本文目录
NVIDIA TX2适用于什么领域
近期正在开发一个基于TX2的应用项目，看到这个问题，就结合自己在使用TX2过程中的体验谈谈我的心得吧。
官方给出的文档始终强调它适合于深度学习、计算机视觉、GPU计算、多媒体处理等领域，实际上它确实适合这些方面，我们的应用就是基于深度学习的图像处理问题。
先看一下它的近距离写真吧^_^：
我们使用的是一款基于C语言的开源深度学习框架——Darknet,使用该框架主要是因为我们使用的神经网络参考了Yolo,也是Yolo作者开发的一套对应框架。实际上，该框架也可以用来运行别的一些结构的卷积神经网络。-英伟达tx2详细参数
此处说点题外话，Yolo作者的操守还是很高的，前段时间为了反对将Yolo用于军事领域，层声称要退出相关研究。
对于如下网络结构，使用1024*1024的图片进行测试，大概需要100-200毫秒。
下面是官方给出的规格参数：
以及使用官方刷机包刷机之后相关工具软件情况：
使用前先考虑能否满足自己的需要？
优势与长处：
1、适合做图像处理方面的应用，硬件自带摄像头，工具包集成了OpenCV，Python等开发工作，很适合初学者使用；
2、集成了CUDA和CUDNN，适合神经网络与深度学习方面的应用；
3、集成度高，体积、重量较轻，价格相对较低，适合嵌入式方面的开发。有人已经将该模块应用于无人家项目。
4、对于成本要求较高，可以选择低端产品Nano,对于性能要求较高可以选择Xavior，代码容易移植。
不足与注意事项：
1、虽然TX2支持深度学习，但是对于目前流行的PyTorch深度学习框架的支持并不友好，目前没有现成的whl文件（虽然我在网上找到了现有的whl链接，但是根本无法下载，即使翻墙也不行），此外也试过PyTorch源码编译方式，网上有很多攻略，但是实际中总会遇到莫名其妙的错误，目前正在研究，还没有找到终极解决方案，如果有哪位朋友有过成功的编译经验，烦请不吝赐教；-英伟达tx2详细参数
2、TX2实际分核心模块和开发套件，核心模块需要自己开发载板，适合企业级应用，对于新学者，建议选开发套件，购买时让客服帮忙刷机，这样拿到板子就可以快速上手。否则需要刷机，因为国内访问外部网络速度太慢，刷机是一件非常痛苦的事情；-英伟达tx2详细参数
3、虽然有诸多优势，但是它的计算能力有限，只适合于具体的应用，不适合作为训练运算平台。
4、开发套件只支持HTMI输出，配显示器时需要注意，此外鼠标、键盘等需要自己配置，考虑到USB接口太少，还得在配一个USB HUB。
如何评价英伟达发布嵌入式电脑Jetson Nano
在GTC 2019上，NVIDIA推出人工智能计算机Jetson Nano，外观小巧玲珑如同树莓派，但性能却非常强大，可以提供高达472 GFLOPS的浮点运算能力，而且耗电量仅为5W，可以帮助企业快速开发出拥有人工智能系统的产品。-英伟达tx2详细参数
Jetson系列作为NVIDIA嵌入式产品，之前推出过性能极为强大的Jetson AGX Xavier以及用于边缘人工智能的Jetson TX2，而Jetson Nano的加入目的在于让更多用户更容易接触到人工智能，激励人们开发出人工智能产品。-英伟达tx2详细参数
为了方便大家开发软件程序，JetPack SDK中新增了CUDA-X平台，里面包含40多个加速库，包含用于深度学习、计算机视觉、计算机图形和多媒体处理的加速库，可以加快开发者、企业对于程序上的应用开发。此外还包含有最新版本的CUDA、cuDNN、TensorRT和完整版桌面Linux操作系统。-英伟达tx2详细参数
Jetson Nano支持高分辨率传感器，可以并行处理多个传感器，并且可在每个传感器流上运行多个现代神经网络。它还支持许多常见的人工智能框架，让开发人员轻松地将自己偏爱的模型及框架集成到产品中。
Jetson Nano硬件为四核Cortex-A57 CPU，GPU则是规模最小的Maxwell架构显卡，只有128个CUDA单元，配备了4GB LPDDR4内存以及16GB存储空间。
目前有两个版本出售，一个是售价为99美元的开发者套件，以及售价为129美元的生产就绪套件。
按照NVIDIA的观点，Jetson Nano的诞生意在帮助企业缩短拥有人工智能系统硬件开发周期，提供稳健、强大、节能的硬件解决方案，并向市场快速推广产品。
