Ръководство за NVIDIA Jetson

Chloros на NVIDIA Jetson позволява мултиспектрална обработка на изображения в периферната среда — на място, на безпилотни летателни апарати и в отдалечени инсталации. Chloros автоматично разпознава вашия модел Jetson и оптимизира стратегията за обработка според вашия хардуер.

Поддържани модели Jetson

Модел

RAM

Стратегия за обработка

Препоръчителна употреба

Jetson AGX Orin

32-64 GB споделена

GPU_PARALLEL (4 работници)

Максимална производителност, големи масиви от данни

Jetson Orin NX

8–16 GB споделена

GPU_PARALLEL (3 работника, 16 GB) / GPU_SINGLE (8 GB)

Основна препоръка за внедряване във въздуха и на терен

Jetson Orin Nano

8 GB споделена

GPU_SINGLE (1 работник)

Изчисления на крайни устройства от начално ниво

Jetson Nano

4–8 GB споделена

GPU_SINGLE (1 работник)

Начално ниво, с ограничена памет

По-старите модели Jetson (TX2, TX1, Xavier NX) може да не се поддържат. Производителността ще варира в зависимост от наличната памет на GPU и възможностите на CUDA.

Изисквания

JetPack 6.x (препоръчва се най-новата версия)
NVIDIA CUDA (включено в JetPack)
Лиценз за Chloros+ (необходим за достъп до CLI/SDK)

Инсталиране

# Install the JetPack 6 .deb package
sudo dpkg -i chloros-arm64-jp6.deb

# Verify installation
chloros-cli --version

# Install Python SDK (optional)
pip install chloros-sdk

# Run system diagnostics
chloros-cli selftest

За общи подробности относно инсталирането на Linux вижте Инсталиране на Linux.

Динамична адаптация на изчисленията на Jetson

Chloros автоматично открива вашия модел Jetson и избира оптималната стратегия за обработка. Не се изисква ръчна настройка.

Как работи

При стартиране Chloros профилира вашата система:

Открива модела Jetson чрез /proc/device-tree/model
Чете наличната GPU/споделена памет

3.Избира стратегия за обработка (GPU_PARALLEL, GPU_SINGLE или CPU_PARALLEL) 4. Задава броя на работниците, типа на конвейера и разпределението на паметта автоматично

Поведение по модели

Модел Jetson

Стратегия

Работни процеси

Конвейер

Едновременност

Jetson Nano 8GB

GPU_SINGLE

tiled_gpu (ефективно използване на паметта)

Сериализирано

Jetson Orin Nano 8GB

GPU_SINGLE

tiled_gpu

Сериализирано

Jetson Orin NX 8GB

GPU_SINGLE

tiled_gpu

Сериализирано

Jetson Orin NX 16 GB

GPU_PARALLEL

fused_gpu (пълна GPU пътека)

Едновременни

Jetson AGX Orin 32-64GB

GPU_PARALLEL

fused_gpu

Едновременни

Jetson Orin NX 16GB е идеалният вариант за внедряване в периферията — той използва стратегията GPU_PARALLEL с 3 едновременни работника, осигурявайки истинска паралелна GPU обработка в компактен формат.

Ключовата разлика между платформите е паметта. Jetson Nano с 8 GB споделена памет трябва да обработва изображенията едно по едно, използвайки подход с ефективно използване на паметта, докато Orin NX с 16 GB може да обработва 3 изображения едновременно чрез GPU, използвайки конвергентен конвейер с по-висока производителност.

За пълна справка относно адаптирането на изчислителната мощност вижте Динамично адаптиране на изчислителната мощност.

Термично управление

Устройствата Jetson имат ограничен термичен резерв, особено при затворени или въздушни инсталации. Chloros включва автоматично термично наблюдение и регулиране:

Температура

Действие

< 70°C

Нормална работа — пълна скорост на обработка

70°C (Предупреждение)

Автоматично намаляване на размера на партидата

80°C (Критично)

Агресивно ограничаване — по-ниска паралелност

90°C (Изключване)

Пълно спиране на обработката на GPU — необходимо охлаждане

Осигурете адекватна вентилация и отвод на топлината за продължителна обработка, особено в затворени полеви корпуси или въздушни системи. Термичното ограничаване ще намали производителността на обработката, за да защити хардуера.

Управление на паметта

Устройствата Jetson използват унифицирана памет — GPU и CPU споделят една и съща физическа RAM. Това означава, че отчетената VRAM (например 15,3 GB на Orin NX 16 GB) не е специална памет за GPU; тя се споделя с операционната система и други процеси.

Препоръки за суап

За големи масиви от данни или обработка с Texture Aware debayer, Chloros може да препоръча създаването на суап пространство:

# Check current memory and swap
free -h

# Create a swap file (example: 8GB)
sudo fallocate -l 8G /swapfile
sudo chmod 600 /swapfile
sudo mkswap /swapfile
sudo swapon /swapfile

# Make persistent across reboots
echo '/swapfile none swap sw 0 0' | sudo tee -a /etc/fstab

Оценки за паметта на изображение:

Стандартен дебайер: ~10 MB на изображение
Дебайер с разпознаване на текстури: ~15 MB на изображение

Chloros автоматично изчислява необходимата памет въз основа на размера на вашия набор от данни и ви предупреждава, ако се препоръчва суап.

Резервен вариант при OOM (Out of Memory)

Ако по време на обработката бъде открито състояние на изчерпване на паметта:

Chloros автоматично намалява броя на работните процеси на GPU
Преминава от fused_gpu към tiled_gpu пипалин (по-ефективен по отношение на паметта)
Продължава обработката с намалена производителност, вместо да се срине

Разгръщане на място

Съображения относно захранването

Модел Jetson

Типична консумация на енергия

Бележки

Jetson Nano

5-10 W

USB-C или цилиндричен конектор

Jetson Orin Nano

7-15 W

DC цилиндричен конектор

Jetson Orin NX

10-25 W

DC цилиндричен конектор

Jetson AGX Orin

15-60 W

USB-C PD или цилиндричен конектор

Планирайте енергийния си бюджет за продължителна обработка — пиковото потребление на енергия се наблюдава по време на Thread 3 (Processing), който натоварва интензивно графичния процесор (GPU).

Препоръки за съхранение

NVMe SSD се препоръчва силно за arm64 разгръщания
SD картите са твърде бавни за обработка — използвайте ги само като носители за стартиране
Планирайте 2-3 пъти по-голям размер на обработените данни в сравнение с размера на необработените изображения

Работа без монитор чрез SSH

Chloros CLI е идеален за инсталации на Jetson без монитор:

# SSH into the Jetson
ssh user@jetson-hostname

# Process a dataset
chloros-cli process /data/datasets/flight001 --format tiff-32

# Monitor export progress
chloros-cli export-status

Автоматизирана обработка със systemd

Създайте услуга systemd за автоматизирана обработка:

# /etc/systemd/system/chloros-process.service
[Unit]
Description=Chloros Automated Processing
After=network.target

[Service]
Type=oneshot
User=chloros
ExecStart=/usr/bin/chloros-cli process /data/incoming --output /data/processed
StandardOutput=append:/var/log/chloros-process.log
StandardError=append:/var/log/chloros-process.log

[Install]
WantedBy=multi-user.target

Съчетайте я с таймер systemd за планирана обработка:

# /etc/systemd/system/chloros-process.timer
[Unit]
Description=Run Chloros Processing Every Hour

[Timer]
OnCalendar=hourly
Persistent=true

[Install]
WantedBy=timers.target

sudo systemctl enable chloros-process.timer
sudo systemctl start chloros-process.timer

Примери за работни потоци

Основна обработка на Jetson

#!/bin/bash
# Process a drone flight dataset on Jetson
chloros-cli process /data/flights/flight_042 \
    --output /data/processed/flight_042 \
    --format tiff-32 \
    --indices NDVI NDRE GNDVI

Python SDK на Jetson

from chloros_sdk import ChlorosLocal

with ChlorosLocal() as chloros:
    chloros.create_project("field_survey_042")
    chloros.import_images("/data/flights/flight_042")
    chloros.configure(
        indices=["NDVI", "NDRE", "GNDVI"],
        export_format="TIFF (32-bit, Percent)",
        reflectance_calibration=True
    )
    chloros.process(mode="parallel")

print("Processing complete!")

Пакетна обработка на множество полети

#!/bin/bash
# Process all flight datasets in a directory
for flight in /data/flights/*/; do
    name=$(basename "$flight")
    echo "Processing $name..."
    chloros-cli process "$flight" \
        --output "/data/processed/$name" \
        --format tiff-32 \
        --indices NDVI NDRE
    echo "Completed $name"
done

Препоръчителни системи Jetson за използване на терен

За разгръщане на терен и във въздуха, обмислете следните варианти на носещи платки Jetson Orin NX 16GB:

Въздушно/дрон: Системи с вибрационна устойчивост (MIL-STD), леки (под 300g), пасивно охлаждане
Устойчиви на тежки условия: Водоустойчиви кутии IP67/IP69K с възможност за свързване на PoE GigE камера
Минимални/икономични: Комплекти за разработчици с допълнителни кутии

Свържете се с MAPIR Поддръжка за конкретни препоръки за хардуер за вашия сценарий на внедряване.

Следващи стъпки

Linux Инсталиране — Общи подробности за инсталирането на Linux
Динамична адаптация на изчислителната мощност — Пълно справочно ръководство за стратегиите за изчислителна мощност
Процесорна тръба — Разбиране на 4-нишковата тръба
CLI : Командна линия — Пълно справочник за CLI
API : Python SDK — Пълен справочник за SDK

PreviousLinux Инсталиране NextДинамична адаптация на изчисленията

Last updated 9 days ago

hashtagПоддържани модели Jetson

hashtagИзисквания

hashtagИнсталиране

hashtagДинамична адаптация на изчисленията на Jetson

hashtagКак работи

hashtagПоведение по модели

hashtagТермично управление

hashtagУправление на паметта

hashtagПрепоръки за суап

hashtagРезервен вариант при OOM (Out of Memory)

hashtagРазгръщане на място

hashtagСъображения относно захранването

hashtagПрепоръки за съхранение

hashtagРабота без монитор чрез SSH

hashtagАвтоматизирана обработка със systemd

hashtagПримери за работни потоци

hashtagОсновна обработка на Jetson

hashtagPython SDK на Jetson

hashtagПакетна обработка на множество полети

hashtagПрепоръчителни системи Jetson за използване на терен

hashtagСледващи стъпки

Поддържани модели Jetson

Изисквания

Инсталиране

Динамична адаптация на изчисленията на Jetson

Как работи

Поведение по модели

Термично управление

Управление на паметта

Препоръки за суап

Резервен вариант при OOM (Out of Memory)

Разгръщане на място

Съображения относно захранването

Препоръки за съхранение

Работа без монитор чрез SSH

Автоматизирана обработка със systemd

Примери за работни потоци

Основна обработка на Jetson

Python SDK на Jetson

Пакетна обработка на множество полети

Препоръчителни системи Jetson за използване на терен

Следващи стъпки