本文详细介绍了在Ubuntu 24.04系统中配置TigerVNC远程桌面服务的完整流程。主要内容包括：更新系统软件包、安装GNOME桌面环境及依赖组件、设置VNC访问密码、创建xstartup配置文件、手动启动VNC服务验证。重点讲解了如何将VNC注册为系统服务实现开机自启，并解决Ubuntu 24.04默认Wayland显示服务器与VNC的兼容性问题。文章提供了详细的操作命令和参数说明，适合不

总体来看，香橙派Kunpeng Pro 在软硬件层面都是干货满满，值得入手。不足的是，目前Ascend芯片的调用还存在一些问题，官方也没有给出详细的配置指引，期待后续的更新。

Atlas200 RC模式下容器推理构建与部署DLAP221设备中容器推理构建与部署

1. 依赖工具的准备1.1. Netcat编译安装1.1.1. netcat编译从以下地址获取netcat_1.10.orig.tar.gz与netcat_1.10-38.diff.gz其中 netcat_1.10.orig.tar.gz是原生的 nc，netcat_1.10- 38.diff.gz 是升级包。由于atlas200的架构是arm架构，所以执行文件要编译成支持arm架构，建议在atl

VGG16 ImageNet Inference on Atlas2001. 安装依赖python atlasutil库依赖pyav, numpy和PIL。在运行环境中需要安装这些第三方库a. 安装pyav安装其他依赖：sudo pip3.7.5 Cythonsudo apt-get install pkg-config libxcb-shm0-dev libxcb-xfixes0-devsudo

RK3588模型推理总结

基于华为Ascend710的凌华1U推理服务器，如何进行容器内推理

1. 安装依赖包sudo apt-get install libusb-1.0-0-dev2. 下载并编译uhubctlgit clone https://github.com/mvp/uhubctlcd uhubctlmakej将在uhubctl目录中产生一个uhubctl二进制执行文件。 你可以选择是否安装，如果要安装，则运行以下命令，程序将安装到/usr/sbin目录sudo make in

下图所示的Jetson 系列边缘计算模块将广泛流行的DNN 模型和ML 框架部署到具有高性能推断的边缘侧，用于实时分类和对象检测、姿势估计、语义分割和自然语言处理（NLP）等任务。下表显示了使用最新JetPack 版本的Jetson 系列的主流视觉深度神经网络DNN 的推理性能测评。通过从GitHub 运行。，GPU计算能力(Compute Capability)主要指GPU能够支持的计算类型的版

在部署深度学习模型时需要用到TensorRT，看了一遍文档后，我发现对于初学者来说，官方文档实在是太晦涩。文档里既没有接口的应用示例，也没有及时更新新接口的用法。在翻阅了部分博客和TensorRT仓库源码后，才有了本文。TensorRT是NVIDIA推出的用于深度学习推理的高性能引擎，旨在优化深度神经网络模型的推理速度和性能。TensorRT可以通过层融合、混合精度、量化等技术显著提高深度神经网络