ubuntu使用ssh -Y远程连接jetson nano运行图形化程序卡顿

暗影岛之米 2020-12-08 10:28:32

[size=16px]用一个ubuntu系统的笔记本电脑去远程连接jetson nano，然后运行图形化的程序，

ssh-Y ssh-X都尝试过了，运行图形化程序的时候，打开一些窗口都会很卡顿；

用的也是jetson nano官方推荐的无线网卡，硬件应该是没问题的，wifi信号也是满的；

有什么可以优化或者是根治这个图传卡顿的问题呢，感激不尽！

...全文

27266 1 打赏收藏举报

写回复

1 条回复

切换为时间正序

请发表友善的回复…

发表回复

暗影岛之米 2020-12-22

打赏
举报

回复

ssh图形化界面无论硬件多好都会卡顿，换成vnc就可以完美解决问题了！vnc内网外网都可以！

边缘计算作为将数据处理从云端下沉到设备本地的关键技术，通过在数据源头完成分析和决策，有效解决了网络延迟和带宽瓶颈问题。其核心原理是利用嵌入式系统的本地算力，在资源受限的环境中实现实时智能响应。这一技术为物联网、机器人、智能安防等领域带来了革命性价值，使得设备能够自主感知和决策。在嵌入式AI开发中，Jetson Nano凭借其集成GPU算力和完整的软件栈，成为入门和实践的热门平台。本文以Jetson Nano为例，详细解析了硬件选型、系统配置、模型优化等工程实践环节，并针对常见的内存管理和散热问题提供了解决方

在边缘计算和嵌入式视觉项目中，将工业相机集成到ARM架构设备是常见的需求。其核心原理在于处理不同硬件平台（如x86与ARM）之间的软件兼容性问题，通常涉及驱动适配、库文件移植和系统依赖管理。这一过程的技术价值在于打通从图像采集硬件到上层AI应用的数据管道，是实现缺陷检测、尺寸测量等机器视觉应用的基础。在Jetson Nano这类边缘AI设备上，直接安装为x86平台预编译的海康威视MVS套件会遇到架构不匹配的障碍。本文聚焦于通过寻找ARM版本SDK、解决32位兼容库依赖、配置USB驱动等实操步骤，在Jetso

边缘计算作为人工智能在终端设备落地的关键技术，通过在数据源头就近处理信息，有效解决了云端推理的延迟与带宽瓶颈。其核心原理是将训练好的深度学习模型部署到嵌入式硬件，利用专用加速芯片实现低功耗、高响应的实时推理。这一技术为机器人、智能安防、工业质检等场景带来了革命性价值。在众多边缘计算平台中，NVIDIA Jetson系列凭借其集成GPU与专用AI加速器，成为开发者的首选。本文聚焦Jetson平台，深入解析硬件选型、系统配置与远程开发等工程实践，并重点探讨如何利用TensorRT优化模型，解决实际部署中的性能瓶

Jetson Orin NX Nano并非即插即用AI开发板，其算力释放高度依赖Linux for Tegra（L4T）系统镜像的精准烧录。L4T不是普通Linux发行版，而是包含签名验证的多分区复合镜像，需通过NVIDIA官方SDK Manager工具完成安全刷机，避免eMMC变砖风险。刷机本质是构建确定性运行时环境：匹配CUDA、TensorRT、内核版本与模型框架（如YOLOv8、ONNX Runtime）的兼容性闭环。不同L4T大版本（R35.x vs R36.x）在Ubuntu基础、Python版

边缘计算通过在数据源头就近处理信息，有效解决了云端AI的延迟与带宽瓶颈，其核心在于将深度学习模型部署到嵌入式设备进行实时推理。这一过程涉及模型优化、硬件适配与软件栈集成等关键技术，能够显著提升自动驾驶、智能安防等场景的响应效率与隐私安全。以NVIDIA Jetson系列为代表的边缘AI平台，凭借其GPU加速与完整CUDA生态，成为学习与实践的理想选择。本文聚焦Jetson Nano，详细解析从系统烧录、Python环境配置、CSI摄像头驱动，到使用TensorRT对YOLO目标检测模型进行极致加速的完整实战

Linux/Unix社区

18,828

社区成员

11,489

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章