ROS学习1_nvidia Jetson TX2 配置与安装 ROS
buguniaoo1991
buguniaoo1991 2466 2
2017-05-05 15:46
nvidia Jetson TX2 配置、深度学习框架安装、安装 ROS设备:Jetson TX2 开发板、固态硬盘

描述:TX2

图片:1.jpg

TX2
一、步骤:
1、nvidia jetson TX2 基本配置
http://blog.csdn.net/jiongnima/article/details/70040262Note:关于opencv
关于opencv 如果需要运行较旧的caffe程序,建议使用自带的opencv2.4.13并重新从源码编译opencv2.4.13;
之后再编译opencv3.2,使用不同的安装位置;
http://blog.csdn.net/chenjiehua123456789/article/details/70740606
2、TX1例子
参考http://blog.csdn.net/chenjiehua123456789/article/category/6627045
上述例子主要包含:
板载摄像头测试
YOLO: Real-Time Object Detection
caffe环境搭建
R-FCN的算法编译
faster-rcnn的算法编译
multimedia API函数例程
3、tensorflow安装
https://syed-ahmed.gitbooks.io/nvidia-jetson-tx2-recipes/content/first-question.html
4、pyTorch安装
https://gist.github.com/dusty-nv/ef2b372301c00c0a9d3203e42fd83426
5、theano
可直接pip install theano
6、Torch 7 安装
https://github.com/dusty-nv/jetson-reinforcement/blob/master/CMakePreBuild.sh
还可以安装caffe2、sonnet、mxnet、chainer
7、ROS安装
https://github.com/jetsonhacks/installROSTX2
8、realSense ROS安装
https://github.com/jetsonhacks/installRealSenseROSTX2

二、已测试例程:
1、bigan:Adversarial Feature Learning
https://github.com/jeffdonahue/bigan
2、GSP_CNN图信号处理与CNN
Convolutional Neural Networks on Graphs with Fast Localized Spectral Filtering
https://github.com/pfnet-research/chainer-graph-cnn
https://github.com/mdeff/cnn_graph
3、DiscoGAN
Learning to Discover Cross-Domain Relations with Generative Adversarial Networks
https://github.com/ChunyuanLI/DiscoGAN
4、dnc可微分神经计算机
https://github.com/deepmind/dnc
等等。


TX2的定位是进行深度学习算法的推断与部署,功耗很低,约7.5W,其训练与执行性能大概相当于GTX GeForce 950,因此合理的框架是在其他设备上进行训练,在该设备上进行算法的部署。当然,在适当条件下,也可以用其进行模型的训练。
一些常用的网址:
http://www.jetsonhacks.com/
https://github.com/jetsonhacks
https://github.com/dusty-nv
http://www.elinux.org/Jetson_TX2
有任何问题欢迎提问。


接下来会是ROS与深度学习相结合的实例。
分享:
游客
要评论请先登录 或者 注册
roswiki BOSS 2017-05-14 00:21 沙发
赞!支持追更
stevenshichina 一代型 2017-06-09 13:40 板凳
TX2性能不错,应该不便宜
返回顶部