【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
- monkey+shell命令解析总结
结束monkey方法 Linux下: adb shell top | grep monkey windows下: 1.adb shell top | find "monkey" 5 ...
- wordpress非管理员看不到数据需有manage_options权限
今天ytkah在调试一个新功能的时候发现wordpress非管理员看不到一些插件的数据,比如editor,添加一些用户权限还是不行,不得已直接把administrator所有的权限都添加测试一遍,最后 ...
- 正确创建本地C++发布构建PDBS
在调试版本中遇到的一个问题是编译本地的C++应用程序.例如,许多局部变量消失了,因为代码生成器没有将它们放在堆栈上,而是将它们放在寄存器中,就像在调试生成中发生的那样.此外,release积极地构建对 ...
- CLR内部异常(上)
当我们提到CLR里的“异常”,要注意一个很重要的区别.有通过如C#的try/catch/finally暴露给应用程序,并由运行时提供机制全权实现的托管异常.也有运行时自己使用的异常.大部分运行时开发人 ...
- Xamarin移动开发之路
Xamarin入门 1.Xamarin开发及学习资源 2.Xamarin安装及调试 Xamarin.Forms 1.入门 [快速入门] 2.XAML 3.应用程序基础知识 [辅助功能]eg:大类型.高 ...
- 浏览器事件循环 & nodejs事件循环
第1篇:如何理解EventLoop——宏任务和微任务篇 宏任务(MacroTask)引入 在 JS 中,大部分的任务都是在主线程上执行,常见的任务有: 渲染事件 用户交互事件 js脚本执行 网络请求. ...
- P2340 奶牛会展 DP 背包
P2340 奶牛会展 DP \(n\)头牛,每头牛有智商\(s[i]\)情商\(f[i]\),问如何从中选择几头牛使得智商情商之和最大 且 情商之和.智商之和非负 \(n\le 400,-10^3\l ...
- LibreOJ #517. 「LibreOJ β Round #2」计算几何瞎暴力
二次联通门 : LibreOJ #517. 「LibreOJ β Round #2」计算几何瞎暴力 /* LibreOJ #517. 「LibreOJ β Round #2」计算几何瞎暴力 叫做计算几 ...
- HTML之微信全屏播放视频
不废话,上代码: <!DOCTYPE html> <html> <head> <meta charset="utf-8"> < ...
- 第12组 Beta冲刺(3/5)
Header 队名:To Be Done 组长博客 作业博客 团队项目进行情况 燃尽图(组内共享) 展示Git当日代码/文档签入记录(组内共享) 注: 由于GitHub的免费范围内对多人开发存在较多限 ...