将Jetson用于生产环境之前的配置
为什么要进行这些配置？ 当将Jetson作为生产环境使用时（对于我来说是参加竞赛），默认的许多设置都并不太合适，例如默认的休眠设置、软件更新弹窗等等……因此需要进行调整。 系统设置 性能模式 如果你使用默认的GNOME桌面环境，那么在右上角英伟达小Logo处的快捷栏就可以更改。 如果更换了桌面或使用
通过密钥对实现VSCode SSH免密码登录
VSCode不像Jetbrains系列那样可以对远程SSH会话保存密码，重载窗口（例如安装/卸载插件）或是意外断开重新连接，VSCode都会弹出prompt窗口要求输入SSH密码，对于长期生产环境开发非常麻烦，但VSCode并不支持保存密码，因此我们需要利用SSH的密钥认证方式来实现免密码登录。 在
NVIDIA Jetson Xaiver NX通过Docker安装任意版本ROS(Jetson Container)
前言 众所周知，ROS由于对于系统软件包版本的高度依赖，导致每个大版本ROS都必须绑定着新版Ubuntu系统发布，例如： 这里只是简单列出一些，并不完整，详细可以参考： https://blog.csdn.net/qq_42450767/article/details/124738627
Linux
未读
Docker更换镜像源（附国内可用镜像源地址）
可用镜像源 众所都周知，2024年6月以后国内很多大型的Docker镜像站都停止了服务或改为内部使用，包括但不限于： Docker中国官方镜像 网易云 七牛云 腾讯云 百度云 南京大学 上海交大 电子科技大学 …… 具体已经停止服务的以及可用的镜像列表可以在这里找到：
边缘计算
未读
NVIDIA Jetson Xavier NX 将PyTorch(.pt)模型转为TensorRT加速推理
使用PyTorch导出ONNX再使用trtexec转换为engine 这种方式导出的兼容性最好，可以用于Triton服务器部署，也可以用Python代码直接使用模型推理。 准备PyTorch模型 对YOLOv8进行训练之后，在train/run**/weights文件夹内会有last.pt和best
边缘计算
未读
YOLOv8转换PyTorch模型为TensorRT(.engine)运行Numpy报错的解决办法
起因：根据官方教程将PyTorch模型转换为了.engine的TensorRT格式以期提高加载和推理速度，在Windows10/RTX4060上没有任何问题，推理所需时间从20ms/frame降低到了8ms/frame，提升显著。 然而在Jetson Xavier NX上转换后，虽然转换过程没有报任
边缘计算
未读
NVIDIA Jetson Xavier NX 部署 Triton-Inference-Server
参考：https://blog.csdn.net/zachary_hao/article/details/132149492 查看当前的JetPack版本 jtop 使用jtop查看系统信息，按数字键7切换到INFO：
边缘计算
未读
NVIDIA Jetson Xavier NX开启蓝牙音频功能
默认情况下，Jetson的蓝牙音频是关闭的，需要手动开启： sudo nano /lib/systemd/system/bluetooth.service.d/nv-bluetooth-service.conf 可以看到，默认是禁用了蓝牙音频协议的，我们只要把禁用声明删掉即可。 然后，还需要安装Pu
NVIDIA Jetson Xavier NX 部署 pytorch环境(YOLOv8/v5)
部分参考：https://blog.csdn.net/weixin_50060664/article/details/121960835 虽然新款Xavier开发板已经发布且Xaiver NX的JetPack已经基本不再更新（停留在5.x），但我装的版本JetPack5.1.3(Ubuntu20.0
边缘计算
未读
NVIDIA Jetson Xavier NX 简单配置
1.使用NVIDIA SDK Manager刷入系统 这部分比较基础，需要良好的网络环境和基本的软件安装操作能力，主要分为以下步骤： 安装Ubuntu 20.04 x64虚拟机 在虚拟机中安装NVIDIA SDK Manager 使用micro-B数据线将板子连接到电脑，并且设置默认连接到虚拟机 如