2019 年 3 月， NVIDIA 在 TX2 和 Xavier 获得成功后推出了最初的低配版 Jetson NANO 开发者工具包，广泛应用于机器人、零售、工业、农业和人工智能 OT 等各个领域。2020年10月，NVIDIA 宣布了 Jetson Nano 2GB 开发者套件 ，价格为 59 美元，这使得它对于学习人工智能和机器人技术来说更加实惠。通过 128 核 NVIDIA Maxwell GPU 和 64 位四核 Arm A57CPU 提供 472 GFLOPS 的算力，对比 Jetson 系列的高级版 AGX Xavier 提供 32 TOPS 的算力，约是后者的 1/60（FLOPS和OPS是有差异的算力概念，姑且等同视之），可以使用一些小规模、并且优化过的框架和网络进行推理，并应用于算力要求较低的边缘嵌入式AI设备中，如小型移动机器人、人脸签到打卡、口罩识别、智能门锁、智能音箱等。相校其他单板计算机架构配置较低（如 A53 的 CPU 对比树莓派4的 A72），但独特优势是在低价位上具有专用 GPU 加速处理器，CPU可以通过CUDA框架在GPU上调用CUDA功能，从而实现并行计算的可能性。
在本站的数据科学（DS）栏目中介绍了《Jetson Nano 人工智能开发者套件》的硬件信息，以下准备以“无头模式”来动手开箱使用 Jetson Nano 2GB Developer Kit，全新套件包括载板，以及已经安装在载板的模块（P3448-0003）。
硬件准备
必需
- Windows PC
- Jetson Nano 2GB Developer Kit
- Micro-USB 数据线
- 5V⎓2A USB-C 电源
- 32 GB 以上 UHS-1 卡
- 网线
非必需
- HDMI 显示器及线材
- USB 键盘及鼠标
- AC8265 2.4G/5G双模网卡，同时支持蓝牙4.2
- USB 摄像头或 MIPI CSI-2 摄像头
Jetson Nano开发者套件提供Jetson GPIO Python库等实用工具，并且可兼容很多来自 Adafruit 和 Raspberry Pi 的常见传感器和外围设备，如可以使用 Raspberry Pi 的摄像头（基于IMX219，Camera Module v2）。
系统烧录
在 Jetson 下载中心，有 Jetson Nano Developer Kit SD Card Image（jetson-nano-sd-card-image） 和 Jetson Nano 2GB Developer Kit SD Card Image（jetson-nano-2gb-sd-card-image）两个开发者套件 SD 卡镜像（Version 4.5.1），虽然二者文件尺寸一样，但可能并不兼容，需下载后者。
1、使用 SD 协会的 SD Card Formatter 格式化 64G microSD 卡，官方建议最小采用 32 GB UHS-1 卡；
2、使用 Etcher（当然 Win32DiskImager 也很经典）将 SD 卡镜像写入 microSD 卡，将卡插入套件；
3、USB-C 接口处使用 5V⎓2A 的高品质电源为开发者套件供电，启动并设置开发者套件。
官方的这个开机动画很流畅，但这里采用“无头模式”，没有显示器可看。
启动并设置
Windows PC 连接到以 USB-C 通电启动的开发者套件之 Micro-USB 接口。
打开设备管理器 > 端口（COM 和 LPT）以查找“USB 串行设备”的 COM 端口号，需要在 USB 串行设备条目属性 > 详细信息中选择硬件 Id 找到 VID 0955 和 PID 7020，以确认开发者套件作为 USB 串行设备的 COM 端口名称。
在 Windows PC 上打开 PuTTY，在左侧“Category”窗格中选择“Session”，右侧Connection type 选择 Serial，在“Serial line”和“Speed”中分别输入 COM 端口名称和“115200”。
单击“Open”以连接到开发者套件控制台。
初始设置，包括：
- 查看并接受 NVIDIA Jetson 软件 EULA；
- 选择系统语言、键盘布局和时区；
- 创建用户名、密码和计算机名称；
- 可选择配置无线网络；
- 选择应用分区大小，推荐使用建议的最大大小；
- 推荐建立 SWAP 空间。
最后，在 PuTTY 中看到标准 Linux 命令行提示符，可见，系统基于Ubuntu 18（尚不支持最新的Ubuntu 20）。
插上网线，更新系统。
sudo apt update
sudo apt upgrade
安装 xrdp 或 VNC，以使用 Windows 远程桌面连接访问系统的图形界面。
sudo apt-get install xrdp vnc4server xbase-clients
如果 xrdp 远程桌面连接窗口在登录后自动退出，解决方法：
1、sudo apt install xfce4
2、echo xfce4-session > ~/.xsession
3、touch .session
4、sudo vim /etc/xrdp/startwm.sh
在. /etc/X11/Xsession前面加xfce4-session
5、sudo service xrdp restart
官方论坛中也有解决方案：
Install xfce4
sudo apt install xfce4
Comment out the last two lines in /etc/xrdp/startwm.sh
Add the following line to /etc/xrdp/startwm.sh
startxfce4
Restart xrdp
sudo service xrdp restart
也有分析作以下解决方法：
sudo vi /etc/gdm3/custom.conf
# AutomaticLoginEnable=true
# Automatic Login=[user1]
实际使用中，以下列顺序安装不会出现上述故障：
sudo apt install xfce4
sudo apt-get install xrdp vnc4server xbase-clients
官方建议是配置 VNC 服务器，如下：
USB 设备模式功能上位机访问 L4T-README 卷，包含三个 Linux for Tegra 帮助文档：
- README-usb-dev-mode.txt #使用 USB 设备模式连接到主机PC
- README-wifi.txt #使用命令行工具将Jetson连接到WiFi网络
- README-vnc.txt #配置以运行VNC服务器
开发环境
Python
和标准 Ubuntu 一样，系统预装了python 2和3，但默认为 python 为2.7版本，更多学习项目需要使用 python 3.x，新建链接。
C/C++
CUDA 工具包为 C 和 C++ 开发人员构建 GPU 加速应用提供了全面的开发环境。通常，在产品模型设计阶段使用 python 进行算法开发，而采用 C++ 来开发最终的成品，可以安装 Code-OSS（嵌入式环境下的 VS Code）、Qt5等来完成开发任务，它们内置资源管理器功能以及丰富的第三方插件。
中文输入法
由于需要使用中文搜索以及书写必要的中文注释，还是推荐安装中文输入法。Jetson Nano 自带 ibus 中文输入法，需要配置环境并下载具体的输入法和调整语言支持。
TensorFlow & PyTorch
Jetson Nano支持TensorFlow、PyTorch、Caffe和MxNet等多种主流AI框架，同时能够并行运行多个神经网络来处理数据和驱动操作。作为深度学习的主流框架：TensorFlow 和 Pytorch 分别偏向于工程开发和学习。
但是，系统并没有自带 TensorFlow 及 PyTorch 环境，需要自行安装。当然 NVIDIA 已经托管了各种开发容器，以及 pythonpipwheels 用于直接安装框架 TensorFlow。在复盘官方入门级深度学习教程 Jetson Inference（Hello AI World）的过程中，请谈到 PyTorch 的安装。
Jetson开发套件
Jetson开发套件JetPack SDK支持全Jetson系列模块，包含适用于 Linux 操作系统的最新 Linux 驱动包 (L4T) 以及用于深度学习、计算机视觉、加速计算和多媒体的 CUDA-X 加速库与 API。JetPack SDK 包含在官方镜像中，无需另外安装，目前主要包括以下组件（具体配置可安装Jtop查看，Jtop是一个系统监视实用程序以查看Jetson的基本配置和状态）：
- TensorRT和cuDNN：用于高性能深度学习应用
- CUDA：用于GPU加速计算等应用
- Multimedia API package：用于相机相关的应用及传感器驱动开发
- VisionWorks和OpenCV：用于计算机视觉开发
via - JETSON NANO DEVELOPER KIT User Guide（DA_09402_004 | January 15, 2020）
Hello AI World
Jetson Inference（Hello AI World）是官方入门级深度学习教程，以体验Jetson的功能。重点介绍与计算机视觉相关的网络，包括使用TensorRT进行推理和使用PyTorch进行学习，以及实时摄像头的使用。包含了以下三个示例：
其他可参考的边缘AI竞争设备包括：
- Intel Neural Compute Stick 2, $73.27
- Google Coral USB Accelerator, $74.99
- UDOO Bolt V8, $418.00
建议
要深入玩转 Jetson Nano 2GB Developer Kit，建议配置 Raspberry Pi 摄像头及 AC8265 2.4G/5G双模网卡，以及 NVIDIA JetBot 智能小车，并事先学习 Hello AI World 项目。
按照JETSON NANO DEVELOPER KIT User Guide（DA_09402_004 | January 15, 2020）的说法，NVIDIA® Jetson Nano™ 开发者套件是一款面向创客、学习者和开发者的人工智能计算机。用户指南还包括更多信息，建议充分阅读。
已经有很多人研究Jetson Nano，可以从网络社区获得支持，如技术专栏NVIDIA Jetson Nano 2GB 系列文章，甚至Embedded Linux Wiki也为Jetson Nano建立了丰富的一页维基。
实际上，基于高效原则，推荐以附加显示器、键盘和鼠标的方式初始设置和应用；并且，Jetson Nano严重依赖有效的网络联接。
附：算力单位
算力是通过对信息数据进行处理，实现目标结果输出的计算能力。用于评估电脑效能的算力单位常用OPS和FLOPS，OPS是每秒操作次数（Operations Per Second），FLOPS是每秒浮点操作次数（Floating-point Operations Per Second）。两者可近似于相等，FLOPS比OPS稍大。
在OPS和FLOPS前面加上计数单位，则有以下可换算的算力单位。
- MFLOPS（megaFLOPS）/MOPS（megaOPS）：每秒一佰万（10^6）次运算；
- GFLOPS（gigaFLOPS）/GOPS（gigaOPS）：每秒拾亿（10^9）次运算；
- TFLOPS（teraFLOPS）/TOPS（teraOPS）：每秒万亿（10^12）次运算；
- PFLOPS（petaFLOPS）/POPS（petaOPS）：每秒千万亿（10^15）次运算；
- EFLOPS（exaFLOPS）/EOPS（exaOPS）：每秒百亿亿（10^18）次运算；
- ZFLOPS（zettaFLOPS）/ZOPS（zettaOPS）：每秒十万京（10^21）次运算。
一些AI硬件的算力：
- NVIDIA Jetson Nano：472 GFLOPS
- Rockchip RK3566（NPU）：1 TOPS
- INTEL Xeon Phi: 2.4 TFLOPS SP
- Google Coral Dev Board（Edge TPU）：4 TOPS
- NVIDIA Tesla K40: 4.29 TFLOPS SP, 12 GB memory
- NVIDIA Tesla K80: 5.6 TFLOPS SP (8.74 TFLOPS SP with GPU boost), 24 GB memory
- Rockchip RK3566（NPU）：6 TOPS
- NVIDIA Tesla P100: 10.6 TFLOPS SP, 16 GB memory
- NVIDIA Tesla V100: 15 TFLOPS SP (30 TFLOPS FP16, 120 TFLOPS Tensor ops), 12 GB memory
- NVIDIA Jetson AGX Xavier：32 TOPS
- Google TPU2: 180 TFLOPS Tensor ops
- NVIDIA A100：312 TFLOPs
- NVIDIA H100：1513 TFLOPs
- AMD MI100：184.6 TFLOPs
- AMD MI250：362.1 TFLOPs
一些AI模型的计算量：
Characterization and Benchmarking of Deep Learning, HP Labs
浮点运算数用于衡量算法/模型的浮点运算复杂度时通常写成FLOPs，理解为计算量。
Jetson Nano 的资源分享：
链接：https://pan.baidu.com/s/1E95CKisbCLTGKGI6c-JydA
提取码：culm
楼主残忍的关闭了评论