JetPack(Jetson SDK)是一个按需的一体化软件包,捆绑了NVIDIA®Jetson嵌入式平台的开发人员软件。JetPack 3.0包括对Jetson TX2 , Jetson TX1和Jetson TK1开发套件的最新L4T BSP软件包的支持。 使用最新的BSP( 用于Jetson TX1的L4T 27.1,用于Jetson TX1的 L4T 24.2.1和用于Jetson TK1的L4T 21.5 )自动刷新您的Jetson开发套件,并安装构建和配置Jetson嵌入式平台应用所需的最新软件工具。 此软件包包含用于主机(Ubuntu)和目标(Jetson
TX2,TX1和TK1)平台的CUDA工具包、最新的NVIDIA开发工具(Tegra Graphics Debugger 2.4,Tegra System Profiler 3.7和PerfKit 4.5.1)、VisionWorks 1.6,cuDNN v5 .1、MM API v27.1、OpenCV 2.4.13和GameWorks OpenGL示例2.11a,支持OpenGL 4.5和OpenGL ES 3.2。
发布亮点:
支持Jetson TX2开发工具包,Jetson TX1开发工具包和Jetson TK1开发工具包 。
使用附带的Linux for Tegra r27.1映像设置NVIDIA Jetson TX2开发工具包。
使用附带的Linux for Tegra r24.2.1映像设置NVIDIA Jetson TX1开发工具包。
使用附带的Linux for Tegra r21.5映像设置NVIDIA Jetson TK1开发工具包。
cuDNN v5.1
CUDA 8.0(8.0.64)用于Ubuntu 14.04 x86 64位工具包,支持TX2交叉开发
CUDA 8.0(8.0.64)L4T工具包r27.1
CUDA 8.0(8.0.34)用于Ubuntu 14.04 x86 64位工具包,支持TX1交叉开发
CUDA 8.0(8.0.34)L4T工具包r24.2.1
CUDA 6.5(6.5.53)具有TK1交叉开发支持的Ubuntu 14.04 x86 64位工具包
CUDA 6.5(6.5.53)用于L4T r21.5的工具包
各种错误修复和性能增强
稳定性改进
各种用户界面错误修复
多媒体API v27.1
TensorRT 1.0
JetPack 3.0中的主要功能
TensorRT 1.0 |
TensorRT是用于图像分类,分割和对象检测神经网络的高性能深度学习推理运行时。 它加快了深度学习推断,以及减少卷积和deconv神经网络的运行时内存占用。 |
cuDNN 5.1 |
CUDA深度神经网络库为所有深度学习框架提供高性能原语。 它包括对卷积,激活函数和张量变换的支持。 |
VisionWorks 1.6 |
VisionWorks是用于计算机视觉(CV)和图像处理的软件开发包。 它包括VPI(视觉编程接口),一组优化的CV原语供CUDA开发人员使用。 NVX库允许直接访问VPI,OVX库允许通过OpenVX框架间接访问VPI。 |
CUDA 8 |
CUDA工具包为构建GPU加速应用程序的C和C ++开发人员提供了一个全面的开发环境。 该工具包包括用于NVIDIA GPU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。 |
多媒体API |
Jetson Multimedia API包提供了用于灵活应用开发的低级API。 摄像机应用程序API:libargus为摄像机应用程序提供了低级帧同步API,每帧摄像机参数控制,多个(包括同步)摄像机支持和EGL流输出。 RAW输出需要ISP的CSI摄像机可以与libargus或GStreamer插件一起使用。 在任一种情况下,都使用V4L2介质控制器传感器驱动程序API。 传感器驱动程序API:V4L2 API支持视频解码,编码,格式转换和缩放功能。 V4L2用于编码打开了许多功能,如比特率控制,质量预设,低延迟编码,时间权衡,运动矢量映射等。
|
开发工具 |
Tegra System Profiler 3.7是一个系统跟踪和多核CPU PC采样分析器,可提供捕获的分析数据的交互式视图,有助于提高整体应用程序性能。 Tegra图形调试器2.4是一个控制台级工具,允许开发人员调试和分析OpenGL ES 2.0,3.0,3.1和3.2,OpenGL 4.3,4.4和4.5,使开发人员能够充分利用Jetson嵌入式平台。
|
GPU世界也同样更新了JetPack下载器:
下载器地址:
http://mirror.gpuworld.cn:666/jetpack_l4t/JetPack-linux-x64.run
这是重新打包的NV的原始下载器,此新下载器将从我们的云下载数据,而不是墙外的NV服务器。
用户只要从上面的地址下载run文件,直接安装即可看到明显的安装速度变化。
注意:如果以前安装过但没有成功的话,请将原始下载器产生的_installer目录删除,然后再重新安装。
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:【ARM-Linux开发】【CUDA开发】【深度学习与神经网络】Jetson Tx2安装相关之三 - Python技术站