python - 如何在 Tegra X2 上使用 TesnorFlow-GPU 模型进行推理？

Question

我是 Jetson tegra x2 板的新手。

我计划在 TX2 板上运行我的 tensorflow-gpu 模型，看看它们在那里的表现如何。这些模型在 GTX GPU 机器上进行训练和测试。

在 tx2 板上，Jetpack full 中没有 tensorflow。所以需要构建/安装 tensorflow，我已经看过几个教程并尝试过。我的 python 文件 train.py 和 test.py 需要 tensorflow-gpu。

现在我怀疑，如果在 tx2 板上构建 tensorflow-gpu 是正确的方法吗？

哦，TX2 上有 Nvidia TensorRT，它可以完成部分工作，但是怎么做呢？对吗？

tensorflow 和 tensorRT 会一起取代 tensorflow-gpu 吗？但如何？那么我必须在我的火车和测试python文件中进行哪些修改？

我真的需要为 tx2 构建 tensorflow 吗？我只需要推断我不想在那里进行培训。

我研究了不同的博客并尝试了几种选择，但现在事情有点混乱。

我的简单问题是：

使用在 GTX 机器上训练的 TensorFlow-GPU 深度学习模型在 Jetson TX2 板上完成推理的步骤是什么？

标签： pythontensorflowtegratensorrtnvidia-jetson

Answer 1

最简单的方法是安装 NVIDIA 提供的滚轮：https ://docs.nvidia.com/deeplearning/dgx/install-tf-jetsontx2/index.html

JetPack 已经安装了所有依赖项。

使用轮子安装 Tensorflow 后，您可以使用它，但在其他平台上使用 Tensorflow。对于运行推理，您可以将 Tensorflow 模型下载到 TX2 内存中，然后在其上运行 Tensorflow 推理脚本。

您还可以通过 TF-TRT 传递 Tensorflow 模型来优化它们：https ://docs.nvidia.com/deeplearning/dgx/integrate-tf-trt/index.html 只有一个 API 调用可以进行优化：create_inference_graph (...) 这将优化 Tensorflow 图（主要通过融合节点），还可以让您构建较低精度的模型以获得更好的加速。