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.exe
  • 2.2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 Nano Developer
Jetson Nano开发套件是一款功能强大的小型人工智能计算机,插microSD卡即可,可运行多个神经网络,算法计算。

一、 英伟达Jetson Nano 是什么

    Nvidia Jetson Nano开发工具包是一款功能强大的嵌入式应用AI计算设备。

  1. 使用Nvidia驱动程序完成桌面Linux环境(Ubuntu 18.04);
  2. 库和api,例如:
    -CUDA工具包;
    -cuDNN - CUDA深度神经网络库;
    -TensorRT-用于图像分类、分割和目标检测神经网络的深度学习推理运行时;
  • VisionWorks -计算机视觉和图像处理软件开发包;
  1. 多媒体API;
  2. 开发工具- Nsight Eclipse Edition,调试和分析工具;
  3. 文档和示例代码。

    完全兼容其他流行的机器学习库和框架。
    Jetson Nano非常适合作为Edge AI设备,使其成为一种具有无限可能性的设备。

二、 为什么要用NVIDIA DIGITS

    英伟达通过提供DIGITS (Deep Learning GPU Training System™),它支持多种任务:

  1. -管理数据集;
  2. -设计和训练高精度的深度神经网络用于图像分类、分割、目标检测等任务;
  3. -监测模型的性能;
  4. -验证和可视化结果;
  5. -为部署选择最佳模型。

三、 我们可以在Jetson Nano上运行什么样的算法?

    英伟达的Jetson Nano可以运行如下算法:

  1. -分类;
  2. -目标检测;
  3. -对象跟踪;
  4. -分割;
  5. -姿态和运动估计;
  6. -特征跟踪;
  7. -视频增强(视频稳定)等。

    这些算法中的许多都可以实时处理,还可以用于许多其他业务和工业应用程序。

四、英伟达 NANO板卡配置参数

    开发板上丰富的外围接口,使得开发人员可以轻松连接不同的传感器,以支持各种人工智能应用程序及AI项目的快速搭建。

jetson nano EMMC固件和ubuntu镜像 jetson nano cudnn_人工智能

  1. GPU:NVIDIA MaxwellTM架构,配备128个NVIDIA CUDA核心
  2. CPU:四核ARM® Cortex®-A57 MP Core处理器
  3. 内存:4GB 64位 LPDDR4
  4. 存储空间:16GB eMMC 5.1闪存
  5. 视频编码:4K @30(H.264/H.265)
  6. 视频解码:4K @60(H.264/H.265)
  7. 摄像头:12通道(3x4或4x2) MIPI CSI-2 DPHY 1.1(1.5Gbps)
  8. 连接:千兆以太网
  9. 显示器:HDMI 2.0或DP1.2 |eDP 1.4|DSI(1x2) 2同步
  10. UPHY:1x1/2/4 PCIE、1xUSB3.0、3xUSB2.0
  11. I/O:1xSDIO/2xSPI/6xI2C/2xI2S/GPIO
  12. 尺寸:100 mm x 80 mm x 29 mm

五、NANO板卡运行

nano板卡入门指南: https://developer.nvidia.com/embedded/learn/get-started-jetson-nano-devkit#intro
    根据官方提供的SD卡格式化软件和烧录软件,进行格式化和烧录。

2.1格式化用到SD Card Formatter.exe

jetson nano EMMC固件和ubuntu镜像 jetson nano cudnn_人工智能_02

2.2烧录镜像用到etcher.exe

jetson nano EMMC固件和ubuntu镜像 jetson nano cudnn_人工智能_03

六、 NANO系统启动

nano插卡,通电启动,完毕。

七、NANO 学习资料站

  1. nano - Python - ai 初学
    nano - Python: https://www.bilibili.com/video/BV12Z4y1x72C?p=1
  2. NVIDIA GPU Cloud,基于GPU加速,用于深度学习和高性能计算的容器库。
    ngc - uri : https://www.nvidia.cn/gpu-cloud/