问题标签 [nvidia-jetson-nano]

我最近买了一台 Jetson Nano，我对它的一切都感到惊讶。但我不知道发生了什么，因为我用 keras 创建了一个非常简单的神经网络，而且它需要很长时间。我知道这需要很长时间，因为我在我的 PC 的 CPU 中运行了相同的 ANN，它比 jetson nano 快。

这是代码：

我应该提一下，当然，我正确安装了TensorFlow GPU库而不是普通的TensorFlow，实际上我使用了这个链接中的资源：TensorFlow GPU Jetson Nano

我正在尝试编译 openCV，但它似乎无法以某种方式工作。

这是cuda的问题吗？

我在 docker-container (nvidia-docker) 中运行它

硬件是带有最新 JetPack 的 Jetson Nano - 版本

那可能是什么问题？

一些信息：

我真的很感激一些帮助，遗憾的是我在网上找不到任何东西

非常感谢！

我想在 NVIDIA Jetson Nano 上运行来自 Google AutoML Vision 的导出模型。由于这很容易，我想使用预先构建的容器按照官方Edge 容器教程进行预测。

问题是存储在 Google Container Registry (gcr.io/automl-vision-ondevice/gcloud-container-1.12.0:latest) 中的预构建 CPU 容器是基于 amd64 架构的，而 NVIDIA Jetson Nano 使用的是 arm64 架构（Ubuntu 18.04）。这就是为什么 'docker run ...' 返回：

我能做些什么？我应该构建一个类似于与 arm64 arch 兼容的预构建容器吗？

我发现我们可以通过多种方式优化 Tensorflow 模型。如果我错了，请告诉我。

1- 使用TF-TRT，由 tensorflow 开发的这个 API 开发人员将 TensoRT 集成到 Tensorflow，这个 API 称为：

从 tensorflow.python.compiler.tensorrt 导入 trt_convert 作为 trt

此 API 可应用于任何 tensorflow 模型（新旧版本模型）而不会出现任何转换错误，因为如果此 API 不支持任何新层，请不要将这些层用于 TensorRT 引擎，这些层将保留用于 Tensorflow 引擎和在张量流上运行。对？

2- 使用TensorRT，这个 API 由 NVIDA 开发，独立于 Tenorflow 库（未集成到 Tensorflow），这个 API 称为：

将 tensorrt 导入为 trt

如果我们想使用这个 api，首先我们必须使用 uff-convertor 将 tensorflow 图转换为 UFF，然后将 UFF 图解析到这个 API。在这种情况下，如果 Tensorflow 图有不受支持的层，我们必须为这些层使用插件或自定义代码，对吗？

3-我不知道，当我们使用Tensorflow模型时，为什么我们使用UFF转换器然后使用TensorRT，我们可以直接使用TF-TRT API，对吗？如果是这样，您是否从这两种方法测试了 Tensorflow 优化模型以获得相同的性能？这种 UFF 转换器方法有什么优势？

我对上述两种情况有一些疑问：

4-我使用两种情况转换 ssd_mobilenet_v2，在情况 1 中，我的速度略有提高，但在情况 2 中，我取得了更多的进步，为什么？我的观点是，在案例 1 中，API 只考虑转换精度（FP32 到 FP16）并将可能的层合并在一起，但在案例 2 中，图形被 UFF 清理，例如删除任何冗余节点，如 Asserts 和标识然后转换为 tensorrt 图，对吗？

5- 当我们将训练好的模型文件（如.ckptand .meta, ...）转换为冻结推理图（.pb file）时，这些层不会从图中删除？只有损失状态和优化器状态，​​...被删除？

我知道那里有很多类似的问题，但是，我找不到任何可行的解决方案来解决我的问题。所以我一直在尝试在 OpenCV 的 VideoCapture() 对象中运行 Gstreamer 管道。我试过了：

但这会导致出现Assertion Failed 错误。

我实际上将使用来自 IP 摄像头的 rtsp 流，但为简单起见，我以基本的 USB 网络摄像头管道为例。我的cv2.getBuildInformation()输出表明Gstreamer是 YES。

我正在开发 Nvidia Jetson Nano，之后安装了 Python3 和 OpenCV 4.1。如果我能做到这一点那就太好了，这样我就可以继续处理流等。

提前致谢！

我可以通过将帧作为图像然后处理来处理视频帧。但无法直接传帧到物体检测。使用 imwrite 保存图像会使程序变慢...

这是我的主要方法：

错误信息：

我正在尝试从我的 mac 远程访问 Jetson Nano。到目前为止，我已经完成了以下工作：

1. 我在我的 Mac 上安装了微软远程桌面
2. 我通过 Micro-usb 端口将 nano 与我的 mac 连接起来
3. 在网络中，我可以看到连接“linux for Tegra”，其中我的 nano 为 192.168.55.1

有了这个，我仍然无法远程访问 nano

所以我打开一个终端并输入

我可以访问纳米终端。

所以我现在想，我必须做

以便能够远程访问 GUI。

但是，nano 没有互联网连接。有没有办法可以使用我的mac的互联网连接来做到这一点？

（我正在阅读有关 Rasppi 的 Windows 教程，显然这是可能的）

我一直在尝试使用 C++ 在 OpenCV 中实现跟踪器（CSRT），但是当

tracker->init(firstframe, boundingbox)部分被执行。

这是下面的错误消息，

..../opencv/modules/core/src/merge.dispatch.cpp:129：错误：（-215：断言失败）mv[i].size == mv[0].size && mv[i]。 depth() == 函数“合并”中的深度

这是我的代码。顺便说一句，我正在研究 Jetson Nano，我必须进行一些从 float* 到 cv::Mat 的类型转换。

谢谢你。

我关注了这些主题：

1. https://devtalk.nvidia.com/default/topic/1044958/jetson-agx-xavier/scikit-learn-for-python-3-on-jetson-xavier/
2. https://devtalk.nvidia.com/default/topic/1049684/jetson-nano/errors-during-install-sklearn-/
3. https://github.com/scikit-learn/scikit-learn/issues/12707

蟒蛇版本：3.6.9

这是我运行的所有命令：

我得到了下面的长错误

请查看此完整日志： https ://drive.google.com/file/d/1gLcSq86Aic5uFoPr8k6Cp366eRB2tlfw/view?usp=sharing

我正在尝试制作一个检测对象然后将对象名称翻译成丹麦语的程序，但是当将翻译文本覆盖在图像本身上时，英语中找不到的字母，例如Æ，Ø和Å，总是出现非常糟糕（例如 fængsel 显示为 fÃ|ngsel）。在命令行中，我打印出我放入函数参数中的文本，它在命令提示符下很好，但在覆盖在图像上时很糟糕。

我正在使用 python 3 并拥有 Nvidia Jetson nano。

这是在图像上覆盖不正确文本的行。

translateText() 是一个单独的函数，您可以在其中输入要翻译的文本和语言，它会返回一个我检查过的字符串是否正确

字体定义为