程序员经验分享-hwhale

NVDIA Jetson TX2软件介绍

2023-05-16

介绍

JETSON TX2 模块

它是一台基于NVIDIA Pascal™架构的AI单模块超级计算机。它性能强大，但外形小巧，节能高效，非常适合机器人、无人机、智能摄像机和便携医疗设备等智能终端设备。它支持 Jetson TX1 模块的所有功能，同时可以铸就更大型、更复杂的深度神经网络。

模块技术规格

 

 

Jetson TX2

Jetson TX1

GPU

NVIDIA Pascal™、256 颗 CUDA 核心

NVIDIA Maxwell™、256 颗 CUDA 核心

CPU

HMP Dual Denver 2/2 MB L2 + 
Quad ARM® A57/2 MB L2

Quad ARM® A57/2 MB L2

视频

4K x 2K 60 Hz 编码 (HEVC)
4K x 2K 60 Hz 解码（12 位支持）

4K x 2K 30 Hz 编码 (HEVC)
4K x 2K 60 Hz 解码（10 位支持）

内存

8 GB 128 位 LPDDR4
58.3 GB/s

4 GB 64 位 LPDDR4
25.6 GB/s

显示器

2 个 DSI 接口、2 个 DP 1.2 接口/HDMI 2.0 接口/eDP 1.4 接口

2 个 DSI 接口、1 个 eDP 1.4 接口/DP 1.2 接口/HDMI 接口

CSI

超级多 6 个摄像头（2 通道
CSI2 D-PHY 1.2（每个通道 2.5 Gbps）

超级多 6 个摄像头（2 通道）
CSI2 D-PHY 1.1（每个通道 1.5 Gbps）

PCIE

Gen 2 | 1x4 + 1x1 或 2x1 + 1x2

Gen 2 | 1x4 + 1x1

数据存储

32 GB eMMC、SDIO、SATA

16 GB eMMC、SDIO、SATA

其他

CAN、UART、SPI、I2C、I2S、GPIO

UART、SPI、I2C、I2S、GPIO

USB

USB 3.0 + USB 2.0

连接

1 千兆以太网、802.11ac WLAN、蓝牙

机械

50 毫米 x 87 毫米（400 针兼容板对板连接器）

 

JETSON开发者套件

这款功能强大的开发者套件能够使主板的硬件功能和接口充分发挥效用，预装 Linux 开发环境。同时，它还支持 NVIDIA Jetpack SDK，包括 BSP、深度学习库、计算机视觉、GPU 计算、多媒体处理等众多功能。

 

Jetson Software

JetPack

JetsonDevelopment Pack (JetPack) 是一个按需提供的一体化软件包，捆绑并安装了适用于 NVIDIA Jetson 嵌入式平台的所有开发用软件工具。NVIDIA JetPack SDK是构建AI应用程序的最全面的解决方案。它捆绑了所有Jetson平台软件，包括TensorRT，cuDNN，CUDA工具包，VisionWorks，Streamer和OpenCV，这些都是基于LTS Linux内核的L4T。

JetPack 包括:

深度学习: TensorRT、cuDNN、NVIDIADIGITS™ 工作流程

计算机视觉: NVIDIA VisionWorks、OpenCV

GPU 计算: NVIDIA CUDA、CUDA 库

多媒体: ISP 支持、摄像头图像、视频 CODEC

同时，它还包括 ROS 兼容性、OpenGL、高级开发者工具等等。

 

OS镜像

一个Ubuntu衍生的用于Jetson的sample文件系统

库

CUDA

用于主机的CUDA工具包（带有交叉开发支持的Ubuntu）

Jetson的CUDA工具包

CUDA® 是NVIDIA 创造的一个并行计算平台和编程模型。它利用图形处理器 (GPU)能力，实现计算性能的显著提高。借助目前已售出的数百万支持 CUDA 的 GPU，软件开发人员、科学家和研究人员正在各种各样的应用程序中使用 GPU 加速计算。CUDA工具包为C和C ++开发人员构建提供了一个全面的开发环境 ，GPU加速的应用程序。该工具包包括用于NVIDIAGPU的编译器，数学库以及用于调试和优化应用程序性能的工具。

参考 http://www.nvidia.cn/object/cudazone-cn.html

 

OpenCV

OpenCV是计算机视觉，图像处理和机器学习领域的领先开源库，现在提供GPU加速以实现实时操作。

OpenCV被广泛的应用，包括：

街景图像拼接

自动检查和监视

机器人和无人驾驶的汽车导航和控制

医学图像分析

视频/图像搜索和检索

电影 – 3D

交互艺术设备 

参考 https://developer.nvidia.com/opencv

 

VisionWorks

VisionWorks是用于计算机视觉（CV）和图像处理的软件开发包。VisionWorks™实现并扩展了Khronos OpenVX标准，并针对具有CUDA功能的GPU和SOC进行了优化，使开发人员能够在可扩展的灵活平台上实现CV应用程序。它包括VPI（视觉编程接口），这是CUDA开发人员使用的一组优化的CV原语。NVX库允许直接访问VPI，OVX库允许通过OpenVX框架间接访问VPI。

VisionWorks的核心功能是针对以下方面的解决方案而设计的：

机器人和无人机

自动驾驶

智能视频分析

增强现实

参考 https://developer.nvidia.com/embedded/visionworks

 

cuDNN

CUDA深度神经网络库为深度学习框架提供了高性能的基元。它包括对卷积，激活函数和张量变换的支持。

NVIDIACUDA®深度神经网络库（cuDNN）是一个用于深层神经网络的GPU加速库。cuDNN为标准例程（如向前卷积，向后卷积，归一化和激活层）提供高度优化的实现。cuDNN是NVIDIA深度学习SDK的一部分。

世界各地的深度学习研究人员和框架开发人员都依靠cuDNN来实现高性能GPU加速。它使他们能够专注于训练神经网络和开发软件应用程序，而不是花时间在低级别的GPU性能调整上。 cuDNN加速广泛使用的深度学习框架，包括Caffe2，MATLAB，微软认知工具包，TensorFlow，Theano和PyTorch。

参考 https://developer.nvidia.com/cudnn


TensorRT

TensorRT是一款用于图像分类，分割和对象检测神经网络。高性能的深度学习推理优化程序和运行库，它加速了深度学习推理，并减少了卷积和去卷积神经网络的运行时间。可为深度学习应用提供低延迟，高吞吐量推理。TensorRT可用于快速优化，验证和部署经过训练的神经网络，以推理超大规模数据中心，嵌入式或汽车产品平台。

开发人员可以使用TensorRT以INT8或FP16的优化精度进行快速推理，从而大幅降低延迟，如实时服务（如云上的流式视频分类或嵌入式和汽车平台上的对象检测和分割）所要求的。

有了TensorRT，开发人员可以专注于开发新型的AI驱动的应用程序，而不是推理部署的性能调优。TensorRT运行时确保最佳的推断性能，可以满足最苛刻的延迟和吞吐量要求。

TensorRT可以部署到数据中心内的Tesla GPU，Jetson嵌入式平台和NVIDIADRIVE自主驾驶平台。

参考 https://developer.nvidia.com/tensorrt

 

多媒体API

Jetson多媒体API包提供了底层的API，用于灵活的应用程序开发。

相机应用程序API：libargus为相机应用程序提供低级帧同步API，每帧相机参数控制，多个（包括同步）相机支持和EGL流输出。RAW输出需要ISP的CSI 相机可以与libargus或GStreamer插件一起用。无论哪种情况，都使用V4L2媒体控制器传感器驱动程序API。

传感器驱动程序API：V4L2API支持视频解码，编码，格式转换和缩放功能。用于编码的V4L2开启了许多功能，比如比特率控制，质量预设，低延迟编码，时间折衷，运动矢量地图等等。

 

L4T

NVIDIAL4T为Jetson平台提供了Linux内核，bootloader，NVIDIA驱动程序，闪存实用程序，示例文件系统等。

您可以定制L4T软件以适应您的项目需求。 通过遵循平台调整和启动指南，您可以优化使用完整的Jetson产品功能集。

 

DeepStream SDK on Jetson

NVIDIADeepStream简化了智能城市和超大规模数据中心深度学习的可扩展智能视频分析（IVA）应用程序的开发。它将用于推理的NVIDIA TensorRT，用于转码的视频编解码器SDK以及所有需要的预处理和数据管理集成到一个优化的API中。开发人员现在可以使用它来快速构建新的应用程序，将视频转化为宝贵的见解。

 

DeepStreamSDK的应用程序包括图像分类，场景理解，视频分类和内容过滤。

开发人员可以使用SDK来有效处理和理解视频帧，以满足最苛刻的吞吐量和延迟要求。使用DeepStreamSDK开发的应用程序可以部署到NVIDIA Tesla加速计算平台。

 

SDK包括样例代码和预先训练好的深度学习模型，作为对视频流进行分类和对象检测的例子。对于需要高通道密度的应用，SDK包含智能解码的示例。

 

主要特征

 

部署广泛使用的神经网络模型，如GoogLeNet和ResNet，用于实时视频内容分析

支持常见的视频格式，如H.264，HEVC / H.265，MPEG-2，MPEG-4，VP9和VC1

用简单的C ++ API集成到现有的工作流程中

全面部署神经网络（FP32）或优化精度（INT8，FP16）

针对NVIDIA®Tesla®P4 GPU加速器进行了优化。

 

Jetson上的NVIDIA DeepStream SDK是API和库的集合，可帮助开发人员在Jetson平台上构建和部署强大的智能视频分析（IVA）解决方案。 API和库作为Gstreamer插件提供，便于使用。

 

Jetson上的这个SDK可以构建复杂的应用程序，包括图像捕捉，编码，解码，使用TensorRT进行推理等等。

 

 

Jetson上的NVIDIA DeepStream SDK使开发人员能够轻松地在他们的产品中创建和部署基于AI的智能视频分析（IVA）功能。应用程序开发人员可以使用此SDK快速构建原型，并构建从智能相机到智能城市应用设备，机器人和工业自动化等产品。

 

通过Jetson先进的人工智能功能和丰富的成像和I / O功能，Jetson使开发人员能够构建高度集成的系统，可以在小尺寸的边缘部署小至7.5W的系统。

 

Jetson上的DeepStream SDK使用Jetpack，包括L4T，多媒体API，CUDA和TensorRT。 SDK提供了丰富的插件和库集合，使用Gstreamer框架构建，使开发人员能够构建灵活的应用程序，将视频转化为有价值的见解。DeepStream还附带了示例应用程序，包括源代码和应用程​​序适配指南，以帮助开发人员快速开始构建。

 

开发IVA应用程序以获得完整的场景理解，需要创建多媒体处理图并编排多个DNN同步工作的数据流。这可能是一个复杂和耗时的过程。此SDK旨在消除复杂性，因此您可以专注于应用程序开发。通过利用Gstreamer插件架构，DeepStream使得使用TensorRT将图像捕获，编码，解码，缩放和推理结合起来变得比以往更容易。该体系结构允许您利用Jetson的所有硬件功能来最大化吞吐量和性能。通过利用Jetson的统一内存架构，DeepStream SDK使您能够减少内存管理开销并提供低延迟解决方案。

Features

l  基于GStreamer插件构建基于AI的视频分析应用的模块化和可扩展的框架

l  使用简单密钥文件格式的应用程序配置

l  优化内存管理，如零缓冲区副本，以最大化吞吐量和性能

l  示例包括结合多个深度学习网络的端到端应用程序，将像素转换为丰富的元数据

l  预先训练的示例DNN，用于对汽车和行人等物体进行分类，并根据ResNet和GoogLeNet了解其属性（如汽车制造，汽车颜色和汽车类型）

l  来自USB和CSI摄像头，RTSP流输入或磁盘录制文件的多路输入

l  多个输出接收器包括渲染显示，元数据记录到文件和保存到磁盘

l  全面部署神经网络（FP32）或优化精度（FP16）

l  针对NVIDIA Jetson进行了优化

 

Prerequisites

l  包括 L4T R28.1, CUDA 8.0, TensorRT 2.1, VisionWorks1.4的Jetpack 3.1

 

安装 JetPack L4T

JetPackL4T在主机Ubuntu x86_64机器上运行，并通过远程访问设置您的开发环境和JetsonDevelopment Kit目标。

1.     添加对JetPack的执行权限 - $ {VERSION} .run

chmod +x JetPack-${VERSION}.run

 

2.     在您的主机Ubuntu机器的终端运行JetPack - $ {VERSION} .run。

 

 

 

3.      接下来，JetPack安装程序将指示安装目录。

4. 选择要设置的开发环境。

 

5.     JetPack安装程序会弹出一个窗口，在安装过程中请求权限; 你需要在这里输入你的sudo密码。

6.     打开组件管理器，它允许您自定义要安装的组件。选择您想要开发的Jetson Developer Kit来自定义每个设备的安装组件。

NOTE: To run a standalone Ubuntu install, deselect Jetson target specific entries.

7.     接受所选组件的许可协议。

8.     组件管理器将继续安装。主机安装步骤完成后，单击“下一步”按钮继续安装目标组件。

NOTE: JetPack will now proceed with setting up the Jetson Developer Kit target, if the corresponding components were selected (i.e., flashing the OS and pushing components to the Jetson Developer Kit target).

9.     如果在组件管理器中取消选择Flash OS，则需要输入IP地址，用户名和密码才能建立到目标设备的ssh连接。

输入所需信息并单击下一步后，JetPack将开始在目标设备上安装组件。

10. 如果在组件管理器中选择了Flash OS，则需要为特定环境选择网络布局。

11.   如果您选择设备通过路由器/交换机布局访问Internet，则会要求您选择要使用哪个接口访问Internet。

 

12.   如果您在主机上选择了由DHCP服务器分配的设备获取IP，并通过主机布局访问Internet，则必须选择要用于Internet访问的接口，以及要用于目标的接口。

13.   弹出窗口将指示您将设备置于强制USB恢复模式，以便您可以刷新操作系统。

14．接下来，系统会提示您在特定目标机器上安装组件，并编译sample。

15.   安装将完成。

 

编译 Samples

如果在安装的组件选择部分选中“编译样本”，JetPack会自动编译所有样本。 CUDA示例可以在以下目录中找到：<JetPack_Install_Dir>/NVIDIA_CUDA-<version>_Samples

 

你可以重新编译sample通过运行：

SMS=53 EXTRA_LDFLAGS=--unresolved-symbols=ignore-in-shared-libs TARGET_ARCH=aarch64 make

运行 Sample Code

CUDA示例目录将被JetPack复制到设备上的主目录。构建的二进制文件位于以下目录中：/home/ubuntu/NVIDIA_CUDA-<version>_Samples/bin/aarch64/linux/release/

 

通过在终端中调用来运行它们，或者在文件浏览器中双击它们。例如，当您运行oceanFFT sample时，将显示以下屏幕。

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)

NVDIA

Jetson

TX2

软件介绍

NVDIA Jetson TX2软件介绍 的相关文章

  • NVIDIA Jetson TX2 查看系统参数状态

    1 xff0c 查看Jetson TX2 L4T版本 xff1a head n 1 etc nv tegra release 在刷 JetPack 3 0之前 和刷之后 版本参数发生细微的变化 xff1a REVISION xff1a 由

  • Jetson TX2在ROS下使用Realsense D435i跑rtabmap、octomap、VINS-Mono和ORB-SLAM2

    使用环境 xff1a Ubuntu 16 04 JetPack 3 3 xff0c ROS Kinetic硬件设备 xff1a 英伟达Jetson TX2 xff0c 英特尔Realsense D435i 安装Realsense相关的相机驱

  • Jetson TK1学习（一） 刷机

    前言 最早接触TK1是在2015年7月份的DJI ROBOMASTER夏令营里 xff0c 当时DJI推出了用于无人机平台的skymind嵌入式计算机 xff0c 也就是后来的 妙算 34 当时我并没有关注这款计算机的架构 只是当时同组的算

  • 记录一下jetson xaiver 连接51串口

    记录一下jetson xaiver 连接51串口 引脚说明 jetson方面 xff1a UART1 TX pin8 UART1 RX pin10 挂载节点 xff1a dev ttyTHS051方面 xff1a UART1 TX GPIO

  • 配置Jetson XAVIER NX串口通信，不使用union传递浮点数

    下载minicom span class token function sudo span span class token function apt get span span class token function install s

  • Jetson nano/NX安装Opencv Cuda版

    一 卸载系统自带的opencv sudo apt span class token operator span get purge libopencv span class token operator span python span c

  • Jetson Xavier NX-EMMC重装系统

    Jetson xavier NX EMMC版本重装系统相对比较麻烦 xff0c 以下方法本人已经试过多次 xff0c 基本没有出现什么问题 一 安装虚拟机 安装虚拟机的步骤我们不多过述 xff0c 网上有许多博客讲述虚拟机安装 我们这里主要

  • jetson nano 供电模式的切换或自定义供电模式

    前言 xff1a jetson nano 开发板在预设的10W MAXN 模式下需要用5v4A的DC供电 用5v2A的DC或者micro usb供电建议使用5W模式 供电不足会导致掉电关机 以下是学习jetson nano时 xff0c 对

  • VINS-FUSION-GPU在jetson nx上的实现

    需要安装经过修改的Ubuntu18系统 https span class token operator span span class token comment developer nvidia com zh cn embedded do

  • NVIDIA Jetson Xavier NX入门（3）——pytorch和torchvision安装

    NVIDIA Jetson Xavier NX入门 xff08 3 xff09 pytorch和torchvision安装 1 安装pytorch NVIDIA下载pytorch官方网址是 xff1a https forums develo

  • Jetson_Xavier_NX使用教程1（刷机）

    刷机教程 一 xff1a 准备 1 xff1a 准备需要一个tf卡 xff0c 容量最好大点 xff0c 我买的128G的 2 xff1a 还有两个软件一个是格式化卡的软件 xff0c 一个是将镜像文件写入的卡的软件 格式化卡的软件 写入镜

  • TX2指南（一）TX2接显示器的问题

    TX2开发板一定要适配HDMI显示器 xff0c 使用转接头在VGA显示器会显示 input signal out of range xff01 所以目前来看手上的这套TX2只能适配HDMI显示器 xff0c 目前还不清楚是不是所有的TX2

  • 在Jetson Nano上编译FastDeploy

    1 C 43 43 库的编译 span class token function git span clone https github com PaddlePaddle FastDeploy git span class token bu

  • 基于Jetson NX的模型部署

    系统安装 系统安装过程分为3步 xff1a 下载必要的软件及镜像 Jetson Nano Developer Kit SD卡映像 https developer nvidia com jetson nano sd card image Wi

  • 4.jetson更换python版本

    问题与背景 jetson自带的python版本是3 6 9 xff0c 太老旧了 xff0c 希望更换python版本 尝试替换成python3 7的版本 但是在未替换之前 xff0c 已经装了pip3了 xff0c 是否pip3会与pyt

  • NVIDIA Jetson Xavier melodic-ros安装

    以下方法实测有效 1 修改 source list 换源需要换 ARM 的源 xff0c 不要换成了 PC 平台的软件源 xff0c Xavier 的系统是18 04 bionic sudo vim etc apt sources list

  • dockerfile

    当我在dockerfile里面想安装torchvision WORKDIR vision 0 8 1 WORKDIR相当于cd 进入文件夹执行 RUN python3 setup py install user 想要安装时 报错 Trace

  • [orin] nvidia orin 上配置tensorrt

    版本 jetpack 5 0 1 tensorrt 8 4 1 5 概述 tensorrt会跟着jetpack的包一起安装 系统本身自带的python是3 8的版本 tensorrt的python包位于这个路径下 cd usr lib py

  • Nvidia TX2 刷机教程 JetPack-L4T-3.0-linux-x64.run

    前言 本教程特别针对刷机被墙的朋友 如果没有被墙 其实按照官方文档一步一步操作就行 这期间我参考了特别多的网页 也去nvidia官方论坛问过 其实截止到2019年2月16日 jetpack3 3 是可以很轻松的被装上的 主要是3 0被墙 而

  • Ubuntu使用darknet实现YOLOv4-tiny预训练模型测试+训练自己的数据集+评估自己的模型

    文章目录 1 使用YOLOv4 tiny预训练模型 2 训练自己的数据集 2 1 建立yolov4 tiny数据格式 2 2 开始训练 2 3 多GPU训练 3 评估自己的模型 参考博客 YOLOv4 tiny的原理本文不做讲解 只有应用方

随机推荐

  • Sublime Text 编译 GBK文件编码

    Shift 43 Ctrl 43 P xff0c 输入 xff1a install 选择 Package Control Install Package xff0c 选择后会自动安装 然后输入 Convert xff0c 选择Convert

  • 已成功与服务器建立连接，但是在登录过程中发生错误。 (provider: TCP 提供程序, error: 0 - 远程主机强迫关闭了一个现有的连接。)

    数据库SQL Server 2008 R2 xff0c 网站突然登不了了 重启iis xff0c 重启数据库服务 xff0c 重启服务器都不行 解决方法 xff1a 打开SQL Server配置管理器 xff0c 找到MSSQLSERVER

  • Math.floor(Math.random()*3+1)

    Math random 获取0 1随机数 Math floor method rounds a number DOWNWARDS to the nearest integer and returns the result 小于等于 x xf

  • 定时打开或关闭服务器上的软件

    部署在服务器上的软件 xff0c 会莫名其妙的停止运行 xff0c 还必须得手动关闭重启 xff0c 太麻烦啦 xff01 在大神的建议下 xff0c 做一个让软件自动关闭进程 xff0c 然后重启的操作 废话少说 xff0c 上车 第一步

  • FFmpeg

    FFmpeg是一套可以用来记录 转换数字音频 视频 xff0c 并能将其转化为流的开源计算机程序 采用LGPL或GPL许可证 它提供了录制 转换以及流化音视频的完整解决方案 它包含了非常先进的音频 视频编解码库libavcodec xff0

  • 不懂PO 设计模式？这篇实战文带你 PO

    为UI页面写测试用例时 xff08 比如web页面 xff0c 移动端页面 xff09 xff0c 测试用例会存在大量元素和操作细节 当UI变化时 xff0c 测试用例也要跟着变化 xff0c PageObject 很好的解决了这个问题 x

  • archlinux 中文本地化配置

    参考 xff1a http www wiki org 本地化配置 xff0c 其实就是设置locale 一 显示中文 要显示中文 xff0c 需要生成中文语言包和安装中文字体 1 生成中文语言包 archlinux使用locale gen脚

  • 【Ubuntu】安装Go语言

    sudo apt install golang go version

  • linux系统中使用X11 获取系统窗体信息

    在X Window System中 xff0c 每个窗口都有一个唯一的标识符 xff0c 称为窗口ID 要查找特定窗口的ID号 xff0c 可以使用Xlib库中的XQueryTree函数来获取窗口树结构 xff0c 并遍历整个树结构以查找目

  • 三维重建：多点透视cvSolvePNP的替代函数（Code）

    xfeff xfeff 在调试JNI程序时 xff0c 所有的Shell都已经加载完成 xff0c 而唯一真正核心的cv SolvePnP却不能在JNI里面获得通行证 xff0c 经过反复测试都不能运行 xff0c 因此只能忍痛舍弃 xff

  • 利用Pycharm工具将Python+Qt项目打包成exe应用程序

    博客小白第一次发博客 xff0c 已参加工作 xff0c 仅用于记录一下自己空余时间学习Python的进程 xff0c 学习过程中遇到问题也借鉴了很多博客的解决办法 xff0c 因此也想记录下自己的遇到的问题 xff0c 希望对跟我一样刚起

  • BOSS 业务运营支撑系统

    今天又简单的介绍几个概念 xff0c 我觉得要深入了解某个技术 xff0c 首先要把概念搞清楚 xff0c 这样在宏观理解上将更加深入 本人工作所属电信行业 xff0c 所以下面所介绍的几个概念都是基于电信行业的 BSS Business

  • JAVA版本：判断101-200之间有多少个素数，并输出所有素数。

    题目 xff1a 判断101 200之间有多少个素数 xff0c 并输出所有素数 程序分析 xff1a 判断素数的方法 xff1a 用一个数分别去除2到这个数 xff0c 如果至少有一个数能被整除 xff0c 则表明此数不是素数 xff0c

  • arm64架构ubuntu18.04国内镜像源

    jetson xavier nx下换国内源 xff0c 步骤如下 xff1a span class token shebang important bin bash span span class token function cp spa

  • 安装和配置OpenStack客户端（Jesse翻译）

    xfeff xfeff 安装和配置 OpenStack 客户端 xff08 Jesse 翻译 xff09 原文来自 icehouse的OpenStack文档 回忆 xff1a 在前面部分 xff0c 你已经使用了 keystone 客户端

  • 联通家庭宽带光猫DDNS设置

    1 目前家里宽带光猫ppoe拨号获取的IP全部都是非公网IP 打96169宽带专家转人工客服申请更换公网IP 一天内会有专人联系 更换成公网IP后 重启光猫 在公司或者其他地方ping下家里光猫获取到的公网IP看下是否能ping通 2 申请

  • Matlab如何抓取excell表格里的指定数据

    每次从示波器上采集的数据总是会带有示波器的相关信息 xff0c 没法直接load到matlab里 xff0c 每次手动删除让人感到疲惫 xff0c 特别是数据量达到100 43 的时候 瞬间emmm 示波器采到的数据如下图 xff1a 于是

  • nginx更改进程名称 学习笔记

    如何更改进程名称 在进入正题之前 xff0c 我们需要了解一下以下参数的作用 xff1a span class token keyword int span span class token function main span span

  • Apache 2部署SSL证书

    在Ubuntu系统Apache 2部署SSL证书 本文介绍了如何在Ubuntu系统以及Apache 2中安装阿里云SSL证书 前提条件 已从SSL证书控制台下载Apache服务器证书 已安装Open SSL 环境准备 操作系统 xff1a

  • NVDIA Jetson TX2软件介绍

    介绍 JETSON TX2 模块 它是一台基于 NVIDIA Pascal 架构的 AI 单模块超级计算机 它性能强大 xff0c 但外形小巧 xff0c 节能高效 xff0c 非常适合机器人 无人机 智能摄像机和便携医疗设备等智能终端设备

热门标签