https://111qqz.com/en/tags/jetson-nano/Recent content in Jetson Nano on 111qqz's blogHugo -- gohugo.ioen© 2015-2026 111qqzFri, 18 Sep 2020 11:02:50 +0800https://111qqz.com/en/post/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/2020-09-18-torch2trt-notes/Fri, 18 Sep 2020 11:02:50 +0800https://111qqz.com/en/post/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/2020-09-18-torch2trt-notes/<h2 class="relative group">前言 <div id="前言" class="anchor"></div> <span class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"> <a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e5%89%8d%e8%a8%80" aria-label="Anchor">#</a> </span> </h2> <p>偶然发现了 <a href="https://github.com/NVIDIA-AI-IOT/torch2trt" target="_blank" rel="noreferrer">torch2trt</a> 的模型转换方案，思路是直接将pytorch op映射到TensorRT的python api. 在pytorch进行每个op　forward的时候，tensorrt也相应往network上添加op. 这里会先涉及torch2trt的使用，后面会补充这个转换工具的代码学习</p>https://111qqz.com/en/post/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/2020-09-08-play-with-jetson-nano/Tue, 08 Sep 2020 14:41:34 +0800https://111qqz.com/en/post/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/2020-09-08-play-with-jetson-nano/<h2 class="relative group">写在前面 <div id="写在前面" class="anchor"></div> <span class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"> <a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e5%86%99%e5%9c%a8%e5%89%8d%e9%9d%a2" aria-label="Anchor">#</a> </span> </h2> <p>主要是需要在jetson nano做模型转换，来记录下踩的坑 目前有两条路径，一条是我们现有的转换路径，也就是pytorch-&gt;onnx(-&gt;caffe)-&gt;trt的路径 在这条路径上踩了比较多的坑，最终暂时放弃，最直接的原因是<strong>cudnn8.0升级接口发生改动，编译caffe遇到较多问题</strong> 这里其实仍然采用了两条平行的路径，一条是直接在nano上构建环境，另外一种是基于docker(包括构建交叉编译环境用于加快编译速度)</p>