玩轉Jetson TX2 (Part 1 )
為啥要搞Jetson TX2 ?
性能:
- GPU:TX2 是Pascal架構的,256個CUDA cores,同是Pascal架構的GTX1080 Ti是3584個CUDA cores。
- CPU:2個 Denver + 4個A57 相當於低功耗版本的i3,也不需要CPU幹啥。
- 內存:8GB 128bit LPDDR4 59.7 GB/s,吞吐量還是很大的。
- eMMC:32GB,裝上系統和Jetpack,還剩10個G多點。
- 功耗:15W,有幾個功耗模式可以選擇。
結論:
官方建議的使用場景是Inference,所以還是不要用這個訓練大型神經網路了。
使用GPU試過訓練mnist數據集 Tensorflow的官方教程,比我2013 Late的MBP用CPU快5倍左右吧...
機器視覺物體識別(Object Detection)領域,大模型需要大內存,沒得選。之前嘗試過樹莓派 3b(內存1GB),基本稍微大一點的模型就掛了。
Jetson TX2相關資料:
學習網站:
- Jetson Hacks 基礎知識 + geek project
- 英偉達的開發者論壇 算是技術支持吧,畢竟花錢了...
刷機:預計用時 4小時
- 鍵盤滑鼠一臺,HDMI介面的顯示器一臺。
- Ubuntu
- 可以實體機安裝一個ubuntu 14,作為刷機的宿主機器。
- 因為不經常使用,在Mac上裝一個Virtual Box也是可以的,空間要預留至少50GB,參考教程。
- 下載Jetpack:
- 內含:TensorRT,cuDNN,CUDA,Multimedia API,L4T,Development Tools,具體看說明。
- 目前官方版本3.1,3.2屬於Developer Preview,非常期待3.2,因為支持了Docker,能不能用Docker版本的tensorflow-gpu,目前不確定,官方說還要等Nvidia Docker release 2.0。
- 刷機過程按官方步驟一步一步來,測試一下CUDA的例子可以跑,完事了。
框架安裝:預計用時 4小時
OpenCV4Tegra
- 教程1,教程2,build很耗時,????
Tensorflow
- 教程,build很耗時,????
一天就這麼結束了。
推薦閱讀: