问题标签 [nvidia-jetson-nano]

我正在使用带有 Jetson Nano 的Jetpack 4.3 （Nvidia Jetson 卡的操作系统映像）。其中预装了 OpenCV 4.1.1。
我想在多个虚拟环境中工作，但我不想在我创建的每个虚拟环境中安装（从源代码）OpenCV。
所以由于 OpenCV 是预先安装在虚拟环境之外的，是否可以使用它在我创建的每个虚拟环境中？
如果是这样，我如何将 OpenCV 安装链接到虚拟环境？

附加信息：

返回：

我正在尝试使用 jetcam.csi_camera 库使用 jetson nano 上的 csi 相机捕获图像。库中的 read 方法返回一个 n 维数组并使用 bgr8 编码。我想将其转换为 PIL 中的图像对象。我该如何使用PIL.Image.fromarray()来实现这一目标？我试过了，但是 fromarray() 使用 rgb 模式，我的图像的蓝色和红色通道互换了。请原谅我，如果问题不清楚，请询问。先感谢您：）

伙计们，我有一个问题。我可以在我的 Jetson Nano 上运行对象检测 python 示例。在这种情况下为“ssh-mobilenet-v2”。它工作正常......我还训练了我自己的数据集并有一个 .pb 文件。如何使用它而不是“ssh-mobilenet-v2”？

谢谢

我在 jetson nano 上推断 TensorRt 模型。它是从 pytorch 通过 onnx 转换而来的。在推理时，TensorRt 模型的准确率急剧下降。它是一种对象检测类型的模型。

代码链接： https ://github.com/NVIDIA/TensorRT/issues/467

我遇到了关于 TensorRT 和 Tensorflow 的问题。我正在使用 NVIDIA jetson nano，并尝试将简单的 Tensorflow 模型转换为 TensorRT 优化模型。我正在使用 tensorflow 2.1.0 和 python 3.6.9。我尝试使用NVIDIA-guide中的 t.his 代码示例：

为了测试这一点，我从 tensorflow 网站上举了一个简单的例子。要将模型转换为 TensorRT 模型，我将模型保存为“savedModel”并将其加载到 trt.TrtGraphConverterV2 函数中：

当我运行此代码时，它会保存 trt 优化模型，但无法使用该模型。例如，当我加载模型并尝试 model.summary() 时，它会告诉我：

这是转换器脚本的完整输出：

当系统在jetson nano上启动时，如何自动运行我制作的python脚本？

我试图找出我在我的 Jetson Nano 上安装的某些东西的哪个版本。所以我写了几行代码并使用终端在python3中运行它。

并通过执行图片中显示的错误发生。在另一个主题中，我发现您可以通过更改导入顺序来避免一些错误。这对我有用，但显然有些东西不能正常工作。

如果有一个包含多行代码的程序，这可能会成为一个大问题。我无法想象始终可以通过更改导入顺序来修复此错误。

有没有办法防止这个错误？

ImportError：/usr/lib/aarch64-linux-gnu/libgomp.so.1：无法在静态 TLS 块中分配内存

有人有很好的建议，可以提供帮助。

谢谢。克里斯

我构建了这个线程类来使用 TensorRT 运行推理：

运行上面的代码时，我得到错误：stream = cuda.Stream() pycuda._driver.LogicError: explicit_context_dependent failed: invalid device context - no currently active context?这个函数在上面cuda.Stream()被调用。allocate_buffers

所以我然后尝试下面的run（注意这是上面注释掉的代码）：

这会导致我的系统在调用rt_run's时完全冻结。create_execution_context我猜在创建 PyCuda 上下文和创建 TensorRT 执行上下文之间存在冲突？我在 Jetson Nano 上运行它。

如果我删除create_execution_context代码，我可以分配缓冲区，并且似乎上下文处于活动状态并在工作线程中找到。但是，如果没有 TensorRT执行上下文，我就无法运行推理。execute_async不是self.ctx上面的方法。

请注意，从主线程运行时不会出现这些问题。我可以使用 PyCuda 的 autoinit 并像上面的代码一样创建一个执行上下文。

所以总而言之，在工作线程中，除非我调用，否则我无法分配缓冲区，self.dev.make_context但这会导致create_execution_context调用崩溃系统。如果我不调用self.dev.make_context，我将无法在执行上下文中分配缓冲区，因为invalid device context调用时cuda.Stream()出现错误allocate buffers。

我正在运行的内容：

• 张量RT 6
• PyCuda 1.2
• 杰森纳米 2019 (A02)

这是问题的延续

在 jetson nano 上使用 TensorRt 模型运行 Flask 应用程序时面临问题

以上已解决，但是当我运行烧瓶“应用程序”时，它会继续加载并且不显示视频。

代码：

我从源代码安装了具有 CUDA 支持的 OpenCV 4.1.2。没有问题。并创建了一个从 OpenCV 安装目录到我的 virtualenv 的符号链接

我在导入 cv2 时遇到问题

我检查了站点包目录，我可以看到 cv2.so。我显然错过了一些东西。在我看来，这里的主要问题是我无法链接到我的 virtualenv，事实上我能够检查我的安装及其工作