DLC模型在jetson nano无法使用cpu推理

白日莫等闲 2024-05-17 10:21:05

not support GPU
SNPE model init, using runtime cpu_float32
build engine error : error_code=1200; error_message=libstd error. error_code=1200; error_message=libstd error. QnnBackend_initialize failed: 1006; error_component=Dependent library; line_no=646; thread_id=548240154912; error_component=Dependent library; line_no=342; thread_id=548271538192
Segmentation fault (core dumped)

...全文

1294 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

Jetson Xavier nx 和 Jetson nano 中 Yolov5 头盔检测的 Python 训练和推理实现

Jetson_Nano开发板原理图

jetson nano csi摄像头 tensorrt 运行yolov8检测项目代码

环境准备 Jetson Nano 设置确保你的Jetson Nano已经安装了JetPack（包含CUDA、cuDNN、TensorRT等）。安装YOLOv5依赖安装Python和pip：克隆YOLOv5仓库并安装所需依赖收集和标注数据收集工地防护相关的图片数据，确保涵盖各种防护设备和场景。使用工具（如LabelImg）进行数据标注，生成YOLO格式的标签文件（.txt）。组织数据集将数据集按照YOLOv5的格式组织：配置YOLOv5 编辑data.yaml文件，定义训练和验证数据路径以及类别信息开始训练使用YOLOv5的训练脚本启动训练署和检测转换模型为了在Jetson Nano上更高效地运行YOLOv5，可以将模型转换为TensorRT格式：加载和运行模型使用YOLOv5的推理脚本进行实时检测实时视频流检测使用Jetson Nano的摄像头进行实时视频流检测性能优化：Jetson Nano性能有限，确保使用较小的YOLOv5模型（如YOLOv5s）并优化推理过程。电源管理：使用高性能模式（MAXN模式）来获得最佳性能：

TensorRT分类 Jetson Nano的TensorRT

高通开发者论坛

2,908

社区成员

5,789

社区内容

发帖

与我相关

我的任务

人工智能物联网机器学习技术论坛（原bbs）北京·东城区

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