1、安装opencv我用的方法与ubuntu下利用源码安装opencv的方式是一样的。1.1 清除旧版本首先完全卸载刷机时刷如的自带的opencv旧版本，以便更好地安装opencv3.4.0版本sudo apt-get purge libopencv*
sudo apt autoremove
sudo apt-get update1.2 安装cmake以及依赖库sudo apt-get
一、运行YOLO v31、YOLO介绍2、检查CUDA3、检查OpenCV4、检查cuDNN5、安装YOLO v36、YOLO的常用命令(1) 单张测试命令(2) 多张测试命令(3) 改变阈值(4) 实时摄像头(5) 本地视频检测(6)在预训练的模型上继续训练二、运行TensorRT1、TensorRT介绍三、运行TensorFlow1、TensorFlow简介2、安装TensorFlow 一、
Jetson Nano 配置流程（ 二）上篇写了环境一些配置，这篇继续写一些python库的安装。 文章目录Jetson Nano 配置流程（ 二）1.环境管理annconda的代替品miniforge2.安装pinyin,pip,python3变更为默认3.Jetson Nano Swap交换空间增加4.Python一些计算库的安装5.Python 下import报错6.更新情况 1.环境管理a
目录1. Pytorch完成模型常用API1.1 nn.Module1.2 优化器类1.3 损失函数1.4 把线性回归完整代码2. 在GPU上运行代码1. Pytorch完成模型常用API在前一部分，我们自己实现了通过torch的相关方法完成反向传播和参数更新，在pytorch中预设了一些更加灵活简单的对象，让我们来构造模型、定义损失，优化损失等那么接下来，我们一起来了解一下其中常用的API1.1
前言：2023年11月21日下午16:00 许，本篇博客记录由「torch.cosine_smilarity()计算余弦相似度计算结果为0」现象引发的关于 CPU 与 GPU 计算精度的探索。事情的起因是，本人在使用 torch.cosine_smilarity() 函数计算GPU上两个特征的余弦相似度时，发现得出的结果为 0，百思不得其解。首先排出特征维度的问题，然后尝试5种不同的相似度计算方法
Tensorflow1.12.0(gpu)版本安装 大部分报错 解决的过程！本篇文章主要解决CUDA安装失败问题 附带着解决 找不到模块问题我看过很多的博客关于tensorflow安装的步骤，但是都不是很好用，有的是CUDA安装不上，找不到指定模块 等等一系列问题，本人亲测好用，解决了以上问题以我自己电脑为例：安装tensorflow1.12.0GPU版本 准备材料： win10系统笔记本 显卡N
Jetson Nano 是一款功能强大的人工智能 (AI) 开发板，可助你快速入门学习 AI 技术，并将其应用到各种智能设备上。恰逢国家在推广人工智能相关的发展，2019年上线以来得到广泛的开发者青睐。 2020年末针对教育机构、学生和初学者，英伟达在原来 Jetson Nano Developer Kit 的基础上推出了简化版本 Jetson Nano 2GB D
目录前言第一步：安装Anaconda1.下载和安装2.配置Anaconda环境变量第二步：安装CUDA Toolkit + cuDNN1.查看需要安装的CUDA+cuDNN版本2.下载CUDA + cuDNN3.安装 CUDA Toolkit 9.0 和 cuDnn 7.0第三步：安装TensorFlow-GPU1.创建conda环境2.激活环境3.安装tensorflow-gpu第四步：测试前言
TensorRT介绍TensorRT是一种高性能的神经网络推理优化器和运行时推理引擎，应用于项目落地部署。首先需要有训练好的模型，然后经过TensorRT优化器的优化处理，利用TensorRT Runtime Engine进行落地部署。TensorRT是用于优化训练后的深度学习模型，以实现高性能推理的SDK
TensorRT包含用于训练后的深度学习模型的深度学习推理优化器，以及用于执行的runtm
1 pytorch安装（CPU版本）pip3 install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple2 torchvision、torchaudio、torchtext安装：解决ModuleNotFoundError: No module named ‘torchvision‘问题（conda
一、前言最近在学习pytorch框架，记录一些涉及到的知识点，方便后续查找和学习。二、主要内容内容可能有些散，初次学习，可能把握不好知识之间的连贯性和整体性，后续适当调整。关于CUDA的一些函数接口：
torch.cuda.is_available() #查看系统GPU是否可以使用，经常用来判断是否装好gpu版的pytorch
torch.cuda.current_device() #返回当
本博文系列主要包含Jetson Nano 2G版本的图形化安装和headless安装，环境搭建，自带库介绍，NGC和云原生介绍，opencv编程，数据科学编程，深度学习编程，深度学习应用项目，边缘计算实例项目等。NGCNVIDIA NGC是GPU优化的深度学习，机器学习和高性能计算（HPC）软件的中心。NGC托管着顶级AI和数据科学软件的容器，这些容器均由NVIDIA进行了优化，测试和优化。NGC
操作系统：Ubuntu16.04（并不是虚拟机）直接按照Tensorflow官方文档安装即可：http://wiki.jikexueyuan.com/project/tensorflow-zh/get_started/os_setup.html先安装pip：1、 sudo apt-get install python-pip。a)  
软件框架：lcd框架其实与i2c/spi及其他驱动框架大同小异，都是由一个底层的platform驱动和一个较上层的抽象驱动组成。前者一般由厂商编写，而后者是内核框架提供的。核心层 \linux-imx-rel_imx_4.1.15_2.1.0_ga_alientek\drivers\video\fbdev\core\fbmem.c主要做的事情：注册字符设备(只创建class)，提供上层接口，但是还
NVIDIA Jetson开发板的历史价格一直是几百美元，在最新的高性能产品中，Jetson AGX Xavier的价格是1299美元。Jetson Nano的零售价仅为99美元，不过很明显它的性能无法与AGX Xavier相媲美。Jetson Nano开发工具包是被动冷却的，但在PCB上有一个4针风扇头和铝散热器上的螺丝孔，如果你想安装一个风扇更好地冷却。凭借这款低成本的Jetson平板，Nan
本文安装一下机器学习会用到的一些库函数。今天的目标是安装TensorFlow GPU版本，安装TensorFlow GPU版本需要成功配置好CUDA，没有配制好的请移步上一篇博文。不过在安装TensorFlow GPU之前，有一些机器学习必须用到的安装包也需要来安装一下。注意：使用keras进行代码开发时，要注意是否安装tensorflow-cpu版本，建议不要安装，直接安装tensorflow-
硬件购买以及注意点 购买硬件之后在网卡后面有个短路帽要加上，否则无法开机。系统安装nvidia jetson nano系统安装在SD卡中，请预先准备一个32G的SD卡系统安装步骤请参考官网Getting Started With Jetson Nano Developer Kit | NVIDIA Dev
.NVIDIA Jetson Jetson Nano刷机+ROS安装+深度学习配置V1.0.0 – by HoldenDate : 2021-10-22 文章目录.NVIDIA Jetson Jetson Nano刷机+ROS安装+深度学习配置1. Jetson Nano 简介2. Jetson Nano刷机介绍2.1 工具准备工作2.2 下载镜像以及烧录工具2.3 烧录原生镜像到TF卡2.4 开
作为机器学习从业者，我们经常会遇到这样的情况，想要训练一个比较大的模型，而 GPU 却因为内存不足而无法训练它。当我们在出于安全原因不允许在云计算的环境中工作时，这个问题经常会出现。在这样的环境中，我们无法足够快地扩展或切换到功能强大的硬件并训练模型。并且由于梯度下降算法的性质，通常较大的批次在大多数模型中会产生更好的结果，但在大多数情况下，由于内存限制，我们必须使用适应GPU显存的批次大小。本文
计算机视觉研究院专栏作者：Edison_G斯坦福大学博士生与 Facebook 人工智能研究所研究工程师 Edward Z. Yang 是 PyTorch 开源项目的核心开发者之一。他在 5 月 14 日的 PyTorch 纽约聚会上做了一个有关 PyTorch 内部机制的演讲，本文是该演讲的长文章版本。 大家好！今天我想谈谈 PyTorch 的内部机制。这
