【ARM-Linux开发】【CUDA开发】【深度学习与神经网络】Jetson Tx2安装相关之三
JetPack(Jetson SDK)是一个按需的一体化软件包,捆绑了NVIDIA®Jetson嵌入式平台的开发人员软件。JetPack 3.0包括对Jetson TX2 , Jetson TX1和Jetson TK1开发套件的最新L4T BSP软件包的支持。 使用最新的BSP( 用于Jetson TX1的L4T 27.1,用于Jetson TX1的 L4T 24.2.1和用于Jetson TK1的L4T 21.5 )自动刷新您的Jetson开发套件,并安装构建和配置Jetson嵌入式平台应用所需的最新软件工具。 此软件包包含用于主机(Ubuntu)和目标(Jetson
TX2,TX1和TK1)平台的CUDA工具包、最新的NVIDIA开发工具(Tegra Graphics Debugger 2.4,Tegra System Profiler 3.7和PerfKit 4.5.1)、VisionWorks 1.6,cuDNN v5 .1、MM API v27.1、OpenCV 2.4.13和GameWorks OpenGL示例2.11a,支持OpenGL 4.5和OpenGL ES 3.2。
发布亮点:
支持Jetson TX2开发工具包,Jetson TX1开发工具包和Jetson TK1开发工具包 。
使用附带的Linux for Tegra r27.1映像设置NVIDIA Jetson TX2开发工具包。
使用附带的Linux for Tegra r24.2.1映像设置NVIDIA Jetson TX1开发工具包。
使用附带的Linux for Tegra r21.5映像设置NVIDIA Jetson TK1开发工具包。
cuDNN v5.1
CUDA 8.0(8.0.64)用于Ubuntu 14.04 x86 64位工具包,支持TX2交叉开发
CUDA 8.0(8.0.64)L4T工具包r27.1
CUDA 8.0(8.0.34)用于Ubuntu 14.04 x86 64位工具包,支持TX1交叉开发
CUDA 8.0(8.0.34)L4T工具包r24.2.1
CUDA 6.5(6.5.53)具有TK1交叉开发支持的Ubuntu 14.04 x86 64位工具包
CUDA 6.5(6.5.53)用于L4T r21.5的工具包
各种错误修复和性能增强
稳定性改进
各种用户界面错误修复
多媒体API v27.1
TensorRT 1.0
JetPack 3.0中的主要功能
|
TensorRT 1.0 |
TensorRT是用于图像分类,分割和对象检测神经网络的高性能深度学习推理运行时。 它加快了深度学习推断,以及减少卷积和deconv神经网络的运行时内存占用。 |
|
cuDNN 5.1 |
CUDA深度神经网络库为所有深度学习框架提供高性能原语。 它包括对卷积,激活函数和张量变换的支持。 |
|
VisionWorks 1.6 |
VisionWorks是用于计算机视觉(CV)和图像处理的软件开发包。 它包括VPI(视觉编程接口),一组优化的CV原语供CUDA开发人员使用。 NVX库允许直接访问VPI,OVX库允许通过OpenVX框架间接访问VPI。 |
|
CUDA 8 |
CUDA工具包为构建GPU加速应用程序的C和C ++开发人员提供了一个全面的开发环境。 该工具包包括用于NVIDIA GPU的编译器,数学库以及用于调试和优化应用程序性能的工具。 |
|
多媒体API |
Jetson Multimedia API包提供了用于灵活应用开发的低级API。 摄像机应用程序API:libargus为摄像机应用程序提供了低级帧同步API,每帧摄像机参数控制,多个(包括同步)摄像机支持和EGL流输出。 RAW输出需要ISP的CSI摄像机可以与libargus或GStreamer插件一起使用。 在任一种情况下,都使用V4L2介质控制器传感器驱动程序API。 传感器驱动程序API:V4L2 API支持视频解码,编码,格式转换和缩放功能。 V4L2用于编码打开了许多功能,如比特率控制,质量预设,低延迟编码,时间权衡,运动矢量映射等。 |
|
开发工具 |
Tegra System Profiler 3.7是一个系统跟踪和多核CPU PC采样分析器,可提供捕获的分析数据的交互式视图,有助于提高整体应用程序性能。 Tegra图形调试器2.4是一个控制台级工具,允许开发人员调试和分析OpenGL ES 2.0,3.0,3.1和3.2,OpenGL 4.3,4.4和4.5,使开发人员能够充分利用Jetson嵌入式平台。 |
GPU世界也同样更新了JetPack下载器:
下载器地址:
http://mirror.gpuworld.cn:666/jetpack_l4t/JetPack-linux-x64.run
这是重新打包的NV的原始下载器,此新下载器将从我们的云下载数据,而不是墙外的NV服务器。
用户只要从上面的地址下载run文件,直接安装即可看到明显的安装速度变化。
注意:如果以前安装过但没有成功的话,请将原始下载器产生的_installer目录删除,然后再重新安装。
【ARM-Linux开发】【CUDA开发】【深度学习与神经网络】Jetson Tx2安装相关之三的更多相关文章
- CUDA上深度学习模型量化的自动化优化
CUDA上深度学习模型量化的自动化优化 深度学习已成功应用于各种任务.在诸如自动驾驶汽车推理之类的实时场景中,模型的推理速度至关重要.网络量化是加速深度学习模型的有效方法.在量化模型中,数据和模型参数 ...
- TVM 优化 ARM GPU 上的移动深度学习
TVM 优化 ARM GPU 上的移动深度学习 随着深度学习的巨大成功,将深度神经网络部署到移动设备的需求正在迅速增长.与桌面平台上所做的类似,在移动设备中使用 GPU 既有利于推理速度,也有利于能源 ...
- TVM在ARM GPU上优化移动深度学习
TVM在ARM GPU上优化移动深度学习 随着深度学习的巨大成功,将深度神经网络部署到移动设备的需求正在迅速增长.与在台式机平台上所做的类似,在移动设备中使用GPU可以提高推理速度和能源效率.但是,大 ...
- linux(Ubuntu)下机器学习/深度学习环境配置
为了开发环境纯净,应该首先创建虚拟环境 mkvirtualenv -p python3 虚拟环境名称 如,mkvirtualenv -p python3 ai 但是有的童鞋会卡在这一步,会报一个这样的 ...
- [笔记] 基于nvidia/cuda的深度学习基础镜像构建流程 V0.2
之前的[笔记] 基于nvidia/cuda的深度学习基础镜像构建流程已经Out了,以这篇为准. 基于NVidia官方的nvidia/cuda image,构建适用于Deep Learning的基础im ...
- 针对深度学习(神经网络)的AI框架调研
针对深度学习(神经网络)的AI框架调研 在我们的AI安全引擎中未来会使用深度学习(神经网络),后续将引入AI芯片,因此重点看了下业界AI芯片厂商和对应芯片的AI框架,包括Intel(MKL CPU). ...
- Spark MLlib Deep Learning Convolution Neural Network (深度学习-卷积神经网络)3.1
3.Spark MLlib Deep Learning Convolution Neural Network (深度学习-卷积神经网络)3.1 http://blog.csdn.net/sunbow0 ...
- Spark MLlib Deep Learning Convolution Neural Network (深度学习-卷积神经网络)3.2
3.Spark MLlib Deep Learning Convolution Neural Network(深度学习-卷积神经网络)3.2 http://blog.csdn.net/sunbow0 ...
- Spark MLlib Deep Learning Convolution Neural Network (深度学习-卷积神经网络)3.3
3.Spark MLlib Deep Learning Convolution Neural Network(深度学习-卷积神经网络)3.3 http://blog.csdn.net/sunbow0 ...
随机推荐
- 基于Chrome内核(WebKit内核)定制开发DoNet浏览器
1. 源起 a) 定制.Net浏览器 本人是一名C#开发者,而作为C#开发者,做客户端应用中最头痛的一件事就是没有一个好的UI解决方案, WinFrom嘛,效率虽然还不错,但是做一些特殊 ...
- 实用的Python库
一.Django 1.自动实现图片压缩: pip install easy-thumbnails / https://pypi.org/project/easy-thumbnails/2.实现定时任务 ...
- 多项式求逆入门 板题(Luogu P4238)
下面是代码,推导详见 传送门 模板Code #include <cstdio> #include <cstring> #include <algorithm> us ...
- go 学习 (五):goroutine 协程
一.goroutine 基础 定义 使用者分配足够多的任务,系统能自动帮助使用者把任务分配到 CPU 上,让这些任务尽量并发运作,此机制在Go中称作 goroutine goroutine 是 Go语 ...
- 在x64计算机上捕获32位进程的内存转储
这是一个我经常遇到的问题,我们经常会遇到这样的情况:我们必须重新捕获内存转储,因为内存转储是以“错误”的方式捕获的.简而言之:如果在64位计算机上执行32位进程,则需要使用允许创建32位转储的工具捕获 ...
- 使用vault pki 为nginx 生成tls 证书文件
关于vault pki 管理的使用的可以参考官方文档或者docker-vault 以下演示一个简单的基于vault pki 为nginx 提供tls 证书 项目环境配置 nginx 配置文件 wo ...
- 【后缀数组】【LuoguP2852】 [USACO06DEC]牛奶模式Milk Patterns
题目链接 题目描述 农夫John发现他的奶牛产奶的质量一直在变动.经过细致的调查,他发现:虽然他不能预见明天产奶的质量,但连续的若干天的质量有很多重叠.我们称之为一个"模式". J ...
- 结构体&文件
1.本章学习内容总结 1.1学习内容总结 什么是结构类型? 结构Structure类型是一种允许程序员把一些数据分量聚合成一个整体的数据类型. 结构和数组的区别? 结构和数组的最大区别是数组中所有元素 ...
- Hyperspectral Images Classification Based on Dense Convolutional Networks with Spectral-Wise Attention Mechanism
借鉴了DenseNet的思想,用了空洞卷积而不是池化,使得特征图不会缩小,因此每个dense连接都可以直接连,最后一层是包括了前面所有层的特征图. 此外还加入了channel-wise的注意力,对每个 ...
- hbase 由于zookeeper问题导致连接失败问题
问题现象: 使用hbase shell 连接报如下问题: 2019-10-09 10:37:18,855 ERROR [main] zookeeper.RecoverableZooKeeper: Zo ...