吉浦迅 NANO专属TF卡使用说明

WhoseAI
324 0 2019-05-30

即日起,跟我们直接采购Jetson NANO开发套件,可以获得32G系统TF卡,开机即可开始开发。
这32G系统TF卡包含:
增值处理:安装多种所需的应用环境
- 添加 4GB Swapfile 增加性能
   测试: ~/jetson-inference/build/aarch64/bin && ./imagenet-camera googlenet
- Tensorflow-gpu 1.13.1 
(检查指令:python3 -c "import tensorflow;print(tensorflow.__version__)")
- pyTorch 1.0.0a0+18eef1d 版本
 (检查指令:python3 -c "import torch;print(torch.__version__)")
  这个 pyTorch 是否支持 CUDA ?
(检查指令:python3 -c "import torch;print(torch.cuda.is_available())")
- Keras 2.2.4
(检查指令:python3 -c "import keras;print(keras.__version__)")
- Jupyter Lab 教程环境(检查指令,在浏览器输入 IP_OF_NANO:8888,密码 111111)
- Jetbot 智能小车实验环境


使用说明(在桌面的 readme.txt)
Default ID = nano, Passwd = 111111
请先扫描桌面右上角的二维码,进入新手入门步骤,快速上手!
0、质保提醒:
   根据NVIDIA官方规定,硬件在正常使用下如有问题需进行返修时,必须以“完整包装(包括静电袋)”一起返回!
   因此提醒您,务必将整个 Nano 包装内的所有东西全班保留,以免影响您的权益。
1、硬件信息:
- 查看CPU : lscpu
- 查看内存: free -m(并检查是否有 4G 的 swapfile!)
- 查看存储: sudo parted -l 或 sudo fdisk -l
- 查看空间: df -h
- 查看USB设备: lsusb
- 查看摄像头: ls /dev/vid* (有连上的 CSI与USB 摄像头都会出现)
2、软件版本:
- 驱动版本:R32.1.0(检查指令:head -n 1 /etc/nv_tegra_release)
- 内核版本:Linux nano 4.9.140-tegra(检查指令:uname -a)
- 操作系统:Ubuntu 18.04 L4T(检查指令:lsb_release -a)
- CUDA版本:CUDA Toolkit 10.0(检查指令:nvcc -V)
- CUDNN版本:7.3.1.28+cuda10.0(检查指令:dpkg -l libcudnn7)
- OpenCV版本:3.3.1(检查指令:python3 -c "import cv2 ; print(cv2.__version__)")
- Tensorrt版本:5.0.6.3-1+cuda10.0 (检查指令:dpkg -l tensorrt)
3、增值处理:安装多种所需的应用环境
- 添加 4GB Swapfile 增加性能
- 安装"2 Days in a Demo“ 的 jetson-inference (在 {$HOME}目录下)
      测试: ~/jetson-inference/build/aarch64/bin && ./imagenet-camera googlenet
- Tensorflow-gpu 1.13.1 (检查指令:python3 -c "import tensorflow;print(tensorflow.__version__)")
- pyTorch 1.0.0a0+18eef1d 版本 (检查指令:python3 -c "import torch;print(torch.__version__)")
   支持 CUDA ?  (检查指令:python3 -c "import torch;print(torch.cuda.is_available())")
- Keras 2.2.4(检查指令:python3 -c "import keras;print(keras.__version__)")
- Jupyter Lab 教程环境(检查指令,在浏览器输入 IP_OF_NANO:8888,密码 111111)
- Jetbot 智能小车实验环境
4、各种应用的 Sample 路径:
- CUDA:     /usr/local/cuda-/samples/
- CUDNN:     /usr/src/cudnn_samples_/
- OpenCV:           /usr/share/OpenCV/samples/
- TensorRT:         /usr/src/tensorrt/samples/
- MultimediaAPI:    /usr/src/nvidia/tegra_multimedia_api/samples
- VisionWorks:      /usr/share/visionworks/sources/samples/
                        /usr/share/visionworks-tracking/sources/samples/
                        /usr/share/visionworks-sfm/sources/samples/
5、建议上手测试的范例:
- 测试 CSI 摄像头:
     1)nvgstcapture-1.0 --prev-res=3
     2)gst-launch-1.0 nvarguscamerasrc ! 'video/x-raw(memory:NVMM),width=3820, height=2464, framerate=21/1, format=NV12' ! nvvidconv flip-method=0 ! 'video/x-raw,width=960, height=616' ! nvvidconv ! nvegltransform ! nveglglessink -e
- 测试 USB 摄像头:
     1)sudo apt install cheese && cheese
     2)sudo apt install guvcview && guvcview
- 测试 CUDA 应用:
     1)DeviceQuery:
         cd /usr/local/cuda/samples/1_Utilities/deviceQuery
         sudo make && ./deviceQuery
     2) NBody粒子碰撞模拟:
         cd /usr/local/cuda/samples/5_Simulations/nbody
         sudo make && ./nbody
     3)OceanFFT/OpenGL支持:
         cd /usr/local/cuda/samples/5_Simulations/oceanFFT
         sudo make && ./oceanFFT
- Tegra Multimedia API 测试:第一次执行会消耗很多时间,第二次以后就很快
         cd /usr/src/nvidia/tegra_multimedai_api && sudo make -j4
         cd samples/backend
(以下为一行指令)
      ./backend 1 ../../data/Video/sample_outdoor_car_1080p_10fps.h264 H264 --trt-deployfile \ ../../data/Model/GoogleNet_one_class/GoogleNet_modified_oneClass_halfHD.prototxt --trt-modelfile \ ../../data/Model/GoogleNet_one_class/GoogleNet_modified_oneClass_halfHD.caffemodel --trt-proc-interval 1 -fps 1
- 深度学习 jetson-inference,第一次启动会花很长时间
        cd ~/jetson-inference/build/aarch/bin
        ./imagenet-camera googlenet
- 安装"2 Days in a Demo“ 的 jetson-inference (在 {$HOME}目录下)
使用说明:(桌面上 readme.txt)
# 祝您使用愉快!