玩转Jetson TX2 (Part 1 )
为啥要搞Jetson TX2 ?
性能:
- GPU:TX2 是Pascal架构的,256个CUDA cores,同是Pascal架构的GTX1080 Ti是3584个CUDA cores。
- CPU:2个 Denver + 4个A57 相当于低功耗版本的i3,也不需要CPU干啥。
- 内存:8GB 128bit LPDDR4 59.7 GB/s,吞吐量还是很大的。
- eMMC:32GB,装上系统和Jetpack,还剩10个G多点。
- 功耗:15W,有几个功耗模式可以选择。
结论:
官方建议的使用场景是Inference,所以还是不要用这个训练大型神经网路了。
使用GPU试过训练mnist数据集 Tensorflow的官方教程,比我2013 Late的MBP用CPU快5倍左右吧...
机器视觉物体识别(Object Detection)领域,大模型需要大内存,没得选。之前尝试过树莓派 3b(内存1GB),基本稍微大一点的模型就挂了。
Jetson TX2相关资料:
学习网站:
- Jetson Hacks 基础知识 + geek project
- 英伟达的开发者论坛 算是技术支持吧,毕竟花钱了...
刷机:预计用时 4小时
- 键盘滑鼠一台,HDMI介面的显示器一台。
- Ubuntu
- 可以实体机安装一个ubuntu 14,作为刷机的宿主机器。
- 因为不经常使用,在Mac上装一个Virtual Box也是可以的,空间要预留至少50GB,参考教程。
- 下载Jetpack:
- 内含:TensorRT,cuDNN,CUDA,Multimedia API,L4T,Development Tools,具体看说明。
- 目前官方版本3.1,3.2属于Developer Preview,非常期待3.2,因为支持了Docker,能不能用Docker版本的tensorflow-gpu,目前不确定,官方说还要等Nvidia Docker release 2.0。
- 刷机过程按官方步骤一步一步来,测试一下CUDA的例子可以跑,完事了。
框架安装:预计用时 4小时
OpenCV4Tegra
- 教程1,教程2,build很耗时,????
Tensorflow
- 教程,build很耗时,????
一天就这么结束了。
推荐阅读: