系统成功登录后，我们来继续调试软件部分1. 连接Xshell，XFTP安装上系统以后，打开Xshell，输入IP地址，端口号22，无需任何设置，马上就能连上Xshell 6 (Build 0121)
Copyright (c) 2002 NetSarang Computer, Inc. All rights reserved.
Type `help' to learn how to u
转载
2024-07-26 12:29:33
182阅读
目录Linux1.准备工作2.连接SD卡到主机3.对SD卡模型进行备份4.系统的恢复windows 最近的工作是将部属好的jetson nano去复制到新的机器上，因此需要sd卡的镜像备份和复制操作，下面是我整个镜像生成和复制的流程。 当我们在 jetson nano上将系统及环境配置好以后，在各种研究试验时，有可能将原环境破坏，工作内容丢失，所以很有必要将原始基础的准备好的环境进行备份。备
转载
2024-05-06 16:25:47
767阅读
前言最近协助项目调研，需要将深度学习模型放在板子上运行，测试发现官方有预编译库，但cuda版本是10.2，笔者板子上的版本是10.0。本想直接编译，突发奇想，英伟达最新的镜像版本应该就是10.2，于是就决定重新烧写一下板子看下一、下载烧写软件（win32磁盘映像工具）下载地址：Win32 Disk Imager download | SourceForge.net下载完成后，请读者自行安装二、下载
转载
2024-05-07 16:01:59
575阅读
Jetson Nano 2GB + Tensorflow1.15 + ROS1. Jetson Nano 2GB 本文使用2GB版本的Jetson Nano 来配置深度学习环境，同时安装ROS系统，为后面开发做铺垫。2. jetpack 4.6 下载与安装 (建议用，不然很慢) 镜像下载： Jetson Nano 2GB Developer Kit SD Card Image 也可在这个网址下载：
英伟达Jetson nano A02上手记录1、 硬件介绍2、上手使用1、获取镜像2、开始使用3、CUDA和CUDNN配置4、 opencv测试3、部署深度学习1、电源选配2、增大内存空间3、资源查看工具4、跑通darknet1、前期准备2、图片检测3、视频检测4、csi摄像头检测5、usb摄像头检测4、TensorRT优化的-能达到接近30fps!1、前期准备2、开始测试tensorRT3、调用
1\查看下面的blog安装nano相关设置同时参照了 2、注意适合于jetson nano的anaconda的资源2.1torchvision安装过程中的出错我在Jetson nano上安装torchvision的时候报错（torchvision依赖pillow库）：The headers or library files could not be found for jpeg,sudo
注意：注意：此处需要注意：/dev/sda1可能到导致文件备份不完整，可以直接写为dev/sda即可，经过实际使用测试，不加数字号可用首先我们要做的准备工作有：含有镜像的 SD 卡、读卡器、安装了 ubuntu环境的电脑。备份步骤：把含有镜像的卡用读卡器插到硬盘剩余空间大于 30G 的 Ubuntu 电脑上，注意这里不能使用虚拟机进行备份，因为 Windows 无法读取装了镜像系统的内存卡。备份过
转载
2024-02-25 04:51:07
106阅读
Jetson Nano 镜像烧录和树莓派镜像烧录步骤大致一样，如果熟悉树莓派的话，这一步就非常简单了，基本一样。但是莫高兴得太早，有坑点！1、硬件准备Jetson Nano 板子5V 2A 以上的供电电源连接板子的 鼠标、键盘和显示屏（可能需要VGA转HDMI的转换器）16GB及以上SD卡（最少需要16
转载
2024-08-06 13:39:11
845阅读
本文主要介绍三种登录Jetson Nano的方法，大家根据自己需求进行配置。一、直接连接所谓直接连接，就是将Jetson Nano当做主机，使用HDMI连接显示器，通过usb连接键盘和鼠标，然后便像操作电脑一样直接使用。二、使用xshell远程登录先在自己的PC上安装Xshell软件，破解版的百度一搜索就有，下载和安装过程比较简单，不再赘述。由于条件限制，没有路由器，又没有买无线wifi模块，所以
转载
2024-04-19 14:04:57
399阅读
文章目录前言安装MediaPipe安装Bazel安装OpenCV和FFMpeg安装GPU加速支持库——OpenGL ES配置TensorFlow的CUDA支持尝试编译运行GPU版Holistic案例 前言Jetson Nano是NVIDIA出品的一款小型AI计算机，与Raspberry PI这种开发板相比，它上面安装了NVIDIA Maxwell GPU，显然更适合于运行计算机视觉方面的AI应用。
转载
2024-04-29 09:40:20
163阅读
第一章 初识NANO板卡一、 英伟达Jetson Nano 是什么二、 为什么要用NVIDIA DIGITS三、 我们可以在Jetson Nano上运行什么样的算法?四、英伟达 NANO板卡配置参数五、NANO板卡运行2.1格式化用到SD Card Formatter.exe2.2烧录镜像用到etcher.exe六、 NANO系统启动七、NANO 学习资料站 NVIDIA 最新推出的Jetson
转载
2024-08-07 10:22:19
333阅读
Yolov-1-TX2上用YOLOv3训练自己数据集的流程(VOC2007-TX2-GPU)Yolov--2--一文全面了解深度学习性能优化加速引擎---TensorRTYolov--3--TensorRT中yolov3性能优化加速（基于caffe）yolov-5-目标检测：YOLOv2算法原理详解yolov--8--Tensorflow实现YOLO v3yolov--9--YOLO v3的剪枝优
Jetson nano更新源的设定 因为是第二次重新装整个系统了，所以就有一个问题，为什么我会第二次装整个系统。直接原因就是几天之前整个系统的崩溃，根本原因可能就是因为我换掉了本来系统设定的更新源（也有可能是因为别的原因，我现在还不确定）。 然而Jet
在 Jetson Nano 上安装 MediaPipe 的步骤在 Jetson Nano 上安装 MediaPipe 需要额外的交换内存、Python 库以及多项依赖。下面的步骤涵盖了所有必需的预备工作、安装步骤和运行示例的操作流程。1. 增加交换空间以获得更多内存Jetson Nano 的内存较小，通过增加交换文件可以获得更多的虚拟内存。bash复制代码git clone https://git
目录Jetson nano配置环境和部署yolov5-seg全过程： 一、Jetson nano环境配置 1.下载Jetpack镜像 2.镜像烧录3.安装jtop4.配置中 文输入法5.CUDA配置6.修改nano的Swap内存7.管理python 二、部署自己的yolov5-seg项目 1.配置pytorch1.7、torchvisi
Jetson Nano tensorrt部署YOLOX流程1. 起因之前项目本来是cpu跑,后来硬件对于视频编解码来不及,于是整个项目换到GPU环境上重构.由于之前部署用的模型是yolov5效果很差并且yolox是易于新手部署的,于是用yolox重新训了一版模型,效果有很大提升.昨天部署到边缘盒子中需要在盒子里重新做模型转换因此有了这篇Blog,这篇Blog主要记录一下部署流程.2. 开始部署流程
转载
2024-07-13 12:45:14
114阅读
文章目录前言实操1.检查要备份的卡有没有坏，并修复。2.改小尺寸，将大小改为可以存放当前所有文件的尺寸（前面看下的多少G，我这里是已用30G）3.运用dd命令备份4.拷贝完，我们再用balenaetcher烧录进一张超过自己镜像的sd卡，5.最后一个一摸一样的镜像就可以再次运行了。在这里插入图片描述总结 前言前置条件：需要一个能用的linux系统的主板 记录一下如何备份镜像。（怕之前好不容易配的
转载
2024-02-24 16:44:01
254阅读
今天( 3 月 19日)，NVIDIA GPU 技术大会在美国加利福尼亚州圣何塞市开幕。会上，NVIDIA 宣布推出 一款全新的人工智能计算机Jetson Nano，可以创建数百万个智能系统。 这款CUDA-X人工智能计算机外观小巧但功能强大，可提供472 GFLOPS(每秒十亿次浮点运算)的计算性能以支持现代人工智能工作负载运行，而耗电量仅为 5 瓦。 Jetson Nano 支持高分辨率
转载
2024-03-05 15:03:13
65阅读
文章目录安装虚拟机和Ubuntu18.04环境安装sdk-managerNX烧录系统将系统迁移到SSD安装CUDAbootFromExternalStorage安装sdk-manager安装配置CUDA环境变量配置cuDNN安装pytorch安装vision torchvision安装jtop工具TensorRT 状态查询安装ONNX安装python的TensorRT 安装虚拟机和Ubuntu1
本文介绍 Apollo Cyber RT操作系统学习记录（一）前几日，刚好收到Nvidia赠送一块Jetson Nano开发版，拿到之后我做的第一件事情就是… 开机，但我发现它没有带电源。。。并且wifi什么也不自带，好吧，那拿到它的第一件事情当然就是打开淘宝啦！先把电源，wifi啥的买了，给它装上了一个漂亮的外壳。这个是封装之后的nano。这个就是我们传说中的，英伟达AIOT的一款重量级产品 -
