预构建示例应用程序

• 验证硬件功能：确认摄像头、显示、音频和 AI 加速器在您的开发板上正常工作。
• 理解管线结构：了解如何使用 qtivtransform、qtimltflite 和 qtivcomposer 等 IMSDK 插件构建 GStreamer 管线。
• 进行性能基准测试：使用优化的管线测量实时多媒体和 AI 任务的吞吐量和延迟。
• 加速开发：将可运行的示例作为构建自定义应用程序的起点。每个示例都演示了零拷贝数据流、硬件卸载和插件配置的最佳实践。

• 完成设备设置。
• 确保 IQ‑9075 设备正在运行 Ubuntu 操作系统。
• 设置 Wi-Fi 并通过 SSH 访问 IQ-9075 EVK 设备
• 如果尚未安装 PPA 软件包，请执行安装所需软件包步骤。

​

安装所需软件包

​

下载并运行工件脚本

• 模型 – 示例应用程序用于推理的预训练机器学习模型。
• 标签 – 将模型输出映射为人类可读类别名称的元数据文件。
• 媒体文件 – 用于运行和验证应用程序的示例输入数据（如图像或视频）。

cd /home/ubuntu 
curl -L -O https://raw.githubusercontent.com/quic/sample-apps-for-qualcomm-linux/refs/heads/main/qualcomm-linux/scripts/download_artifacts.sh
sudo chmod +x download_artifacts.sh 
sudo ./download_artifacts.sh

​

验证模型/标签/媒体文件

​

预构建示例应用程序列表

​

运行目标检测示例应用程序

1. 使用 SSH 或 SBC 终端登录。
2. 设置所需的环境变量，将 Wayland 应用程序连接到当前的用户会话。

export XDG_RUNTIME_DIR=/run/user/$(id -u ubuntu)
export WAYLAND_DISPLAY=wayland-1

3. 对于 Ubuntu Desktop：
   运行以下额外命令以创建缺失的符号链接（针对 TensorFlow Lite C 库）。

sudo ln -s /lib/aarch64-linux-gnu/libtensorflowlite_c.so.2 /lib/aarch64-linux-gnu/libtensorflowlite_c.so

4. 使用以下命令运行 gst-ai-object-detection 应用程序。\

gst-ai-object-detection

5. 要显示可用的帮助选项，请在 SSH shell 中运行以下命令：

gst-ai-object-detection -h

export GST_DEBUG=3

6. 要停止应用程序，请按 CTRL + C

​

参考文档

• 运行 AI/ML 示例应用程序
• Qualcomm IM SDK 入门