NVIDIA Jetson AI硬件開發實戰 入門篇

梁棟

NVIDIA Jetson AI硬件開發實戰 入門篇

相關主題

商品描述

這是一本面向Jetson嵌入式平臺的AI硬件開發入門級實戰指南，適合零基礎入門Jetson的AI硬件開發者、愛好者，以及相關院校師生閱讀。全書以Jetson Orin系列設備為核心，從 層的硬件資源、系統燒錄與開發環境搭建講起，逐步深入到Jetson-Inference AI視覺與GPIO硬件控制兩大核心技術， 終通過一個綜合案例，幫讀者真正把AI算法與硬件控制應用於邊緣設備。通過本書，讀者可快速掌握邊緣AI硬件配置、視覺處理、模型推理與硬件聯動開發，完成從環境搭建到完整AI硬件項目開發的全流程。學完本書，讀者可以應對機器視覺、智能機器人、邊緣AI等各種AI硬件開發項目。 ~3章系統介紹Jetson產品矩陣與軟硬件資源，並以Jetson Orin系列為參考，詳細講解系統燒錄、系統初始化、監控與優化、系統備份與恢覆、遠程訪問，以及AI開發環境（OpenCV、TensorFlow、PyTorch）、JupyterLab遠程開發與 Jetson Docker 虛擬環境的搭建。第4~5章從為Jetson配置攝像頭（CSI/USB、V4L2、GStreamer、JetCam、OpenCV、實時流服務）與訓練神經網絡模型（手寫數字識別、貓狗圖片分類）入手，系統講解Jetson-Inference項目的七大推理能力——圖像分類、目標檢測、語義分割、姿態估計、動作識別、背景去除與單眼深度估計，幫助讀者快速搭建高效的AI視覺系統。第6~7章先詳細介紹Jetson GPIO基本概念、常用協議與外設，以及Jetson GPIO庫的配置與使用，然後介紹控制RGB燈珠、蜂鳴器、倒車雷達等的應用實踐，幫助讀者完整理解Jetson GPIO控制。第8章通過深度剖析一個綜合案例——AI視覺機器人開發，將兩輪底盤電機控制與Jetson-Inference 實時目標檢測有機結合，實現AI視覺與硬件控制的融會貫通。若對性能優化、DeepStream、YOLO、MediaPipe、本地大模型的應用實踐感興趣，或想學習AI視覺雲臺、AI語音機器人綜合項目，可以閱讀《NVIDIA Jetson AI硬件開發實戰：進階篇》。

作者簡介

梁 棟<br />歷任美團首席業務架構師、百度 架構師、搜狐技術專家，擁有20年互聯網與智能硬件行業經驗，完整經歷了PC互聯網、移動互聯網、AI三次技術革命，業務版圖橫跨電商、物流、信息安全與物聯網。作為核心技術決策層成員， 過多個戰略級項目的實施落地，如曾 美團配送平臺從0到1的架構建設。<br />技術視野橫跨軟件安全、互聯網架構與嵌入式AI多個領域，近年來聚焦NVIDIA Jetson，推動邊緣AI在智能制造等場景的真正落地，在三節課平臺發布了“智能制造AI落地必修課：Jetson AI開發入門”課程。<br />Java安全領域標桿圖書《Java加密與解密的藝術》作者；曾任美團技術學院、百度學院講師，研發並主講了“平臺化架構演進實戰”“項目管理基本功”等課程，連續3年獲評“年度 講師

目錄大綱

前言
第1章 初識NVIDIA Jetson
1.1 Jetson產品矩陣
1.2 Jetson硬件資源
1.2.1 Jetson Orin Nano
1.2.2 Jetson Orin Nano與Jetson Nano
1.3 Jetson軟件資源
1.3.1 NVIDIA JetPack SDK
1.3.2 NVIDIA TAO
1.3.3 NVIDIA DeepStream SDK
1.4 Jetson與其他嵌入式硬件
1.4.1 Jetson與單板機
1.4.2 Jetson與單片機
1.5 本章小結
第2章 配置Jetson系統環境
2.1 Jetson系統燒錄
2.1.1 SDK Manager燒錄
2.1.2 microSD卡燒錄
2.1.3 Jetson系統燒錄其他事項
2.2 Jetson系統初始化
2.2.1 Jetson系統桌面配置
2.2.2 Jetson系統更新
2.2.3 Jetson系統Python環境配置
2.3 Jetson系統監控
2.3.1 JTOP
2.3.2 Indicator Sysmonitor
2.4 Jetson系統優化
2.4.1 交換空間配置
2.4.2 分屏終端配置
2.5 Jetson系統救援
2.5.1 Jetson系統備份
2.5.2 Jetson系統恢覆
2.5.3 Jetson存儲設備擴容
2.6 Jetson遠程訪問
2.6.1 遠程登錄SSH
2.6.2 遠程桌面
2.7 Jetson Wi-Fi熱點設置
2.8 本章小結
第3章 配置Jetson開發環境
3.1 配置AI開發環境
3.1.1 OpenCV
3.1.2 TensorFlow
3.1.3 PyTorch系列
3.1.4 對比TensorFlow與PyTorch
3.2 配置遠程開發工具JupyterLab
3.2.1 安裝JupyterLab
3.2.2 使用JupyterLab
3.3 構建Jetson Docker虛擬環境
3.3.1 Jetson與Docker
3.3.2 NVIDIA NGC與Jetson Docker鏡像
3.3.3 初識Jetson Docker
3.3.4 定制Jetson Docker鏡像
3.4 本章小結
第4章 使用Jetson看世界
4.1 為Jetson設備配置攝像頭
4.1.1 配置MIPI CSI攝像頭與USB攝像頭
4.1.2 使用V4L2配置攝像頭
4.1.3 基於GStreamer多媒體框架調用攝像頭
4.1.4 使用JetCam調用攝像頭
4.1.5 使用OpenCV調用攝像頭
4.1.6 構建攝像頭實時流服務
4.2 Jetson AI視覺與神經網絡
4.3 訓練神經網絡模型
4.3.1 識別手寫數字
4.3.2 貓狗圖片分類
4.4 本章小結
第5章 Jetson-Inference項目
5.1 Jetson-Inference環境搭建
5.1.1 源碼構建Jetson-Inference
5.1.2 容器部署Jetson-Inference
5.1.3 初識Jetson-Inference
5.2 圖像分類推理
5.2.1 圖像分類概述
5.2.2 使用ImageNet進行圖像分類推理
5.2.3 實例：基於Jetson-Inference庫實現圖像分類
5.3 目標檢測推理
5.3.1 目標檢測概述
5.3.2 使用DetectNet進行目標檢測推理
5.3.3 實例：基於Jetson-Inference庫實現目標檢測
5.4 語義分割推理
5.4.1 語義分割概述
5.4.2 使用SegNet進行語義分割推理
5.5 姿態估計推理
5.5.1 姿態估計概述
5.5.2 使用PoseNet進行姿態估計推理
5.6 動作識別推理
5.6.1 動作識別概述
5.6.2 使用ActionNet進行動作識別推理
5.7 背景去除推理
5.7.1 背景去除概述
5.7.2 使用BackgroundNet進行背景去除推理
5.8 單眼深度推理
5.8.1 單眼深度概述
5.8.2 使用DepthNet進行單眼深度推理
5.9 本章小結
第6章 Jetson硬件控制基礎
6.1 初識Jetson GPIO
6.1.1 Jetson GPIO基本概念
6.1.2 Jetson GPIO外設常用協議
6.1.3 Jetson GPIO常備外設
6.2 Jetson GPIO應用開發
6.2.1 Jetson硬件接口配置工具
6.2.2 Jetson.GPIO庫配置
6.2.3 Jetson.GPIO庫使用說明
6.3 本章小結
第7章 Jetson GPIO應用實踐
7.1 GPIO控制RGB燈珠
7.2 GPIO控制蜂鳴器
7.3 GPIO控制超聲波傳感器
7.4 本章小結
第8章 綜合案例：使用Jetson開發AI視覺機器人
8.1 小車底盤控制單元
8.1.1 兩輪底盤機械結構
8.1.2 兩路電機控制電路
8.1.3 兩路電機運動驅動
8.2 兩輪小車AI視覺系統
8.2.1 Jetson-Inference實時目標檢測實現
8.2.2 Jetson-Inference兩輪小車視覺控制系統
8.3 本章小結

類似商品

最後瀏覽商品 (8)