指定的位置（/opt/nvidia/deepstream/deempstream/sources）就可以节省很多路径调整的时间。

请执行以下指令下载deepstream_python_apps到本地：

最后一个步骤，是为了让上我们具备足够的权限去修改这个目录下的文件。

• 阅读重要文件

在开始进入范例执行之前，建议大家先看一下里面的几个重要文件，您可以直接进入deepstream_python_app目录，用自己惯用的编辑器去打开，也可以直接在前面的github网页上打开这些文件。

由于文件都是Markdown格式（.md），因此在网页上打开阅读会比较方便。这里主要有三个文件，对我们的使用会有很大的帮助：

1. README.md：这里的内容就是这个项目的总指引，包括前面的架构图等等。需要强调一点，里面虽然表示“支持SDK 5.1版本”，但实际测试之后其实也支持5.0版本，因此已经安装DeepStream 5.0版本的人，就不用急着升级。
2. HOWTO.md：这里面处理前面安装“Gst Python”的步骤之外，下面所提到的技术原理也是非常重要的，对于进一步了解DeepStream的工作流是有帮助的，另外关于“元数据存取”的部分，最好也能先行浏览一下。
3. FAQ.md：这个文件整理了很多问题集，是非常有价值的部分，后面执行过程中遇到的一些问题，就先到这里来看看是否有对应的解决办法。

NVIDIA的使用手册一向都撰写的非常详细，因此先耐心地阅读这些文件，会得到很多助益。接下来看看想范例的内容有哪些？

• DeepStream的Python范例内容：

目前这里提供12个Python范例，每个范例存放在对应的目录之下，其目录名称与简单功能描述如下列表（名称以目录名为主）：

• deepstream-test1：4类物件检测功能，输入源为视频文件做
• deepstream-test1-usbcam：用USB摄像头作为deepstream-test1的输入源
• deepstream-test1-rtsp-out：用RTSP视频流作为deepstream-test1输出
• deepstream-test2：4类物件检测+目标追踪+物件属性分类的管道
• deepstream-test3：同时执行多视频流输入源的4类物件检测
• deepstream-test4：透过msgbroker将分析结果发送到云端指定地址
• deepstream-imagedata-multistream：结合“图像缓冲区访问”功能的多视频流处理
• deepstream- ssd-parser：通过Triton执行ssd推理，在Python进行输出解析
• deepstream-opticalflow：以NumPy阵列返回流矢量的光流和可视化管道
• deepstream-segmentation：NumPy数组中返回分割掩码的分割与可视化流水线
• deepstream-nvdsanalytics：具有分析插件的多流管道
• runtime_source_add_delete：在运行时添加/删除源流

以上范例，从最粗浅的单检测器调用/单流输入（视频或USB摄像头）/单流输出（显示器或RTSP），到进阶的多检测器叠加与追踪功能，还有透过msgbroker将分析数据上传到云端服务器的范例，以及结合NVIDIA Triton推理服务器的资源应用等等，内容相当丰富而且实用，在后面的文章中我们将挑选5~6个范例，带着大家去实现并且进行简单的代码说明。

• 执行第一个Python范例：

既然以及安装好Python开发环境，我就来执行个最简单得到范例。前面所列范例中的deepstream-test1到deepstream-test4的功能，与DeepStream开发包预安装C/C++版本的deepstream-test1到deepstream-test4是一样的功能，只是用不同语言去调用而已。

由于C/C++版本的范例执行文件已经都事先编译好，因此我们可以直接在任何路径中进行调用，接下去就执行以下指令，感受以下两种范例的功能是否一致：

看看二者所执行的结果是否完全一样（如下截图）？

好了，现在是否清楚这几个Python范例与C/C++范例之间的关系！后面将再以其他几个实用范例带着大家一起使用Python去实现DeepStream的功能。【完】