一、准备阶段1、规格参数关于JetsonNano开发板的规格参数等指标信息，可以登录Nvidia官方网站查看，也可以打开下面的连接查看。2、处理器架构重点提醒：JetsonNano处理器架构是aarch64架构，所以在jetsonnano上安装软件时请选择arrch64版本的，否则会导致无法预料的严重后果。arm64和aarch64之间的区别：arm64已经与aarch64合并，因为aarch64和arm64指的是同一件事。ARM64是由Apple创建的，而AARCH64是由其他人（最著名的是GNU/GCC的）创建的。用于aarch64的Apple后端称为arm64，而LLVM编译器社区开发的
NvidiaJetsonXavierNX/AGXdockerWHY镜像地址使用方法docker常用命令备忘jtop安装关于保存容器镜像关于使用dockerfile构建关于映射外部路径让容器访问外部文件关于性能WHY在jetson上使用docker跑opencv和pytorch其实主要是要找对镜像，docker官方的hub里并没有适合的能直接跑的镜像，但是nvidia自己提供了L4T的pytorch和ML镜像。镜像地址单独pytorch的镜像：https://catalog.ngc.nvidia.com/orgs/nvidia/containers/l4t-pytorch整合了opencv，py
最近收到了一个Tangnano9KFPGA开发板，就想借此机会研究一下。官方文档里介绍如果想使用高云的FPGA，就需要使用GOWINIDE，但是需要申请license提交一堆资料，我是别人送的就不太方便让别人弄。加上IDE其实并不是很适合学习和投入生产，因为IDE忽略了很多细节，以及对一些工作做了处理。所以就想找到其他的工作流程，就像可以使用任何文本编辑器加上Clang/LLVM就可以编译C/C++程序一样。FPGA开发是在开发什么？首先是需要知道，FPGA开发到底是在开发什么，这样才能找到需要的工具和软件。计算机械执行各种指令的本质是给一系列逻辑单元的引脚通电，然后经过逻辑电路之后输出新的电
对于Nvidiajetsonnano来说是一款十分优秀的网络模型部署设备我对于nano来说也是学习了2个星期左右.这也是对我这一阶段做一个复习总结吧!目录烧录 下载jetson-inferencedock镜像部署操作 跑个例程助助兴找到函数接口进行调整我用的是jetsonnanoa02版本是4GB内存大小的烧录首先你得获取一张至少是32GB的TF/sd卡去烧录jetsonnano的系统镜像系统镜像的获取是在网址:JetPackSDK4.6.1|NVIDIADeveloperhttps://developer.nvidia.com/embedded/jetpack-sdk-461这个网址上框框内
一.准备安装Ubuntu系统（在vmware上安装）#方便后面的调试首先，需要我们去官网下载镜像文件，但是由于官方的服务器搭建在境外，因此我们更倾向于使用国内镜像进行下载，比如清华大学镜像，一般来说，比较常用的是16.04和18.04版本，这里我选择了18.04版本。（在nano上安装）1、刷机硬件准备①、Jetsonnano开发套件，厂家标配；②、MicroSD卡，至少32GB和读卡器；③、5V,2A电源。④、网线。2、刷机软件准备①、下载jetsonnano系统镜像官网下载地址：https://developer.nvidia.com/jetson-nano-sd-card-image②、
一.准备安装Ubuntu系统（在vmware上安装）#方便后面的调试首先，需要我们去官网下载镜像文件，但是由于官方的服务器搭建在境外，因此我们更倾向于使用国内镜像进行下载，比如清华大学镜像，一般来说，比较常用的是16.04和18.04版本，这里我选择了18.04版本。（在nano上安装）1、刷机硬件准备①、Jetsonnano开发套件，厂家标配；②、MicroSD卡，至少32GB和读卡器；③、5V,2A电源。④、网线。2、刷机软件准备①、下载jetsonnano系统镜像官网下载地址：https://developer.nvidia.com/jetson-nano-sd-card-image②、
JetsonNano配置YOLOv5并实现FPS=25的实时检测（超详细保姆级）文章目录JetsonNano配置YOLOv5并实现FPS=25的实时检测（超详细保姆级）一、版本说明二、配置CUDA三、修改Nano板显存1.打开终端输入：2.修改nvzramconfig.sh文件3.重启JetsonNano4.终端中输入：四、配置Pytorch1.81.下载torch-1.8.0-cp36-cp36m-linux_aarch64.whl2.安装所需的依赖包及pytorch五、搭建yolov5环境六、利用tensorrtx加速推理1.下载tensorrtx2.编译3.调用USB摄像头（1）在ten
文章目录安装CUDA配置cuDNN安装anaconda安装Archiconda使用Archiconda安装pytorch创建虚拟环境下载并安装pytorch文件安装visiontorchvision安装yolov5环境下载源码安装必须的库安装CUDA使用sdk-manager安装CUDA，这个安装可前面安装JetPack系统操作类似，然后将板子上MicroUSB通过数据线和电脑链接。如下图：这一步就不用接跳线了！选中红框的所有文件，开始下载安装。安装完成后会自动添加路径，这点不错，如果没有自动添加则要手动添加。手动添加方式：输入gedit~/.bashrc命令打开文件，在文件结尾输入以下语句，
前言： 分享一点jetsonnano学习经验，硬件小白，踩了许多坑，贴中的流程算是比较避坑的方法。 nano有分国产和原装，烧录镜像文件不同。性能方面：国产nano和原装的性能一样，国产的价格比原装的便宜一半左右，实验室给的经费有限，所以我们购买的是国产nano。 第一次接触硬件，和实验室的另一位成员@重心不倾在课余之时一起研究了好几天的板子，踩了不少的坑，看了大部分的帖子与教程，才终于烧录成功，进入系统。 后续接下来是用nano调用opencv做一下项目。帖子会更新，记录实验项目过程。硬件准备：Jetsonnano套件，显示屏套件，读卡器
前言： 分享一点jetsonnano学习经验，硬件小白，踩了许多坑，贴中的流程算是比较避坑的方法。 nano有分国产和原装，烧录镜像文件不同。性能方面：国产nano和原装的性能一样，国产的价格比原装的便宜一半左右，实验室给的经费有限，所以我们购买的是国产nano。 第一次接触硬件，和实验室的另一位成员@重心不倾在课余之时一起研究了好几天的板子，踩了不少的坑，看了大部分的帖子与教程，才终于烧录成功，进入系统。 后续接下来是用nano调用opencv做一下项目。帖子会更新，记录实验项目过程。硬件准备：Jetsonnano套件，显示屏套件，读卡器
