Jetson Nano系列学习汇总 Jetson Nano 【1】入手开箱、烧系统 Jetson Nano 【2】组装，基本入门配置 Jetson Nano 【3】安装并检查基本环境 Jetson Nano 【4】安装Pytorch1.4 Jetson Nano 【5】Pytorch-YOLOv3原生模型测试 Jetson Nano 【6】Segmentation fault (core dumped)——系统重新烧制，运行python3.6发生错误 Jetson Nano 【7】调研错误 ‘tensorrt.tensorrt.ActivationType’ has no attribute

英伟达AI主板jetson nano入门教程，非常实用

jetson nano使用USB摄像头将拍摄的图像显示在手机APP上

CSI相机 将MIPI-CSI（2）相机（例如Raspberry Pi版本2相机）与NVIDIA Jetson Nano Developer Kit一起使用的简单示例。 这是JetsonHacks上文章的支持代码： ://wp.me/p7ZgI9-19v 摄像机应安装在载板上的MIPI-CSI摄像机连接器中。 相机色带上的插针应面向Jetson Nano模块，条纹朝外。 新的Jetson Nano B01开发人员套件具有两个CSI摄像机插槽。 您可以将sensor_mode属性与nvarguscamerasrc一起使用以指定摄像机。 有效值为0或1（如果未指定，则默认为0），即 nvarguscamerasrc sensor_id=0 要测试相机： # Simple Test # Ctrl^C to exit # sensor_id selects the camera: 0

jetson-nano的ROS镜像

2021年愿景 2021年第一个FRC银河搜寻任务视觉代码。该代码将能够使用Nvidia Jetson Nano和YOLOv5在运动场上运行实时目标检测。 YOLOv5对象检测信息/文档 YOLOv5是用于实时对象检测的AI对象检测库。 资源 用法 注意：所有软件包和模块都使用virtualenv坐在虚拟环境中。要为此仓库运行任何命令，您必须输入venv。 FROM YOLOv5_trained_model目录键入source venv/bin/activate以启动环境变量 powercell_model / YOLOv5_Trained_Model目录中的文件都是经过训练的ML模型。它由data.yaml，custom_yolov5s.yaml和best.pt（即经过训练的模型文件）组成。 注意：Roboflow用于创建yolov5格式。 要获取（或更新）训练后的模型，请执行以下操作

YoloV3-ncnn-Jetson-Nano 带有ncnn框架的YoloV3。 论文： : 专为Jetson Nano设计的产品，请参阅 基准。 模型 杰特逊纳米2015 MHz RPi 4 64-OS 1950兆赫 YoloV2（416x416） 10.1帧/秒 3.0帧/秒 YoloV3（352x352）微小 17.7帧/秒 4.4 FPS YoloV4（416x416）微小 11.2 FPS 3.4帧/秒 YoloV4（608x608）完整 0.7帧/秒 0.2帧/秒 YoloV5（640x640）小 4.0 FPS 1.6帧/秒 依赖关系。 2021年4月4日：改编为ncnn版本20210322 要运行该应用程序，您必须： 已安装腾讯ncnn框架。 代码：：已安装块。 （ $ sudo apt-get install codeblocks ） 安装应用程

面具摄影机 MaskCam是基于Jetson Nano的智能相机系统的参考设计，该系统实时测量人群面部遮罩的使用情况，并在边缘执行所有AI计算。 MaskCam可以检测并跟踪其视野中的人员，并通过对象检测，跟踪和投票算法确定他们是否戴着口罩。 它将统计信息（而非视频）上传到云中，在其中可以使用Web GUI来监视视场中的面罩合规性。 它可以将有趣的视频片段保存到本地磁盘（例如，突然涌入的许多人没有戴口罩），并且可以选择通过RTSP流式传输视频。 MaskCam可以在Jetson Nano Developer Kit上运行，也可以在具有ConnectTech Photon载板的Jetson Nano SOM上运行。 它被设计为使用Raspberry Pi高质量相机，但也可以与Linux支持的几乎所有USB网络摄像头一起使用。 设备上的软件堆栈主要是用Python编写的，并在JetPac

里面实现了usb摄像头采集 qt显示 能够保存jpg图片，调整曝光 zbar二维码识别显示，这里给出了能在jetson nano上运行的实例

Jetson nano上最新的cudnn库以及CUDA版本。libcudnn7_7.5.0.56-1+cuda10.0_arm64 下载后直接安装就可以将CUDA版本和libcudnn库替换成最新版本。 通过Nvidia的SDKmanager工具下载的版本，自测试OK。