Ubuntu的内核更新比较频繁，自动更新打开后，如果你disable掉了系统默认的nouveau驱动启用了NVIDIA GPU卡对应的驱动(具体步骤参见我的AI之路(10)--如何在Linux下安装CUDA和cuDNN)，可能经常遇到内核更新后在机器重启后发现登录界面的字体和图标变得不正常地超大而且输入登录口令后屏幕一闪又回到了登录界面，这说明NVIDIA GPU的驱动没有被加载，系统...

官网上的安装说明是按作者使用的较低版本的CUDA11.1.1和pytorch1.9.1来的，对应的mmcv也是较低版本的1.4版，我们工作服务器上的nvidia ngc docker环境里使用的这些支持工具软件早已是较高版本的，于是想在我们自己的环境里把UniAD跑起来，安装过程中遇到一些坑，最终都一一解决了，也实测过了，UniAD完全可以正常跑在CUDA11.6+pytorch1.12.0+mm

最近在Jetson Nano上遇到个怪事，考虑到懒得自己编译安装arm64平台上的pytorch，直接拉取NVIDIA的用于JetPack4.5的镜像l4t-pytorch来使用:docker pull nvcr.io/nvidia/l4t-pytorch:r32.5.0-pth1.7-py3sudo docker run -it -d --runtime nvidia --network hos

使用的id_rsa和id_rsa.pub本来是可以用来正常访问github的，在github上个人的账号里也设置了对应的key，怎么在新机器环境下就不行了呢？查看网上别人说的解决办法，出这种错误后，一般人都是重新创建公私钥配置了一遍，这不是我想要的解决办法，但又不知道为何不让访问，感觉上面的Permission denied错误提示说的不明不白的。原来是文件的权限太多了，执行一下chmod 100

摘要：在ONNX模型转换过程中频繁报内存不足错误，调整workspace参数无效。排查发现动态维度模型即使拆分后仍报错，最终发现是maxShapes中设置的维度上限值过大（90000），将其降至60000后转换成功。经验表明动态维度设置需合理控制范围，避免不必要的大数值。

最近拿到一个树莓派$B的板子做实验，在上面编译出ncnn后，将模型转换出bin和param文件后调用时总是因为Segment Fault崩溃，编译了个debug版的ncnn后用gdb查一下，发现总是崩溃在convolution_3x3.h里:崩溃处的代码是:r0是当前layer的输入特征数据，k0是卷积核数据，表面看不出有何问题，后来从头检查了一下，发现板子烧写的是32位的系统(armv7l)，不

对于Xavier，执行sudo i2cdump -f -y 0 0x50输出类似如下:对于Nano，执行sudo i2cdump -f -y 2 0x50输出类似如下:关于字符串的含义，参见https://docs.nvidia.com/jetson/l4t/index.html#page/Tegra%2520Linux%2520Driver%2520Package%2520Development

　前面说过，机器人和机器人后端管理系统之间通常要求频繁双向传输数据、尤其需要最好保持长连接的通讯需求，使用WebSocket连接是最好的选择，可以基于RosBridge来实现，但是RosBridge实现的是websocket server，对于要求机器人后端管理系统在系统启动时主动连接机器人的需求是比较合适的，对于反过来要求机器人启动时作为client主动连接机器人管理系统的这种更常见需...

首先这里说的超高清图像的识别问题不是超分辨率(super-resolution)问题，超分辨率这个领域问题是指使用插值等手段把相对模糊的小图放大成高清大图且保持细节基本真实自然的问题，超高清图像的识别问题是指对本身是高清大图的图片做目标分类、检测、分割(下面我说到识别默认只指分类或检测，不含分割)等处理这类问题。顺带说一句，以便更好界定识别需求问题的范围：一般将分辨率为720p（1280x720像

里面curl命令下载文件的都需要到能科学上网的服务器上去执行下载到文件，然后拷贝到不能科学上网的服务器上，再执行sudo gpg ...安装或拷贝命令安装这些文件到指定地。Ubuntu22.04下安装docker，需要下载gpg文件安装到/etc/apt/keyrings/docker.asc，按照官网列的命令。/etc/apt/keyrings/docker.asc 或/etc/apt/keyr