NVIDIA Jetson AGX Orin 32GB量產級模組的上市必將加速企業在機器人和AI方面的應用部署,借強大的軟硬件以及豐富的生態系統,NVIDIA Jetson AGX Orin在自主機器與邊緣AI應用領域將帶來更多期待。
上一篇內容為大家介紹了從NVIDIA NGC下載DeepStream 6.1的容器版鏡像到本地在Jetson上設備的基礎指令,不過在正式使用容器版DeepStream 6.1之前,我們還是需要為入門用戶提供基本的使用方式與一些小技巧。
當前面已經訓練好修剪過的模型之后,接下來就可以在訓練設備上先執行推理計算,看看檢測的效果如何?如果實際推理結果并不理想的話,就得回到前面第6步驟重新再執行一次。
TAO工具提供提供QAT(Quantize Aware Training)量化感知的訓練模式,不過目前QAT效果還在驗證當中,倒也不急于使用,因此我們還是以標準模式來訓練。
物件檢測(object detection)或物件定位(object location)是目前普及度最高的人工智能應用,也是過去幾年中神經網絡發展最迅猛的領域,短短幾年之中創造出非常多優異的經典算法。
最后在訓練之前,可以選擇是否啟動 “遷移學習” 的功能?在這個實驗中也會示范這中間所得到的精度差異,讓大家直接體驗到遷移學習所帶來的的好處。
但是能夠呈現我們所要特征的數據量通常是很有限的,所以顯得特別珍貴。雖然我們可以在這些圖形上進行非常精密的標注,但礙于數量的限制,在最終訓練出來的模型效果還是會大打折扣。
在TAO提供的數據類范例中,每個腳本的第一個步驟都是環境配置(0. Set up env variables and map drives),包括要求用戶提供在NGC所生成的秘鑰,對后面訓練的模型進行保護,以及指定要使用的GPU數量等等,這幾個設定都很直觀容易處理,
前面介紹的內容中提過,在TAO工具使用兩個不同的Docker容器,去面對視覺類與對話類的模型訓練,分別是基于Tensorflow與PyTorch框架。
在GTC 2022大會上,NVIDIA宣布推出NVIDIA Jetson AGX Orin開發者套件。這款性能強大、尺寸緊湊、且節能的 AI 超級計算機適用于先進的機器人、自主機器以及新一代嵌入式和邊緣計算。
前一篇文章特別介紹DeepStream的nvdsanalytics視頻分析插件,能對視頻中特定的多邊形封閉區域或是某條界線,在“某時間”的動態分析與“某時段”的累積統計數據,甚至包括行進方向的物件統計等等。
近日,NVIDIA發布NVIDIA Jetson AGX Orin,該產品是NVIDIA Jetson的最新一代產品。據悉,NVIDIA Jetson AGX Orin模塊和開發者工具包將于2022年第一季度上市。
這款尺寸小巧但功能強大的邊緣AI計算機得到了邊緣人工智能與視覺聯盟(Edge AI and Vision Alliance)的認可。
本案例中,通過NVDIA Jetson TX2,GAAS實現了在無人機機載處理視覺傳感器數據,幫助無人機在全自主客機巡檢。
由NVIDIA Jetson Nano提供支持的實時分析技術幫助零售商實現商店的人工智能賦能,零售商可基于對顧客購買行為及偏好的更優解讀完善消費體驗。
NVIDIA研究團隊將在機器人全領域旗艦會議——“國際機器人與自動化會議(ICRA)”上就19篇論文發表演講。屆時,來自NVIDIA的Dieter Fox將被頒發由IEEE機器人與自動化協會授予的RAS先鋒獎。
2020年5月14日,NVIDIA與寶馬集團共同宣布,寶馬集團已采用全新NVIDIA Isaac™機器人平臺對其車廠進行優化,利用先進的AI計算與可視化技術為其打造物流機器人。
2020年5月14日,NVIDIA宣布推出具有云原生支持的NVIDIA®Jetson Xavier™ NX開發者套件,并將此支持擴展到用于自主機器的整個NVIDIA Jetson™邊緣計算產品系列。