Erste Schritte mit dem NVIDIA Jetson Nano Developer Kit - Gunook

2024 Autor: John Day | [email protected]. Zuletzt bearbeitet: 2024-01-30 07:18

Kurzer Überblick über Nvidia Jetson Nano

Das Jetson Nano Developer Kit ist ein kleiner, leistungsstarker Einplatinencomputer, mit dem Sie mehrere neuronale Netze für Anwendungen wie Bildklassifizierung, Objekterkennung, Segmentierung und Sprachverarbeitung parallel betreiben können.

Jetson Nano wird von einer 1,4-GHz-Quad-Core-ARM-A57-CPU, einer 128-Core-Nvidia-Maxwell-GPU und 4 GB RAM angetrieben. Es verfügt über vier USB-Typ-A-Anschlüsse, darunter einen USB 3.0-Anschluss, HDMI- und DisplayPort-Ausgang für Video und einen Gigabit-Ethernet-Anschluss. Es gibt einen integrierten CSI-Kamerasteckplatz, Sie können jedoch auch Kameras über USB anschließen. Wie der Raspberry Pi verfügt auch der Jetson Nano über 40 GPIO-Pins (allgemeiner Eingang / Ausgang), die Sie zum Anschließen an Lichter, Motoren und Sensoren verwenden können. Leider hat der Jetson Nano keine Onboard-Wireless- und Bluetooth-Konnektivität. Ein Micro-USB-Port wird verwendet, um ihn an eine Stromquelle anzuschließen, aber es gibt auch einen Hohlstecker, den Sie mit einem optionalen High-Power-Netzteil verwenden können, das 4 Ampere für intensivere Aufgaben liefert. Die CPU wird mit einem Kühlkörper geliefert, aber Sie können einen optionalen Lüfter oben auf der Spüle anbringen, wenn Sie prozessorintensive Aufgaben ausführen, die mehr Kühlung erfordern.

Der Verkaufspreis des Jetson Nano liegt mit 99 USD fast doppelt so hoch wie der Raspberry Pi, eröffnet aber gleichzeitig durch den Einsatz von Nvidia-GPUs deutlich mehr Möglichkeiten.

Lieferungen

Bevor Sie Ihren NVIDIA Jetson Nano starten, benötigen Sie die folgenden Elemente. Ich habe meinen Jetson Nano über den folgenden Link gekauft, der ein komplettes Kit mit Acrylgehäuse usw. enthält.

• Eine Micro-SD-Karte (mindestens 16 GB)
• Kompatibles Netzteil - ein 5V 4A Barrel-Jack-Netzteil wird empfohlen, Sie können aber auch ein 5V 2,5A Micro-USB-Netzteil verwenden.
• Ein Ethernet-Kabel (optional)
• WLAN-USB-Dongle (optional)
• Bluetooth-USB-Adapter CSR 4.0 (optional)
• MicroSD-Kartenleser
• HDMI Kabel
• LCD-Monitor mit HDMI-Eingang
• Fall (optional)

Schritt 1: Zusammenbau des Gehäuses für das Jetson Nano Developer Kit

Diese Hülle wurde speziell für den Jetson Nano entwickelt und besteht aus transparentem Acryl.

Schritt 2: Bild auf die MicroSD-Karte schreiben

• Wir müssen das Jetson Nano Developer Kit SD Card Image von der NVIDIA-Website herunterladen.
• Laden Sie Etcher herunter, das das Jetson-Software-Image auf Ihre SD-Karte schreibt.
• NVIDIA bietet Dokumentation zum Flashen der.img-Datei auf eine Micro-SD-Karte für Windows, macOS und Linux mit Etcher.
• Nachdem Etcher mit dem Flashen fertig ist, stecken Sie die microSD-Karte in den Steckplatz an der Unterseite des Jetson Nano-Moduls.

Schritt 3: Zum ersten Mal booten

• Schließen Sie ein HDMI-Display an Jetson Nano an, schließen Sie eine USB-Tastatur und -Maus an und schalten Sie es über ein Micro-USB-Netzteil oder eine Hohlbuchse mit Strom ein, um es hochzufahren.
• Angenommen, Ihr Jetson Nano ist an einen HDMI-Ausgang angeschlossen, sollten Sie Folgendes (oder ähnliches) auf Ihrem Bildschirm sehen.

Schritt 4: Ersteinrichtung

Das Jetson Nano Developer Kit führt Sie durch die anfängliche Einrichtung, einschließlich:

• Überprüfen und akzeptieren Sie die NVIDIA Jetson-Software-EULA
• Systemsprache, Tastaturlayout und Zeitzone auswählen
• Benutzername, Passwort und Computername erstellen
• Einloggen

Nach der Anmeldung sehen Sie den folgenden Desktop von NVIDIA Jetson.

Schritt 5: Fehlerbehebung

Manchmal kommt es vor, dass Ihr Jetson Nano sich selbst herunterfährt. Das ist mir bei meinem ersten Versuch passiert. Eine 2,5-A-Versorgung sollte helfen, dieses Problem zu vermeiden. Für das Pi-Modell 3B können Sie das offizielle Raspberry-Pi-Netzteil verwenden, da dieses 2,5A liefert.

Schritt 6: Fazit

Ich hoffe, Sie fanden diese Anleitung nützlich und danke fürs Lesen. In einem meiner kommenden Tutorials werde ich demonstrieren, wie in der Public Cloud auf Jetson Nano trainierte Deep-Learning-Modelle optimiert und bereitgestellt werden. Haben Sie Fragen oder Feedback? Hinterlassen Sie unten einen Kommentar. Wenn Ihnen dieser Beitrag gefällt, unterstützen Sie mich bitte, indem Sie meinen Blog abonnieren.