Nvidia Jetson Nano Tutorial - Πρώτη ματιά με AI & ML: 7 βήματα

2024 Συγγραφέας: John Day | [email protected]. Τελευταία τροποποίηση: 2024-01-30 08:34

Ρε παιδιά τι γίνεται! Akarsh εδώ από το CETech.

Σήμερα θα ρίξουμε μια ματιά σε ένα νέο SBC της Nvidia που είναι το Jetson Nano, το Jetson Nano επικεντρώνεται σε τεχνικές τεχνητής νοημοσύνης όπως η αναγνώριση εικόνας κ.λπ. σε αυτό Δείτε το παραπάνω βίντεο που μπορεί να σας κάνει τα πράγματα πιο ξεκάθαρα:) Τώρα ας ξεκινήσουμε.

Βήμα 1: Αποκτήστε PCB για το κατασκευασμένο έργο σας

Πρέπει να ελέγξετε το PCBGOGO για να παραγγείλετε ηλεκτρονικά PCB φθηνά!

Παίρνετε 10 καλής ποιότητας PCB που κατασκευάζονται και αποστέλλονται στην πόρτα σας για 5 $ και κάποια μεταφορικά. Θα λάβετε επίσης έκπτωση στα μεταφορικά στην πρώτη σας παραγγελία. Το PCBGOGO έχει τη δυνατότητα συναρμολόγησης PCB και κατασκευής στένσιλ καθώς και την τήρηση καλών προτύπων ποιότητας.

Ελέγξτε τα αν χρειάζεται να κατασκευάσετε ή να συναρμολογήσετε PCB.

Βήμα 2: Σχετικά με το Jetson Nano

Μερικές προδιαγραφές:

• GPU: 128-core NVIDIA Maxwell ™ GPU
• CPU: Τετραπύρηνος επεξεργαστής ARM® A57
• Μνήμη: 4 GB 64-bit LPDDR4
• Αποθηκευτικός χώρος: 16GB eMMC 5.1 φλας
• Κωδικοποιητής βίντεο: 4K @30 （H.264/H.265
• Αποκωδικοποιητής βίντεο: 4K @60 （H.264/H.265
• Κάμερα: 12 λωρίδες (3 × 4 ή 4 × 2) MIPI CSI-2 DPHY 1.1 （1.5Gbps
• Συνδεσιμότητα: Gigabit Ethernet
• Οθόνη: HDMI 2.0 ή DP1.2 | eDP 1.4 | DSI (1x2)
• UPHY: 1x1/2/4 PCIE, 1xUSB3.0, 3xUSB2.0
• I /O: 1xSDIO /2xSPI /6xI2C /2xI2S /GPIO
• Διαστάσεις: 100 x 80 x 29 mm/3.94x3.15x1.14”

Βήμα 3: Ξεκινώντας: Μέρη

Για να ξεκινήσετε και να εκκινήσετε το Jetson Nano χρειάζεστε τα ακόλουθα σκληρά προϊόντα:

• Το Jetson Nano: Link
• Οθόνη HDMI, χρησιμοποίησα μια οθόνη αφής 7 ιντσών από το DFRobot
• Πληκτρολόγιο & ποντίκι, πήρα έναν ασύρματο συνδυασμό από το DFRobot
• Κάρτα SD τουλάχιστον 16 GB και κλάσης 10
• Τουλάχιστον τροφοδοτικό 5V 2Amp micro USB
• Καλώδιο Ethernet ή κάρτα WiFi για προσθήκη πρόσβασης στο Internet στο Jetson Nano

Βήμα 4: Προετοιμασία της κάρτας SD

1) Κατεβάστε το Jetson Nano Developer Kit SD Card Image και σημειώστε πού αποθηκεύτηκε στον υπολογιστή.

2) Κατεβάστε ένα λογισμικό αναλαμπής εικόνας για το λειτουργικό σας σύστημα, χρησιμοποίησα το εργαλείο απεικόνισης δίσκου Win32 στα παράθυρα για να αναβοσβήνω την κάρτα SD με την εικόνα που έχει ληφθεί στο βήμα 1.

3) Συνδέστε την κάρτα SD στον υπολογιστή/φορητό υπολογιστή σας και, στη συνέχεια, χρησιμοποιώντας το εργαλείο λάμψης στον υπολογιστή σας αναβοσβήνετε την εικόνα που έχετε κατεβάσει στην κάρτα SD.

4) Μόλις η εικόνα αναβοσβήνει στην κάρτα SD, η κάρτα είναι έτοιμη να εισαχθεί στο Jetson Nano

Βήμα 5: Εκκίνηση του Jetson Nano

Μόλις συνδεθούν όλα τα καλώδια στο Jetson και ενεργοποιηθεί το τροφοδοτικό, τότε θα δείτε σενάρια εγκατάστασης να εκτελούνται στην οθόνη.

Πρέπει να ακολουθήσετε απλά βήματα ρύθμισης όπως ρύθμιση περιοχής/γλώσσας/ώρας και το σύστημα θα επανεκκινήσει για να εμφανίσει το λογότυπο της Nvidia.

Βήμα 6: Εγκατάσταση των επιδείξεων:

Πρώτα, ενημερώστε και αναβαθμίστε το λογισμικό:

• sudo apt-get ενημέρωση
• s udo apt αναβάθμιση

Μόλις ολοκληρωθούν οι ενημερώσεις, θα εγκαταστήσουμε τώρα το demo του VisionWorks, για να το εγκαταστήσουμε πρέπει πρώτα να μεταβούμε στο φάκελο που έχει το σενάριο εγκατάστασης με την ακόλουθη εντολή:

cd/usr/share/visionworks/πηγές/

Πρέπει να αντιγράψουμε το σενάριο στη θέση ρίζας και να μεταβούμε στη θέση ρίζας:

• ./install-samples.sh
• cd

Στο ριζικό φάκελο, θα βρείτε τον φάκελο worksworks στο εσωτερικό του οποίου πρέπει να εκτελέσετε την εντολή make.

• cd /VisionWorks-1.6-Samples/
• φτιαχνω, κανω

Μόλις εκτελεστεί η εντολή make, μπορείτε να μεταβείτε στην ακόλουθη διαδρομή για να εκτελέσετε τα demos

• cd/bin/aarch64/linux/release/
• ls

Σε αυτόν τον φάκελο, θα δείτε τα πολλαπλά demos που μπορείτε να εκτελέσετε με τον ακόλουθο τρόπο:

./nvx_demo_feature_tracker

Μόλις εκτελεστεί η εντολή, θα δείτε ένα παράθυρο όπως αυτό στις εικόνες.

Βήμα 7: Περισσότερα βήματα

Μόλις γίνει αυτό, μπορείτε να παίξετε με άλλα χαρακτηριστικά του Jetson, προχωρώντας θα προσθέσουμε μια μονάδα κάμερας Raspberry Pi στο Jetson και θα κάνουμε κάποια έργα αναγνώρισης εικόνας.

Μείνετε συντονισμένοι στο κανάλι μου για περισσότερα!