问题标签 [nvidia-jetson]

我在 Nvidia Quadro 板上使用 Keras 2.2.4 训练了一个卷积神经网络。我将训练后的模型保存在两个单独的文件中：一个描述架构的文件 (model.json) 和另一个包含所有权重的文件 (model.h5)。

我想在运行 Keras 2.2.2 的 Nvidia Jetson TX2 板上加载保存的模型，我正在尝试按如下方式进行：

但是，当我尝试加载时，出现以下错误：

已加载模型 = model_from_json(已加载模型_json)

文件“/home/nvidia/.local/lib/python3.5/site-packages/keras/engine/saving.py”，第 368 行，在 model_from_json 返回反序列化（配置，custom_objects=custom_objects）文件“/home/nvidia/ .local/lib/python3.5/site-packages/keras/layers/ init .py”，第 55 行，在反序列化 printable_module_name='layer') 文件“/home/nvidia/.local/lib/python3.5/site -packages/keras/utils/generic_utils.py”，第 145 行，在 deserialize_keras_object 列表（custom_objects.items()))）文件“/home/nvidia/.local/lib/python3.5/site-packages/keras/engine /sequential.py”，第 292 行，在 from_config custom_objects=custom_objects) 文件“ /home/nvidia/.local/lib/python3.5/site-packages/keras/layers/init.py”，第 55 行，在反序列化 printable_module_name='layer') 文件“/home/nvidia/.local/lib/python3.5/site-packages/keras/utils/generic_utils.py”，第 165 行，在 deserialize_keras_object 中:' + function_name) ValueError: Unknown layer:name

我也尝试将整个模型保存在一个文件中，但遇到了同样的错误。

我已经尝试过这里的解决方案，但无法解决。

有没有人见过这个错误？有什么建议么？

我正在尝试在我的 Jetson TX2 上的 python 中使用多个 OpenCV 窗口。但是，我收到错误：“ASSERT：文件 qasciikey.cpp 中的“false”，第 495 行”

以下是最小可重现代码：

这是错误跟踪：

请帮忙。谢谢！

编辑： 该错误仅在我 ssh 进入 Jetson 时发生（通过 MobaXterm v10.5）。如果我直接从 Jetson 运行代码，我不会收到此错误。

我正在使用 TensorRT caffe 解析器从https://github.com/chuanqi305/MobileNet-SSD解析 MobileNet-SSD caffe 模型。我使用 Jetson TX2 中的 Jetpack 3.3 作为平台。如何从 nvinfer 库中修复此错误？API中甚至还有一个 TensorRT 类nvinfer1::plugin::PriorBoxParameters。但是这个图层句柄似乎没有定义。图层参数名称和格式是否有任何错误？或者我们是否必须为此创建一个自定义层插件。有人对此有实现吗？

错误如下，

与此错误相关的源代码行，

prototxt 文件中给定层的错误，

我是 Jetson tegra x2 板的新手。

我计划在 TX2 板上运行我的 tensorflow-gpu 模型，看看它们在那里的表现如何。这些模型在 GTX GPU 机器上进行训练和测试。

在 tx2 板上，Jetpack full 中没有 tensorflow。所以需要构建/安装 tensorflow，我已经看过几个教程并尝试过。我的 python 文件 train.py 和 test.py 需要 tensorflow-gpu。

现在我怀疑，如果在 tx2 板上构建 tensorflow-gpu 是正确的方法吗？

哦，TX2 上有 Nvidia TensorRT，它可以完成部分工作，但是怎么做呢？对吗？

tensorflow 和 tensorRT 会一起取代 tensorflow-gpu 吗？但如何？那么我必须在我的火车和测试python文件中进行哪些修改？

我真的需要为 tx2 构建 tensorflow 吗？我只需要推断我不想在那里进行培训。

我研究了不同的博客并尝试了几种选择，但现在事情有点混乱。

我的简单问题是：

使用在 GTX 机器上训练的 TensorFlow-GPU 深度学习模型在 Jetson TX2 板上完成推理的步骤是什么？

我认为在服务器端使用ifconfig检查IP地址和端口号是正确的，并且该端口没有被服务器端的其他人绑定。所以，我想问题出在客户端。我已在客户端（PC）上附加了客户端的运行结果和 netstat 结果。他们都在同一个wifi下。服务器 IP 为 10.42.0.197，端口号为 14450，客户端 IP 为 10.42.0.1。客户端（TX2板）仍然无法绑定ip和端口。 .

我们目前正在为运行完整 Linux 操作系统 (NVIDIA Jetson TX2) 的 ARM 嵌入式系统开发应用程序。我有一份来自嵌入式系统的 rootfs 以及 ARM 版本 8.2-2018.08 的 GNU 工具链。我很难让 GCC 编译器 ( gcc-arm-8.2-2018.11-x86_64-aarch64-linux-gnu/bin/aarch64-linux-gnu-gcc) 在 rootfs 的正确目录中查找包含文件和库文件。

我已将 --sysroot 变量设置为指向我的 sysroot 的位置。但是，查看 lib 和 include 目录有一个子文件夹，usr/lib/aarch64-linux-gnu其中包含更多的 include 和库，而这些实际上是需要的。例如，库不是位于$rootfs/usr/libor$rootfs/usr/local/lib中，而是库在$rootfs/usr/lib/aarch64-linux-gnu我已经测试过并且使用 -I/-L 命令我可以编译项目。

我的问题如下

• 使用 -I 和 -L 是“正确”的方式吗？如果不是，那是什么？
• 为什么 linux 将这些库放在另一个目录中？
• 使用 --sysroot 编译时，我可以看到正在检查其他非 sysroot 目录。为什么 gcc 会这样做？

我正在编写网络应用程序，我想：

1. 显示来自网络摄像头的本地流 - 这意味着我想从服务器流式传输视频（我不想打开客户端的网络摄像头）
2. 读取二维码并在文本框中列出

这两个已经实现了但是！我遇到了一些意想不到的行为。我所描述的功能运行良好，但仅在本地主机上。我想部署它，因此可以通过不同的计算机访问它（它旨在用于机器人）。

所以来描述我的架构：我使用 Jetson TX2 作为服务器（此处连接网络摄像头）。我使用 Django web 框架、django-channels、daphne 作为 web 服务器和 ngingx 作为代理。我在主管中运行 daphne 和后台进程。

我正在使用工作者（后台进程）从网络摄像头捕获帧并通过 redis 将其发送到网络后端。

因此，当我在 localhost 上运行它时，一切都按预期工作。当我将 Debug 设置为 FALSE 并将 Jetson 的 IP 添加到 ALLOWED_HOSTS 并尝试从不同的计算机访问网络时，会发生这种情况：我可以看到，由于网络摄像头灯亮起，可以访问该网络摄像头。我在网络摄像头前放了一些二维码，代码出现在网络上的文本框中！但是视频不存在（当 ALLOWED_HOSTS 包含本地主机视频时）。收集相机帧的后台进程的输出给出以下错误：

我不会在这里发布整个代码，因为我不知道问题到底出在哪里。有谁知道问题出在哪里？

谢谢您的帮助！

我正在尝试在 Jetson TX2 上编译（和打包）OpenCV 3.4.1，以便它可以在 TX1（架构 #53）和 TX2（架构 #62）上运行。我正在运行 Ubuntu 16.04 的 TX2 上构建。尽我所能，我只能让它为 TX2 编译。

我试过了：

出口 CUDA_ARCH_BIN="53, 62"

和

出口 CUDA_ARCH_BIN="53 62"

在执行 cmake 命令之前，但配置仅给出：

NVIDIA GPU 拱门：62

我确定可以为此设置一个变量，但我一直无法找到它。

我想了解有关同时运行多作业的 Nvidia gpu 的信息。

有一项工作是使用 gpu 进行 CNN 对象定位/检测，另一项是对象检测。

两者同时运行并且需要 gpu 电源。

例如 Nvidia JetsonTx2 和其他 2080Txi 如何共享他们的资源？

是否有可能，或者我们只能同时有一个 gpu 工作人员？

为 Jetson Xavier 寻找入门级相机模块

你好，

我一直在研究满足我对尺寸和性能要求的 Jetson Xavier 开发板。作为我构建的一部分，我需要添加许多相机模块，最好是 8-12 个。在 Nvidia 论坛上发帖时，我被告知要联系他们的“首选供应商”，他们主要专注于工业相机，每台零售价约为 300 英镑（我想要 12 个……每台……这很贵）。我的要求是对象检测，因此我只需要一个基本的图像标准。

Xavier 文档指定他们首选的相机连接是 CSI-2。我的问题是：“如果有人有使用 Xavier 相机的经验，任何 CSI-2 相机就足够了，还是我需要找到一个具有兼容驱动程序的相机？”

谢谢