又多了一個墊桌角的玩具——Jetson Nano 初體驗1

本文轉載自查看原文 2019-05-10 16:54 5107 Jetson Nano

3月19日，NVIDIA的2019 GTC大會於硅谷召開，CEO黃仁勛發布了 Jetson Nano，可為機器人帶來足夠的AI運算力，99美元的良心之作。

技術參數

Technical	Specifications
GPU	128-core Maxwell
CPU	Quad-core ARM A57 @ 1.43 GHz
Memory	4 GB 64-bit LPDDR4 25.6 GB/s
Storage	microSD (not included)
Video Encode	4K @ 30 \| 4x 1080p @ 30 \| 9x 720p @ 30 (H.264/H.265)
Video Decode	4K @ 60 \| 2x 4K @ 30 \| 8x 1080p @ 30 \| 18x 720p @ 30 (H.264/H.265)
Camera	1x MIPI CSI-2 DPHY lanes
Connectivity	Gigabit Ethernet, M.2 Key E
Display	HDMI 2.0 and eDP 1.4
USB	4x USB 3.0, USB 2.0 Micro-B
Others	GPIO, I2C, I2S, SPI, UART
Mechanical	100 mm x 80 mm x 29 mm

CPU為4核A57處理器，運行Linux for Tegra，GPU有128個Cuda核心，運算能力472G，功耗5W。

1. 開機初始配置

1.1 器件准備

電源：Micro USB(5V 2.5A)
HDMI線、DP線或者HDMI轉DVI線，實測HDMI轉VGA會出現閃屏，不能使用
16G以上class 10或者更高級別Micro SD卡，並備好高速讀卡器燒寫鏡像，個人使用的是128G的卡
網線、USB鍵盤和鼠標（網線連接到路由器，方便IP與MAC綁定，之后可以使用固定IP連接板子）

開機時由於需要在圖形界面上對系統進行設置，需要保證顯示設備（HDMI連到顯示器上）和控制設備（鍵盤和鼠標）都連接上。在開機設置完成后，可以關閉圖形界面並使用SSH登陸，此時只需要連上電源和網線放在角落即可，當然也可以用來墊桌角了。

1.2 燒寫系統

官網下載系統鏡像系統鏡像
使用 Etcher寫入鏡像到SD卡

1.3 開機配置

燒寫完成后，將SD卡插入Jetson Nano，開機並完成用戶密碼、時區等設置，在終端使用ifconfig命令獲取由路由器DHCP分配的IP地址，並在路由器中綁定IP與MAC地址，之后可通過固定IP來訪問，我的板子配置的固定IP是：192.168.1.115
設置完成后拔掉電源關機，此時可以拔除USB鍵盤、鼠標和HDMI轉接線，可以放在散熱良好的角落
使用PUTTY 通過SSH協議連接板子

1.4 關閉圖形界面

通過top命令可以看到內存占用情況

KiB Mem :  4058432 total, 1593660 free, 1477904 used, 986868 buff/cache KiB Swap: 0 total, 0 free, 0 used. 2378568 avail Mem

內存占用1.5G左右，且沒有交換區

由於內存和顯存共用，當內存占用太多時，留給GPU使用的顯存就會很少，所以可以關閉圖形界面從而留出更多的備用內存

1.4.1 關閉圖像用戶界面

sudo systemctl set-default multi-user.target sudo reboot 結果：

Removed /etc/systemd/system/default.target. Created symlink /etc/systemd/system/default.target → /lib/systemd/system/multi-user.target.

關閉圖形界面后的內存占用：

%Cpu(s):  0.1 us, 0.6 sy, 0.0 ni, 98.9 id, 0.2 wa, 0.1 hi, 0.1 si, 0.0 st KiB Mem : 4059712 total, 3513880 free, 322932 used, 222900 buff/cache KiB Swap: 0 total, 0 free, 0 used. 3571064 avail Mem

可以節省1.1G內存開銷用於其他事務

1.4.2 啟用圖形用戶界面

sudo systemctl set-default graphical.target sudo reboot

1.5 設置交換分區

SWAP（交換）分區是一種通過在硬盤中預先划分一定的空間，然后將把內存中暫時不常用的數據臨時存放到硬盤中，以便騰出物理內存空間讓更活躍的程序服務來使用的技術，其設計目的是為了解決真實物理內存不足的問題。但由於交換分區畢竟是通過硬盤設備讀寫數據的，速度肯定要比物理內存慢，所以只有當真實的物理內存耗盡后才會調用交換分區的資源。

實際上，並不是等所有的物理內存都消耗完畢之后，才去使用swap的空間，什么時候使用是由swappiness 參數值控制。

雖然在SD卡上使用交換分區容易使SD卡壞的快一點，但是設置交換分區仍然有必要，將Swappiness參數設置接近零以盡可能的使用內存而非SD卡的交換分區。

1.5.1 查看交換分區

free -m total used free shared buff/cache available Mem: 3964 313 3424 17 226 3488 Swap: 0 0 0

1.5.2 檢查硬盤驅動器分區上的可用空間

df -h

Filesystem Size Used Avail Use% Mounted on /dev/root 118G 9.1G 104G 9% / devtmpfs 1.8G 0 1.8G 0% /dev tmpfs 2.0G 4.0K 2.0G 1% /dev/shm tmpfs 2.0G 18M 2.0G 1% /run tmpfs 5.0M 4.0K 5.0M 1% /run/lock tmpfs 2.0G 0 2.0G 0% /sys/fs/cgroup tmpfs 397M 0 397M 0% /run/user/1000

通常，swap空間等於或雙倍於系統內存的量是一個很好的選擇。如果將其用作RAM后備，那么你的swap分區盡可能不要超過4G。

1.5.3 創建Swap分區文件

我們可以在文件系統上創建一個swap分區。我們將在根/目錄中分配我們想要調用的swap大小的文件swapfile。

創建交換文件的最佳方法是使用fallocate。此命令將創建指定大小的文件。

sudo fallocate -l 4G /swapfile ls -lh /swapfile

-rw-r--r-- 1 root root 4.0G 4月 29 20:25 /swapfile

1.5.4 啟用Swap分區

我們需要將swap文件轉換為swap分區。首先，我們需要鎖定文件的權限，以便只有具有root權限的用戶才能讀取內容。

通過輸入以下內容使該文件只能由root訪問：

sudo chmod 600 /swapfile

輸入以下命令驗證權限更改：

ls -lh /swapfile

-rw------- 1 root root 4.0G /swapfile

只有root用戶啟用了讀寫標志。

我們現在可以通過輸入以下內容將文件標記為swap空間

sudo mkswap /swapfile
Setting up swapspace version 1, size = 4 GiB (4294963200 bytes)
 no label, UUID=e1a385f2-4431-4881-9beb-966adefd688d

標記文件后，我們可以啟用swap文件：

sudo swapon /swapfile

輸入以下內容驗證交換是否可用：

sudo swapon --show

NAME TYPE SIZE USED PRIO /swapfile file 4G 0B -1

我們可以用free命令再次檢查：

free -h total used free shared buff/cache available Mem: 3.9G 318M 3.3G 17M 230M 3.4G Swap: 4.0G 0B 4.0G

swap已成功設置，操作系統將在必要時使用它。

1.5.5 永久化swap文件

雖然已啟用當前會話中的 swap 文件，但是，如果我們重新啟動的話，服務器將不會自動保留 swap 設置。可以通過將交換文件添加到我們的 /etc/fstab 來進行更改。

為了避免出現任何問題，先備份/etc/fstab文件：

sudo cp /etc/fstab /etc/fstab.bak

輸入以下內容，將swap文件信息添加到/etc/fstab文件末尾：

echo '/swapfile none swap sw 0 0' | sudo tee -a /etc/fstab

接下來，我們將調整我們的swap空間。

1.5.6 調整Swap設置

（1）調整Swappiness參數

該swappiness參數主要配置系統將數據從RAM交換到交換空間的頻率。該參數的值是介於0和100之間的百分比。

當值接近於零時，除非絕對必要，否則內核不會將數據交換到磁盤。請記住，與swap文件的交互是“費時的”，因為它們比與RAM的交互花費更長的時間，並且它們可能導致性能的顯着降低。

當該值接近100時，其將嘗試將更多數據放入交換中以努力保留更多的RAM空間。我們可以通過輸入以下內容來查看當前的swappiness值：

cat /proc/sys/vm/swappiness

60

對於服務器本身來說，您可能希望這個數值更接近於0。我們可以使用sysctl命令將swappiness設置為不同的值。

例如，要將swappiness設置為10，我們可以輸入：

sudo sysctl vm.swappiness=10
vm.swappiness = 10

我們可以通過在/etc/sysctl.conf文件中添加以下行來自動設置此值：

sudo nano /etc/sysctl.conf

在底部，您可以添加：

vm.swappiness=10

完成后保存並關閉文件。

（2）調整緩存壓力設置

您可能想要修改的另一個相關值是vfs_cache_pressure。這將關系到系統選擇多少緩存inode和dentry信息。

您可以通過proc命令來查看當前值：

cat /proc/sys/vm/vfs_cache_pressure

100

我的設置系統會很快地從緩存中刪除inode信息。我們可以通過輸入以下內容將其設置為更保守的值（如50）：

sudo sysctl vm.vfs_cache_pressure=50
vm.vfs_cache_pressure = 50

同樣，這僅適用於我們當前的會話。我們可以通過將其添加到配置文件來改變它，就像我們使用swappiness設置一樣：

sudo nano /etc/sysctl.conf

在底部，添加指定新值的行：

vm.vfs_cache_pressure=50

完成后保存並關閉文件。

1.6 更換源並更新軟件

Jetson Nano 采用的是 aarch64 架構的Ubuntu 18.04.2 LTS 系統

Nano的鏡像默認是國外的源，速度很慢，國內的源有的上不去，有的包無法安裝，經過測試清華大學的源完美可用，現放上教程

首先備份原本的 source.list 文件

sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak #為防止誤操作后無法恢復，先備份原文件sources.list

sudo vim /etc/apt/sources.list

然后刪除所有內容，復制

deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic main multiverse restricted universe deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-security main multiverse restricted universe deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-updates main multiverse restricted universe deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-backports main multiverse restricted universe deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic main multiverse restricted universe deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-security main multiverse restricted universe deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-updates main multiverse restricted universe deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-backports main multiverse restricted universe

到 sources.list 后保存，之后打開終端輸入

#刷新存儲庫索引 sudo apt-get update #在升級軟件包時自動處理依賴關系 sudo apt-get full-upgrade

由於在使用時經常查看CPU和共享的內存占用，系統自帶的top命令並不好用，可以使用更好用的 htop，使用如下命令安裝

sudo apt install htop

htop

htop 可以看到每個CPU核心的使用率、共享內存的使用率，方便直觀

1.7 檢查已經安裝的系統組件

Jetson-nano 的OS鏡像已經自帶了JetPack，cuda，cudnn，opencv 等已經安裝好的庫，並有例子，這些例子安裝路徑如下所示

包	路徑
TensorRT	/usr/src/tensorrt/samples/
CUDA	/usr/local/cuda-/samples/
cuDNN	/usr/src/cudnn_samples_v7/
Multimedia API	/usr/src/tegra_multimedia_api/
VisionWorks	/usr/share/visionworks/sources/samples/ /usr/share/visionworks-tracking/sources/samples/ /usr/share/visionworks-sfm/sources/samples/
OpenCV	/usr/share/OpenCV/samples/

1.7.0 檢查系統屬性

#查看Jetson Nano L4T版本： head -n 1 /etc/nv_tegra_release R32 (release), REVISION: 1.0, GCID: 14531094, BOARD: t210ref, EABI: aarch64, DATE: Wed Mar 13 07:46:13 UTC 2019 #查看系統版本 cat /etc/lsb-release DISTRIB_ID=Ubuntu DISTRIB_RELEASE=18.04 DISTRIB_CODENAME=bionic DISTRIB_DESCRIPTION="Ubuntu 18.04.2 LTS" #查看系統內核 uname -a Linux nv 4.9.140-tegra #1 SMP PREEMPT PDT 2019 aarch64 aarch64 aarch64 GNU/Linux #查看內存 free -m total used free shared buff/cache available Mem: 3964 393 2949 25 621 3387 Swap: 4095 0 4095 #查看CPU詳情 lscpu Architecture: aarch64 Byte Order: Little Endian CPU(s): 4 On-line CPU(s) list: 0-3 Thread(s) per core: 1 Core(s) per socket: 4 Socket(s): 1 Vendor ID: ARM Model: 1 Model name: Cortex-A57 Stepping: r1p1 CPU max MHz: 1428.0000 CPU min MHz: 102.0000 BogoMIPS: 38.40 L1d cache: 32K L1i cache: 48K L2 cache: 2048K Flags: fp asimd evtstrm aes pmull sha1 sha2 crc32 #查看硬盤分區 sudo parted -l Error: /dev/mtdblock0: unrecognised disk label Model: Unknown (unknown) Disk /dev/mtdblock0: 4194kB Sector size (logical/physical): 512B/512B Partition Table: unknown Disk Flags: Model: SD SC128 (sd/mmc) Disk /dev/mmcblk0: 128GB Sector size (logical/physical): 512B/512B Partition Table: gpt Disk Flags: Number Start End Size File system Name Flags 2 1049kB 1180kB 131kB TBC 3 2097kB 2556kB 459kB RP1 4 3146kB 3736kB 590kB EBT 5 4194kB 4260kB 65.5kB WB0 6 5243kB 5439kB 197kB BPF 7 6291kB 6881kB 590kB TOS 8 7340kB 7406kB 65.5kB EKS 9 8389kB 9044kB 655kB LNX 10 9437kB 9896kB 459kB DTB 11 10.5MB 10.6MB 131kB RP4 12 11.5MB 11.6MB 81.9kB BMP 1 12.6MB 128GB 128GB ext4 APP #查看硬盤空間 df -h Filesystem Size Used Avail Use% Mounted on /dev/root 118G 16G 97G 15% / devtmpfs 1.8G 0 1.8G 0% /dev tmpfs 2.0G 4.0K 2.0G 1% /dev/shm tmpfs 2.0G 26M 2.0G 2% /run tmpfs 5.0M 4.0K 5.0M 1% /run/lock tmpfs 2.0G 0 2.0G 0% /sys/fs/cgroup tmpfs 397M 12K 397M 1% /run/user/1000 #查看正在運行的進程 htop #查看USB設備 lsusb Bus 002 Device 002: ID 0bda:0411 Realtek Semiconductor Corp. Bus 002 Device 001: ID 1d6b:0003 Linux Foundation 3.0 root hub Bus 001 Device 002: ID 0bda:5411 Realtek Semiconductor Corp. Bus 001 Device 001: ID 1d6b:0002 Linux Foundation 2.0 root hub #查看PCI總線 lspci 00:02.0 PCI bridge: NVIDIA Corporation Device 0faf (rev a1) 01:00.0 Ethernet controller: Realtek Semiconductor Co., Ltd. RTL8111/8168/8411 PCI Express Gigabit Ethernet Controller (rev 15) #查看系統已載入的相關模塊 lsmod Module Size Used by nvs 54527 0 nvgpu 1555053 3 bluedroid_pm 13912 0 ip_tables 19441 0 x_tables 28951 1 ip_tables #查看硬件 sudo lshw

nv description: Computer product: jetson-nano serial: 04212190206840c08401 width: 64 bits capabilities: smp cp15_barrier setend swp *-core description: Motherboard physical id: 0 *-cpu:0 description: CPU product: cpu physical id: 0 bus info: cpu@0 size: 1428MHz capacity: 1428MHz capabilities: fp asimd evtstrm aes pmull sha1 sha2 crc32 cpufreq *-cpu:1 description: CPU product: cpu physical id: 1 bus info: cpu@1 size: 1428MHz capacity: 1428MHz capabilities: fp asimd evtstrm aes pmull sha1 sha2 crc32 cpufreq *-cpu:2 description: CPU product: cpu physical id: 3 bus info: cpu@2 size: 1428MHz capacity: 1428MHz capabilities: fp asimd evtstrm aes pmull sha1 sha2 crc32 cpufreq *-cpu:3 description: CPU product: cpu physical id: 4 bus info: cpu@3 size: 1428MHz capacity: 1428MHz capabilities: fp asimd evtstrm aes pmull sha1 sha2 crc32 cpufreq *-cpu:4 DISABLED description: CPU product: idle-states physical id: 5 bus info: cpu@4 *-cpu:5 DISABLED description: CPU product: l2-cache physical id: 6 bus info: cpu@5 *-memory description: System memory physical id: 7 size: 3964MiB *-pci description: PCI bridge product: NVIDIA Corporation vendor: NVIDIA Corporation physical id: 2 bus info: pci@0000:00:02.0 version: a1 width: 32 bits clock: 33MHz capabilities: pci pm msi ht pciexpress normal_decode bus_master cap_list configuration: driver=pcieport resources: irq:84 ioport:1000(size=4096) memory:13000000-130fffff *-network description: Ethernet interface product: RTL8111/8168/8411 PCI Express Gigabit Ethernet Controller vendor: Realtek Semiconductor Co., Ltd. physical id: 0 bus info: pci@0000:01:00.0 logical name: eth0 version: 15 serial: 00:04:4b:e4:0c:db size: 100Mbit/s capacity: 1Gbit/s width: 64 bits clock: 33MHz capabilities: pm msi pciexpress msix bus_master cap_list ethernet physical tp 10bt 10bt-fd 100bt 100bt-fd 1000bt-fd autonegotiation configuration: autonegotiation=on broadcast=yes driver=r8168 driverversion=8.045.08-NAPI duplex=full ip=192.168.1.115 latency=0 link=yes multicast=yes port=twisted pair speed=100Mbit/s resources: irq:404 ioport:1000(size=256) memory:13004000-13004fff memory:13000000-13003fff *-usbhost:0 product: xHCI Host Controller vendor: Linux 4.9.140-tegra xhci-hcd physical id: 1 bus info: usb@1 logical name: usb1 version: 4.09 capabilities: usb-2.00 configuration: driver=hub slots=5 speed=480Mbit/s *-usb description: USB hub product: 4-Port USB 2.1 Hub vendor: Generic physical id: 2 bus info: usb@1:2 version: 1.20 capabilities: usb-2.10 configuration: driver=hub slots=4 speed=480Mbit/s *-usbhost:1 product: xHCI Host Controller vendor: Linux 4.9.140-tegra xhci-hcd physical id: 2 bus info: usb@2 logical name: usb2 version: 4.09 capabilities: usb-3.00 configuration: driver=hub slots=4 speed=5000Mbit/s *-usb description: USB hub product: 4-Port USB 3.1 Hub vendor: Generic physical id: 1 bus info: usb@2:1 version: 1.20 capabilities: usb-3.20 configuration: driver=hub slots=4 speed=5000Mbit/s *-network:0 description: Ethernet interface physical id: 3 logical name: usb0 serial: 96:1a:c2:c7:d8:7f capabilities: ethernet physical configuration: broadcast=yes driver=g_ether driverversion=29-May-2008 firmware=tegra-xudc link=no multicast=yes *-network:1 description: Ethernet interface physical id: 4 logical name: l4tbr0 serial: 96:1a:c2:c7:d8:7d capabilities: ethernet physical configuration: broadcast=yes driver=bridge driverversion=2.3 firmware=N/A ip=192.168.55.1 link=no multicast=yes *-network:2 DISABLED description: Ethernet interface physical id: 5 logical name: dummy0 serial: 96:71:bf:d0:c5:fd capabilities: ethernet physical configuration: broadcast=yes driver=dummy driverversion=1.0 *-network:3 description: Ethernet interface physical id: 6 logical name: rndis0 serial: 96:1a:c2:c7:d8:7d capabilities: ethernet physical configuration: broadcast=yes driver=g_ether driverversion=29-May-2008 firmware=tegra-xudc link=no multicast=yes

1.7.1 檢查CUDA

Jetson-nano 中已經安裝了 CUDA10.0 版本，但是此時你如果運行 nvcc -V 是不會成功的，需要你把 CUDA 的路徑寫入環境變量中。OS 中自帶 Vim 工具，所以運行下面的命令編輯環境變量

sudo vim  ~/.bashrc

在最后添加

export CUBA_HOME=/usr/local/cuda-10.0 export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64:$LD_LIBRARY_PATH export PATH=/usr/local/cuda-10.0/bin:$PATH

然后保存退出
對了最后別忘了source一下這個文件。

source ~/.bashrc

source后，此時再執行 nvcc -V 執行結果如下

nvcc -V

1.7.2 檢查OpenCV

Jetson-nano 中已經安裝了 OpenCV3.3 版本，可以使用命令檢查 OpenCV 是否安裝就緒

#查看opencv版本： pkg-config opencv --modversion 3.3.1 #查看opencv安裝庫 pkg-config opencv --libs

-lopencv_dnn -lopencv_ml -lopencv_objdetect -lopencv_shape -lopencv_stitching -lopencv_superres -lopencv_videostab -lopencv_calib3d -lopencv_features2d -lopencv_highgui -lopencv_videoio -lopencv_imgcodecs -lopencv_video -lopencv_photo -lopencv_imgproc -lopencv_flann -lopencv_core

如果 OpenCV 安裝就緒，會顯示版本號，版本是3.3.1

1.7.3 檢查cuDNN

Jetson-nano 中已經安裝好了 cuDNN，並有例子可供運行，我們運行一下例子，也正好驗證上面的 CUDA

#進入例子目錄 cp -rf /usr/src/cudnn_samples_v7/mnistCUDNN ~/cudnn #編譯一下例子 make # 為可執行文件添加執行權限 chmod a+x mnistCUDNN # 執行 ./mnistCUDNN

如果成功，如下所示

cudnnGetVersion() : 7301 , CUDNN_VERSION from cudnn.h : 7301 (7.3.1) Host compiler version : GCC 7.3.0 There are 1 CUDA capable devices on your machine : device 0 : sms 1 Capabilities 5.3, SmClock 921.6 Mhz, MemSize (Mb) 3964, MemClock 12.8 Mhz, Ecc=0, boardGroupID=0 Using device 0 Testing single precision Loading image data/one_28x28.pgm Performing forward propagation ... Testing cudnnGetConvolutionForwardAlgorithm ... Fastest algorithm is Algo 1 Testing cudnnFindConvolutionForwardAlgorithm ... ^^^^ CUDNN_STATUS_SUCCESS for Algo 1: 0.371823 time requiring 3464 memory ^^^^ CUDNN_STATUS_SUCCESS for Algo 0: 0.396354 time requiring 0 memory ^^^^ CUDNN_STATUS_SUCCESS for Algo 4: 5.057344 time requiring 207360 memory ^^^^ CUDNN_STATUS_SUCCESS for Algo 2: 16.059010 time requiring 57600 memory ^^^^ CUDNN_STATUS_SUCCESS for Algo 5: 25.094376 time requiring 203008 memory Resulting weights from Softmax: 0.0000000 0.9999399 0.0000000 0.0000000 0.0000561 0.0000000 0.0000012 0.0000017 0.0000010 0.0000000 Loading image data/three_28x28.pgm Performing forward propagation ... Resulting weights from Softmax: 0.0000000 0.0000000 0.0000000 0.9999288 0.0000000 0.0000711 0.0000000 0.0000000 0.0000000 0.0000000 Loading image data/five_28x28.pgm Performing forward propagation ... Resulting weights from Softmax: 0.0000000 0.0000008 0.0000000 0.0000002 0.0000000 0.9999820 0.0000154 0.0000000 0.0000012 0.0000006 Result of classification: 1 3 5 Test passed! Testing half precision (math in single precision) Loading image data/one_28x28.pgm Performing forward propagation ... Testing cudnnGetConvolutionForwardAlgorithm ... Fastest algorithm is Algo 1 Testing cudnnFindConvolutionForwardAlgorithm ... ^^^^ CUDNN_STATUS_SUCCESS for Algo 0: 0.134375 time requiring 0 memory ^^^^ CUDNN_STATUS_SUCCESS for Algo 1: 0.168437 time requiring 3464 memory ^^^^ CUDNN_STATUS_SUCCESS for Algo 2: 0.287084 time requiring 28800 memory ^^^^ CUDNN_STATUS_SUCCESS for Algo 4: 2.512813 time requiring 207360 memory ^^^^ CUDNN_STATUS_SUCCESS for Algo 5: 12.629375 time requiring 203008 memory Resulting weights from Softmax: 0.0000001 1.0000000 0.0000001 0.0000000 0.0000563 0.0000001 0.0000012 0.0000017 0.0000010 0.0000001 Loading image data/three_28x28.pgm Performing forward propagation ... Resulting weights from Softmax: 0.0000000 0.0000000 0.0000000 1.0000000 0.0000000 0.0000714 0.0000000 0.0000000 0.0000000 0.0000000 Loading image data/five_28x28.pgm Performing forward propagation ... Resulting weights from Softmax: 0.0000000 0.0000008 0.0000000 0.0000002 0.0000000 1.0000000 0.0000154 0.0000000 0.0000012 0.0000006 Result of classification: 1 3 5

Test passed!

至此，基本組件檢查完畢

參考資料

免責聲明！

本站轉載的文章為個人學習借鑒使用，本站對版權不負任何法律責任。如果侵犯了您的隱私權益，請聯系本站郵箱yoyou2525@163.com刪除。

猜您在找 Tensorflow的安裝和使用——Jetson Nano 初體驗3 垃圾CPU，耗我時光——Jetson Nano 初體驗2 Keras 和 TFlearn 的安裝和使用——Jetson Nano 初體驗4 Lichee Nano初體驗 [Jetson Nano]Jetson Nano快速入門 Jetson Nano系列教程0：初識Jetson Nano Jetson nano 安裝 TensorFlow NVIDIA Jetson Nano Jetson nano串口的使用 jetson nano VNC