NVIDIA TX2 PyTorch-GPU安装包V1.10

preview
共2个文件
whl：2个
PyTorch
需积分: 30 8 下载量 110 浏览量 2022-09-15 16:45:19 上传 评论 2 收藏 315.46MB ZIP 举报
资源详情
资源评论
评论 收藏
郭老二
  • 粉丝: 6w+
  • 资源: 52
上传资源 快速赚钱
voice
center-task 前往需求广场，查看用户热搜

相关推荐

zip

TX2安装pytorch1.4所需文件.zip

TX2安装pytorch1.4过程中需要下载的toch和torchvision文件，安装教程见博客https://blog.csdn.net/qq_22059843/article/details/107505848
rar

pytorch-1.1.0-cudo10.0+torchvision--pip安装.rar

内涵文件torch-1.1.0-cp36-cp36m-win_amd64.whl和torchvision-0.3.0-cp36-cp36m-win_amd64.whl
whl

torchvision-0.3.0-cp36-cp36m-linux_aarch64.whl

网上pytorch基于arm版的whl还真的不是太好找，特别是基于python3.6版本编译的，与其搭配的pytorch-1.1.0请移步我的另一个资源
whl

torchvision-0.4.2-cp36-cp36m-linux_aarch64.whl

网上大多数torchvision轮子包都是基于python3.7的，奈何我的环境是python3.6的不想安装3.7索性就自己编一个用（纯cpu，不支持cuda），与其搭配的torch-1.3.0请移步我的另一个资源
zip

NVIDIA TX2上的GPU调度.zip

提供了《GPU Scheduling on the NVIDIA TX2》论文的中文版，基于谷歌翻译和手动校正。
zip

提前编译适用于NVIDIA GPU的TorchScript / PyTorch JIT-Python开发

用于NVIDIA GPU TRT的TorchScript / PyTorch JIT的提前编译PyTorch JIT的提前（AOT）编译TRTorch是PyTorch / TorchScript的编译器，通过NVIDIA的TensorRT深度学习优化器和运行时针对NVIDIA GPU。 与PyTorch的即时（JIT）编译器不同，TRTorch是一种提前（AOT）编译器，这意味着在部署TorchS
tar

Nvidia TX2 Realtimes-L4T-V202驱动

该资源是英伟达Nvidia Jetson TX2 Realtimes-L4T-V202驱动。
zip

TX2N-4ADADA说明书

TX2N-4AD-4DA应用说明书，TX2N-4AD-4DA应用说明书
docx

NVIDIA TX2系统制作及务份恢复系统方法.docx

NVIDIA TX2系统制作及务份恢复系统方法.docxNVIDIA TX2系统制作及务份恢复系统方法.docxNVIDIA TX2系统制作及务份恢复系统方法.docxNVIDIA TX2系统制作及务份恢复系统方法.docx
xz

适用于 TX2 jetpack 4.4 的 Pytorch3.6 安装包 torch-1.7.0-cp36-cp36m-linux_aarch64.whl

适用于 Jetsion TX2 jetpack 4.4 python3.6 的 Pytorch 1.7.0 whl 文件. 方便不能官网下载的同学.
rar

NVIDIA_Tegra_Linux_Driver_Package_TX2_-32.1 Release文档-很详细

NVIDIA_Tegra_Linux_Driver_Package_TX2_-32.1 Release文档-很详细
zip

NVIDIA TX2开发板资料

适合人工智能的学习，了解NVIDIA TX2开发板，对学习了解有很大帮助
star 5星 · 资源好评率100%
docx

NVIDIA Jetson TX2介绍

详细介绍了NVIDIA TX2套件的基础和软件架构，总结的很到位
pdf

Jetson-TX2-NX-Product-Design-Guide-DG-10141-001-v1.2

Jetson_TX2_NX_Product_Design_Guide_DG-10141-001_v1.2
whl

Paddle-Lite的TX2的Python安装包

Paddle-Lite的TX2的Python安装包，自行编译的，亲测有效
zip

jetson-tx2-pytorch:在Nvidia Jetson TX1TX2上安装PyTorch

在NVIDIA Jetson TX1 / TX2上安装PyTorch 是一个新的深度学习框架，可以在Jetson TX1和TX2板上很好地运行。 它安装起来相对简单快捷。 与TensorFlow不同，它不需要外部交换分区即可在TX1上构建。 尽管TX2具有足够...
zip

RTSO-9003U-Realtimes-L4T-TX2-3261-V1.2

RTSO-9003载板 + TX2核心板 Tx2刷机及安装Jetpack4.6, 瑞泰的Realtimes_L4T_TX2_ BSP支持包，对应nvidia的Jetson Linux Driver Package (L4T) 32.6.1版本
run

英伟达DriveInstall_4.1.8

英伟达DrivePX2软件环境搭建工具，英伟达自动驾驶开发工具安装包
xlsx

Jetson-TX2-GPIO-mapping.xlsx

利用TX2 GPIO点亮LED，Jetson-TX2-GPIO-pin mapping

解决nvidia tx2 在自制底板上usb无法识别的替换文Image

解决nvidia tx2 在自制底板上usb无法识别的替换文Image
pdf

Nvidia-Tx2部署目标检测

Nvidia-Tx2部署目标检测 https://blog.csdn.net/weixin_41275726/article/details/122699719
pdf

TX2S-SOP8 spec

TX2S 是一顆专为遥控玩具车设计专用发射和接收的大规模集成电路，它采用先进的 CMOS 工艺制造。8PIN 封装技术，降低对封装的需求。 TX2S 内部设计A/D 转换单元，在3 个输入脚中保留6 个功能键（即前进、后退、左转、...
star 5星 · 资源好评率100%
xlsm

nv_Jetson-TX2-Series-Pinmux-Template.xlsm

TX2核心板管脚及功能定义表。nv_Jetson-TX2-Series-Pinmux-Template.xlsm
zip

YOLOv8-deepsort 实现智能车辆目标检测+车辆跟踪+车辆计数

本资源纯属免费，不收任何钱和任何积分，纯粹为爱发电，本资源已经为大家整合好了的，看我的博客部署好直接用：https://blog.csdn.net/Little_Carter/article/details/133610076?spm=1001.2014.3001.5501 资源原本项目源码地址：https://github.com/MuhammadMoinFaisal/YOLOv8-DeepSO
star 4星 · 用户满意度95%
vsdx

YOLOv8网络结构图，自制visio文件，yolov8.vsds，需要的自取，在原有的基础上直接改就行了

YOLOv8网络结构图，自制visio文件，yolov8.vsds，需要的自取，在原有的基础上直接改就行了
star 5星 · 资源好评率100%
zip

yolov8(2023年8月版本),已经下好yolov8s.pt和yolov8n.pt

yolov8(2023年8月版本),已经下好yolov8s.pt和yolov8n.pt，需要创建的文件夹都以创建，方便大家不用再去GitHub下载 可以搭配该博客：https://blog.csdn.net/weixin_43366149/article/details/132206526?spm=1001.2014.3001.5501
star 5星 · 资源好评率100%
zip

Transformer模型实现长期预测并可视化结果（附代码+数据集+原理介绍）

这篇文章给大家带来是Transformer在时间序列预测上的应用，这种模型最初是为了处理自然语言处理（NLP）任务而设计的，但由于其独特的架构和能力，它也被用于时间序列分析。Transformer应用于时间序列分析中的基本思想是：Transformer 在时间序列分析中的应用核心在于其自注意力机制，这使其能够有效捕捉时间序列数据中的长期依赖关系。通过并行处理能力和位置编码，Transformer
star 5星 · 资源好评率100%
csv

社交平台上经济类话题的文章热度信息，数据是真实的，但不是真实日期

使用LSTM模型进行时序预测的代码与说明见：https://blog.csdn.net/Q_M_X_D_D_/article/details/109366895
zip

Unet眼底血管图像分割数据集+代码+模型+系统界面+教学视频.zip

本资源配套对应的视频教程和图文教程，手把手教你使用Unet做眼底图像分割的训练、测试和界面封装，包含了Unet原理的解析、处理好的训练集和测试集、训练和测试的代码以及训练好的模型，并封装为了图形化界面，只需点击上传按钮上传图像即可完成眼底图像的预测。 随着生活水平的提高，眼科疾病以及心脑血管疾病的发病率呈现逐年增长的趋势。视网膜血管是这类疾病诊断和监测的重要信息来源，其形态和状况的变化可以反映出许
star 5星 · 资源好评率100%