共计 1451 个字符，预计需要花费 4 分钟才能阅读完成。
欢送关注我的公众号 [极智视界]，回复 001 获取 Google 编程标准
O_o >_< o_O O_o ~_~ o_O
本文介绍了 deepstream-app 的应用与配置阐明。
对于 deepstream 的装置能够参考我之前写的文章《【教训分享】ubuntu 装置 deepstream6.0》、《【教训分享】ubuntu 装置 deepstream5.1》，胜利装置后会在 /usr/bin 里生成一些例程可执行程序，如 deepstream-app 就是最根底的一个，这里通过这篇文章介绍一下 deepstream-app 的应用和配置阐明。
1、deepstream 架构
deepstream 架构图如下：
deepstream 参考了 GStreamer 来构建，由很多插件形成，如能够看到 VIDEO DECODE 视频编解码、TensorRT 推理引擎、OpenCV 跟踪器、显示渲染插件等。上面列举一下次要插件：
- Gst-nvstreammux：这是个流会集的插件，将多个输出流会集到一批缓冲区；
- Gst-nvdspreprocess：在事后设置的 ROIs 上做预处理；
- Gst-nvinfer：基于 TensorRT 的推理插件，这是最外围的；
- Gst-nvtracker：基于 OpenCV 的跟踪插件，用于指标 ID 的跟踪；
- Gst-nvmultistreamtiler：用于造成二维数组模式视频帧；
- Gst-nvdsosd：这是屏幕显示插件，用于画一些 boxes、检测框等；
- Gst-nvmsgconv 和 Gst-nvmsgbroker：用于将剖析的数据传输至云服务器。
2、deepstream-app 配置阐明
deepstream-app 是 deepstream SDK 中的一个例程可执行程序，性能也是非常弱小，外面的配置也是比拟多，这里具体介绍一下。
deepstream-app 的配置被拆成了组的模式进行积木搭建，次要有以下这些组：
每个具体的 groups 中又会有很多的配置参数，其中 Primary GIE and Secondary GIE Group 这个插件就是加载 TensorRT ENG 进行推理用的，这里 NVIDIA 的官网文档讲的非常分明，能够进行相应的查问，这里就不多说了，传送：https://docs.nvidia.com/metro…
轻易看一些理论跑 deepstream-app 的时候 config 里的货色：
能够看到像 application、tiled-display、source、sink… 这些都是能够从下面 NVIDIA 中给出的查问表中查到对应的配置阐明的，须要批改的话对应批改一下就行了，这也是 deepstream 的初衷，按性能拆分成小插件，以插件化搭积木模式疾速构建深度学习利用，使用者不须要深刻了解每个小插件的开发方式。
3、deepstream-app 的应用成果
按如下操作演示一个例程：
cd /opt/nvidia/deepstream/deepstream/samples/configs/deepstream-app
deepstream -c ./source4_1080p_dec_infer-resnet_tracker_sgie_tiled_display_int8.txt
会蹦出一个演示视频来，这里放了个截图，成果还是不错的。
这里分享和介绍了一下 deepstream-app 的应用和配置阐明，心愿我的分享能对你的学习有一点帮忙。
【公众号传送】
《【模型推理】deepstream-app 介绍》