登录社区云，与社区用户共同成长
邀请您加入社区
本文介绍了基于Jetson Nano的智能视觉系统开发方案。软件部分包含主程序结构、参数设置和核心功能实现。硬件选用Jetson Nano B01开发套件（1249元），搭配双目摄像头（261元）、USB声卡（30元）等外设，总成本约1540-1869元。系统在Jetson Nano上实现0.35秒延迟的实时检测，功耗仅5W。文章详细说明了软硬件配置方案、环境搭建建议，并分析了在不同Jetson产
jetson 系列机器单独安装cuda cudnn和tensorrt，不用刷机
概述NVIDIA Jetson TX1是计算机视觉系统的SoM（system-on-module）解决方案。它组合了最新的NVIDIAMaxwellGPU架构，其具有ARM Cortex-A57 MPCore（Quad-Core）CPU族，实现性能与电源功耗的最大优化，满足下一代产品的工业视觉计算的要求。Jetson TX1 SoM设计满足低功耗环境要求，集成：l 先进的3D图
使用官方自带的安装方法TX2产品官网自带安装方法，个人推荐这个，网址如下：https://docs.nvidia.com/deeplearning/dgx/install-tf-jetsontx2/index.html在安装TensorFlow之前，请确保安装JetPack 3.3，TensorRT已包含在JetPack包中。$: pip install --extra-index-url ...
JetsonTX2上安装tensorflow的心酸史还是那句话，做事情得有耐心，有耐心…耐心….心……感觉像是给自己的一个心理暗示… -。-|||tensorflow安装常见问题总结验证tensorflow1.3.0安装好的，进入正文，本文安装的是tensorflow1.3.0，使用的是源码编译安装，python2.7，cuda8.0，cudnn6.0.2....
Nano的镜像默认是国外的源，速度很慢，国内的源有的上不去，有的包无法安装，经过测试清华大学的源完美可用，现放上教程首先备份原本的source.list文件sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak#为防止误操作后无法恢复，先备份原文件sources.listsudo gedit /etc/apt/source...
仰慕已久的TX2终于到货了，分享一下配置过程。先来一张板子图，这里主要使用的是右下角的电源按键【19】，强制恢复按键【20】和重置按键【22】.1.开机测试：首先找块屏幕这里是HDMI接口连接，鼠标键盘也接上。然后恩开机键，图中最下面的红键（两侧亮灯的那个就是电源键）。因为这里配置比较简单就没留图。就是根据屏幕的提示做，安好显
#检测yolov4tensorrt模型：刚开机：4个CPU使用率刚开机都是在百分之2-25%之间浮动的！GPU使用为0使用Yolov4 在416x416的情况下，CPU和GPU使用情况每帧的检测时间约为0.21s，检测帧率为：1000210≈4.76(fps)\frac{1000}{210}\approx{4.76}(fps)2101000≈4.76(fps)运行了10分钟之后，硬件设备温度都会
它加载图像（或多张图像），使用TensorRT和imageNet类进行推理，然后叠加分类结果并保存输出图像。这里视频就放一份了，理论上将既然有概率性的问题求解方式，不同时间运算的结果可能会有差异。第一次运行神经网络，虽然模型是预训练的，但是本地部署还是有个初始化过程，好像是建立一些cache的过程，具体有待进一步研究。国内，由于“墙”的存在，对于我们这种处于起飞阶段的菜鸟来说就是“障碍”。那么问题
本文探讨NVIDIA Jetson TK1在高性能计算中的应用，重点分析其统一内存架构的性能优势及低功耗特性。通过与独立GPU对比，验证了TK1在云设备场景下的能效表现，并提出其作为协同调度平台的潜力，适用于节能型高性能计算环境。
为了解 Nvidia Jetson 视频解码过程，搜索了其中的代码，发现解码器是类 videoSource 的衍生类。于是决定先看看 videoSource 是如何定义的搜了一下， 发现 videoSource.h、videoSource.cpp 位于目录 /home/jetson/jetson-inference/utils/video。1. videoSource 的定义我们先来看看 vide
类 videoOutput 的定义如下。查看了一下 videoOutput.cpp，发现它作为一个抽象类，依然很流氓地引用了其衍生类 glDisplay.h、gstEncoder.h。1. videoOutput 的定义class videoOutput{public:static videoOutput* Create( const videoOptions& options );sta
欢迎大家关注笔者，你的关注是我持续更博的最大动力原创文章，转载告知，盗版必究在Jetson Xavier NX上导入tensorflow报错：AttributeError: module 'wrapt' has no attribute 'ObjectProxy'文章目录：1 问题说明2 解决错误2.1 找到问题的原因2.2 最终错误的解决方式环境说明：NVIDIA Xavier NX 开发板安装
Jetson Nano B01是一款性价比高的AI开发板，适合新手入门。主要优势在于价格便宜（1249元套件）、使用方便（带完整接口）、功耗低（5-10W）。但性能有限（0.5TOPS）且兼容性较差（仅支持Jetpack4.6.3）。购买建议选择包含TF卡、外壳、电源等配件的套装。使用需注意与官方版的系统配置差异，建议通过供货商提供的预装系统启动。使用时可通过USB共享网络，注意文件系统兼容性问题
最近准备出差，带着Jetson Orin Nano配套的裸奔屏幕，非常不方便。所以打算采用Headless的方式带着主机跑。要做到这样，当然需要最基本的就是远程登录ssh/vnc。可惜当不接物理屏幕的时候，远程VNC只能看到一个logo。好吧，谁叫咱们技术出生，搞定了，希望永远别来折腾了，记录下来。
本文介绍了在Jetson Nano B01SUB上实现3D音频输出的方案。硬件采用USB声卡+立体声耳机，软件使用Python结合pyglet或pyaudio库。文章对比了Jetson Nano的经济性和性能局限，建议AI应用可考虑更高配版本。重点讲解了pyglet实现3D音频的代码方案，包括OpenAL驱动配置、HRTF启用、声音定位等核心功能，并提供了可运行的完整示例代码。同时提供了基于pya
在Jetson板子上多次遇到编译caffe或video-caffe或opencv时或者某些网络模型的python代码内调用的C++版加速算子时，会遇到编译到半路报这种错误:c++: internal compiler error: Segmentation fault (program cc1plus)Please submit a full bug report,...后面更多的信息就不贴出来了
接下来，将专注于目标检测，通过提取边界框来找到帧中各种目标的位置。与图像分类不同，目标检测网络能够在每帧中检测到多个不同的目标。默认使用的模型是基于MS COCO数据集训练的91类SSD-Mobilenet-v2模型，该模型在Jetson上结合TensorRT实现了实时推理性能。国内，由于“墙”的存在，对于我们这种处于起飞阶段的菜鸟来说就是“障碍”。对象接受图像作为输入，并输出检测到的边界框坐标列
文章目录环境建立python3功能包初始化工作空间创建功能包编写节点编译亲测可行，如有疑惑，直接先跳到最后查看效果图~所使用的python为3.6.9。环境Jetson nanoUbuntu18.04python3.6.9ROS MelodicJetson系列基础环境配置：Jetson系列——Ubuntu18.04版本基础配置（换源、ROS、远程桌面、开机自连WIFi、SD卡备份）建立python
1. Jetson TX2开机自动挂载CAN模块（1）在/etc/init.d/目录下创建can_load.sh脚本文件，内容如下：#!/bin/sh#命令modprobe canmodprobe can-rawmodprobe can-bcmmodprobe can-gwmodprobe can_devmodprobe mttcanexit 0（2）修改文件的权限：sudo chmod 755
在NVIDIA Jetson AGX Orin上部署千问多模态大模型Qwen2.5-vl，并利用其进行对画面中的目标物体的检查及位置返回。
人作为CUDA编程初学者，在学习编写使用CUDA计算矩阵相乘代码时发现，如果我的 block_size >= 64 时，代码就会计算出错。本篇旨在分析block_size设置过大产生错误的原因并给出改正方法，以及介绍一些查看CUDA设备线程块大小的方法
文章目录一、jetson安装triton-inference-server1.1jtop命名行查看jetpack版本与其他信息1.2下载对应版本的安装包1.3解压刚刚下载的安装包，并进入到对应的bin目录下1.4尝试运行一下tritonserver二、运行triton-inference-server2.1下载相关文件包2.2生成模型文件2.3启动tritonserver三、测试triton cl
NVIDIA Jetson AGX Orin源码编译安装CV-CUDA__非opencv的cuda版本
文章目录前言40-Pin扩展口中的UARTpyserial调试串口微信公众号前言Nvidia Xavier GPIO 输入输出 中断 PWM上节总结了40-Pin扩展口中GPIO的应用, 本节介绍一下UART的应用. Xavier引出5路串口, 参考前篇Nvidia Jetson AGX Xavier 硬件相关中的UART一小节.40-Pin扩展口中的UART40-Pin扩展口中引出...
注意 Jetson 采用的不是 x86_64，而是因为Jetson 系列开发板采用的 ARM64 架构，不是 x86_64架构，因此无法直接安装成功，会提示如下错误因此需要下载形式的安装包，推荐使用下载安装，我选择的是 Anaconda3-2023.03-Linux-aarch64.sh。然后一路 yes即可！
我有NVIDIA Jetson Nano和FullHD Ip相机。摄像机流RTSP / h264。我想从这台相机的python脚本中解码帧以进行分析。CPU 解码因此，我尝试使用类似的方法：# import the necessary packagesfrom imutils.video import VideoStreamimport imutilsimport timeimport cv2#
在英伟达官网针对Jetson提供很多现有适配大模型方法，想学习的进入网站链接有参考适配步骤。
最近要将一个使用PySide6写GUI的程序部署到英伟达Jetson Nano上。原本以为装个conda就能很快装好环境，结果发现arm的生态有点太糟糕了，啥都要自己编译安装，尤其是这个Pyside6。经过几天的探索，终于成功安装，于是写篇教程弥补一下网上对相关内容的缺失。Pyside6不仅源码要自己编译，相关的各种依赖也各种麻烦。下文将我用源码编译安装PySide6的完整历程都写下来了。首先要安
NVIDIA Jetson系列安装torch, mmdetection+mmaction2的环境配置全流程 ，并部署open-mmlab的项目(mmdetection+mmaction2)，并解决预见到的问题
三种方案给Jetson Orin Nano安装系统;1:使用>32G的SD卡安装开发套件;2:在Ubuntu18.04下通过SDK Manager软件在线安装系统.3:在Ubuntu18.04下通过脚本方式安装系统.
自从JetPack 升级到 5.0版本之后，可以，官方教程提供了三种方法：SD卡、SDK Manager 以及 apt安装Jetpack。前两种主要用于Orin系列之前的 Jetson开发板，主要针对还没有烧录系统的空机。而从 Jetson Orin系列开始，便支持 apt 安装 Jetpack。
文章目录前言载板PCB层叠与阻抗699-Pin连接器以太网M.2PCIE40-Pin扩展口风扇接口自动控制接口电源域按键和指示灯音频接口eSATA / USB 3.1 Type A连接器UFS / Micro SD插槽HDMIUSB Type-C 和 Micro-USBI2CSPIUARTCAN官方验证过的电源/扩展卡总结 / 参考微信公众号前言几种Jetson的对比:Xavier的接口有...
Jetson因为是基于arm的与传统基于x86的主机或服务器的模型部署略有差别，但基本类似，主要分为三步。
Jetson Orin系列AI开发板就是百花齐放的统一内存阵营的一员。在固件更新后，Jetson Orin Nano的8G版本性能释放到了25w，双通道内存带宽达到了102GB/s，算力也是来到了恐怖的67TOPS。
本文主要介绍了NVIDIA Jetson Orin Nano 8G 开发板开箱测评：边缘AI设备的性价比之选，希望对使用大语言模型的同学们有所帮助。
Jetson
——Jetson
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
九章云极普惠算力
HarmonyOS开发者社区
魔乐社区
鲲鹏昇腾开发者社区
EazyDevelop社区
2048 AI社区
GitCode-AI社区
FlagOS智算系统软件栈
AI编程社区
MCP技术社区
松山湖开发者村综合服务平台
