急性淋巴细胞白血病（ALL）是一种起源于淋巴细胞的B系或T系细胞在骨髓内异常增生的恶性肿瘤性疾病。异常增生的原始细胞可在骨髓聚集并抑制正常造血功能，同时也可侵及骨髓外的组织，如脑膜、淋巴结、性腺、肝等。
3月初，NVIDIA线上联系我们，询问利用Jetson NANO搭建云平台的可能，希望通过线上的方式让老师学生能够远程使用Jetson NANO进行体验和学习。
论文原文：https://arxiv.org/ftp/arxiv/papers/2004/2004.13410.pdf
探索 Jetson Nano 为 myCobot 280 提供的强大功能，机器人技术的一个有前途的组合
回顾2023，有为了一个BUG或知识熬过夜，也有为了项目连续几天三点一线，在这期间的积累的一砖一瓦中，除了直接获得专业知识，提高专业技能外，更多的是从项目中得到足以使我终生受益的其他收获。 下面就一今年收获最多的项目来总结我的2023 ————————————————————————————————
人类产生和收集的数据超过了以往任何时候。我们口袋中的设备就能产生巨量数据，比如照片、GPS 坐标、音频以及我们有意无意泄漏的各种个人信息。
嘿！你知道吗，盲人和视力受损者经常会遇到一些挑战，这些挑战使他们难以独立生活和参与社会。但是，由于机器学习的奇妙之处，我们现在有一些非常酷的辅助技术，可以帮助他们。例如，这位小哥，开发了一种设备，利用图像字幕和文本转语音技术，为那些最需要帮助的人提供帮助。
https://tryolabs.com/blog/machine-learning-on-edge-devices-benchmark-report/
我们将用几篇文章为读者讲解 NVIDIA 的 Jetson-inference，这个对于初学者尤为实用。本篇文章就来为大家介绍 Hello AI World。
"创客运动”(maker movement)在一定程度上是由Raspberry Pi等低成本电脑促成的，它推动了嵌入式开发者社区的快速增长，并为数千万人带来了更高的技术能力。如今成千上万的创客项目可能受益于人工智能，从智能家具、人脸识别到宠物监控、智能小家电等。
近日，来自明尼苏达大学的研究团队及其合作者，共同开发出了一种基于深度学习的便携式独立神经假肢。
我们的想法是对视频流进行实时分析，如果满足一定的条件，就对客户进行计数。我们在几天内做了一个柜台，并使用人工智能算法计算路过的游客和那些停下来的人。在下面的文章中，我将解释我们是如何做到这一点的，以及它的用途。
【GiantPandaCV导语】这篇文章主要是讲解了如何给Jetson Nano装机，以及在Jetson Nano上如何配置TVM并将MxNet的ResNet18跑起来获取分类结果，最后我们还体验了一下使用AutoTVM来提升ResNet50在Jetson Nano上的推理效率，AutoTune了一个Task（一共需要AutoTune 20个Task）之后可以将ResNet50的推理速度做到150ms跑完一张图片（224x224x3），从上面的BenchMark可以看到TensorRT在FP32的时候大概能做到50-60ms推理一张图片（224x224x3）。本文所有实验代码均可以在这里找到：https://github.com/BBuf/tvm_learn/blob/main/relay ，如果你对学习TVM感兴趣可以考虑点个star。
国外一个开发者在NVIDIA的论坛上分享了一个有趣的项目——他利用Jetson NANO在花园里做了一喂鸟器。为了更多地了解被这个喂鸟器吸引来的鸟类，他还开发了一个系统来跟踪访问喂鸟器的动物。
NVIDIA的深度学习学院（DLI）为边缘计算开发人员，教育者，学生和终身学习者提供了实用的，动手的AI培训和认证。
这已是英伟达举办的第十届 GTC，只可惜今天还是没有人们期待已久的「安培」架构 7 纳米制程显卡。
NVIDIA 深度学习培训中心 (DLI) 提供 AI 、加速计算和加速数据科学的应用开发实战培训。基于云端完全配置的 GPU 平台，开发者、数据科学家、研究人员和院校师生可以快速获取端到端应用开发经验和提升专业技能。 一般来说，NVIDIA DLI的课程都是收费的，今天Lady整理了一份他们的免费课程，先“薅”为敬！ 点击阅读原文可以访问全部课程（包含收费课程） 基于 Jetson Nano 构建视频 AI 的端侧应用 学习目标 基于人工智能的视频理解可以开启洞察，无论是识别后院的猫，还是优化客户的购
边缘AI（Edge AI）依然是新兴领域，许多人不清楚该为他们的项目选择哪些硬件平台。本文将比较一些当前领先的边缘AI平台。
现在让我们深入了解我们的Jetson平台。这些是我们的Jetson Orin模块，我们有七种不同的模块，涵盖了从入门级到高性能的整个系列。最棒的是，与以往不同的是，我们在整个产品系列上首次采用了一种SOC（片上系统）架构。从入门级到高性能，全部都是基于同一架构，这也使得产品更加可扩展和易于从一个模块转移到另一个模块。
机器之心报道 编辑：张倩 Jetson Nano 还能这么用？ 近年来，基于深度学习的神经解码器已成为实现神经假肢灵巧、直觉控制的主要方法。人类甚至已经设想出了这种假肢在医学领域的广泛应用图景。 然而，由于深度学习对计算的要求很高，很少有研究将其应用于临床。边缘计算设备的发展为解决这一问题提供了可能。 在一篇新论文中，来自明尼苏达大学等机构的研究者提出了一种基于嵌入式深度学习控制的神经假肢实现。该研究中的神经解码器基于 RNN 架构设计，部署在 NVIDIA Jetson Nano 上。NVIDIA Je
在2019年NVIDIA推出Jetson Nano边缘计算设备之后，这套开源的Jetbot智能无人车教学系统也随之而生，为市场提供一套最优性价比的教学系统，不仅结合时下最先进的深度学习智能识别系统，并且使用最精简的硬件元件，让总体搭建成本锁定在1,500人民币以内，相较于市面上动辄5,000元以上的搭建成本，Jetbot就显得十分亲民。
4月23日上午9点30分至11:30 ，来自上海大学、上海交通大学、清华大学、河北师范大学、中国海洋大学等高校50位师生，通过视频会议+ 远程访问的方式参加NVIDIA举办的全栈式深度学习开发体验课程。他们在NVIDIA企业开发者社区经理何琨和李奕澎的指导下，一对一远程访问NVIDIA Jetson Xavier NX计算节点，进行实际AI开发操作。本次远程深度学习实践活动也是NX GPU计算体验平台的首次开放。该平台共有50个节点。每台计算节点可以提供高达21TOPS 深度学习计算能力，可利用 NVIDI
第六届Sky Hackathon大赛已经报名结束，49支高校参赛队伍已经集结完毕。有开发者问：“我们不是高校学生，是否也能旁听线上训练营？” NVIDIA的答复是：安排！ 训练营的目标 本次Hackathon活动以AI助力防疫——创建AI“大白”为主题。身着白色防护服的工作人员辛苦奋战在抗疫一线，我们可以通过AI的技术辅助防疫工作，例如口罩识别检测和口罩佩戴语音提醒，小区门禁二维码识别等场景的应用, 学习AI项目在疫情防控中的设计理念。 场景描述： 第一步：通过语音跟AI大白打招呼“你好大白，请让我进入
AI芯片巨头英伟达的2018，再糟糕不过，所以2019年GTC大会，也比以往更受关注。
第三届NVIDIA Sky Hackathon硝烟未尽，又将迎来第四届NVIDIA Sky Hackathon的比赛，这也将是NVIDIA 2021年开年的第一场线上比赛。NVIDIA作为活动的主办方，在第三届大赛结束之后，就已经开始积极地准备本届大赛的比赛内容。
本次Jetbot实验全程都在 Jetson Nano 2GB开发套件上面运行。在组装Jetbot教学系统之前，最好先把Jetbot系安装到JetsonNano 2GB上，这样可以先对每个元件进行独立的测试，确认元件能正确工作之后再进行组装的步骤。
过去，人工智能（AI）由于训练AI模型需要大量的处理能力而被委托给强大的计算机。因此，AI应用在规模上受到限制。在创建较小的AI项目时，存在一些解决方法，但大多数情况下，精度和速度与计算能力和价格相互矛盾。
这次测试内容在 https://github.com/NVIDIA-AI-IOT/jetson_benchmarks 开源项目里，提供一系列针对各种视觉类深度学习模型的测试代码，使用者可以针对自己手上的Jetson设备执行各种性能测试。
本文教你如何使用 Tensor Flow，Keras，Tensor RT，以及OpenCV来为计算机视觉和深度学习安置你的英伟达Jetson Nano。
【项目团队】Team MakerGram: Salman Faris, Muhammad Swalah A A, suhail jr
一转眼3年过去了，老黄都发布安培架构了，是时候将您手边Pascial架构的TX2升级到Volta架构的Xavier NX 了。
NVIDIA 第六届 Sky Hackathon 报名开启，挑战创建 AI 大白，虚位以待！，这是一个在高校人工智能学习中越来越有影响力的活动，报名开启一周，50个团队席位只剩9个席位了（第六届NVIDIA Sky Hackathon报名更新（截至5月5日）） 为什么这么受欢迎？总结一下四点! 01 主题新颖 Sky Hackathon每一届的主题都深扣人工智能发展的热门应用，从自动驾驶到自然语音处理。 还记得之前火遍全网的新闻：核酸结果统计难？复旦学生的操作火了，其实你也可以做一个AI应用协助学校科技防
本文整理自讲座： 演讲者为： 功能强大的低能耗设备的引入引发了可以在边缘运行的高级 AI 方法的新时代。但是由于与边缘设备相关的严格限制，在边缘训练和部署深度学习模型可能会令人生畏。您如何构建一个不太复杂或太大而无法在边缘设备上运行的模型，但仍能充分利用可用硬件？NVIDIA Jetson是当今最受欢迎的低功耗边缘硬件系列之一。它旨在加速边缘硬件上的深度学习模型，无论是机器人、无人机、物联网设备还是自动驾驶汽车。 是什么让 Jetson 上的深度学习变得困难？ 在最好的情况下，深度学习并不是那么容易做好
首先，让我们来了解一下是什么在推动边缘的人工智能的发展。传感器技术和经济的进步创造了联网设备的繁荣，也被称为物联网。这些设备正在提高生产力。
8月份，NVIDIA开源了一个深度学习推断库——Jetson Voice ，专为Jetson Nano、TX1/TX2、Xavier NX和AGX Xavier等嵌入式设备而设计，为AI技术带来了更多可能性。现在，让我们深入了解这个Jetson Voice 吧。
NVIDIA TensorRT是一个高性能深度学习推理平台。它包括深度学习推理优化器和运行时，可为深度学习推理应用程序提供低延迟和高吞吐量。推理时，基于TensorRT的应用程序比仅CPU平台的执行速度快40倍。使用TensorRT，您可以优化所有主流框架中训练出的神经网络模型。
内容一览：对养猪业而言，母猪产仔是其中关键的一环。因此，提高猪仔成活率、确保母猪分娩过程安全，成为重要课题。现有的 AI 监测方式，存在着高设备成本与信息传输不稳定的问题，南京农业大学研究人员，利用一种轻量级深度学习方式，对母猪分娩这一过程进行早期预警和有效监测，降低成本的同时，提升了监测准确率。
今天（9月20日）早上9点30分开始，参加第二届Sky Hackathon大赛的学生团队、导师和旁听的开发者，近200人参加了NVIDIA举办的赛前在线培训课程。
在上一篇文章中，我们为大家介绍了 Hello AI World 环境安装，本篇文章将会带着大家感受 10 行代码的威力。
英伟达最近发布了Jetson Xavier NX，这是一个用于在无人机、汽车和机器人等边缘设备上的AI系统模块。
大豆是世界上主要的油料作物之一，是生产蛋白质和油的主要原料。它们在世界各地广泛种植，通常用于制作豆制品。为了保证大豆产量的持续增长，需要更多的优质种子来种植。因此，有效地筛选优良的大豆种子是非常重要的。除了种子的大小、形状和颜色特征外，表面完整性、物理损伤、昆虫损伤、真菌感染和霉菌也是用于评估的额外因素。准确分选优质大豆种子是提高大豆产量的关键！
机器学习是人工智能领域的一个热门话题，是智能农业机械的关键技术。深度学习是机器学习发展的前沿，它在自然语言处理和计算机视觉等许多方面都取得了优异的成绩。深度卷积神经网络（DCNNs）在计算机视觉领域取得了重大进展，极大地提高了图像分类、分割和检测的性能。在目标检测方面，深度学习算法的准确率可以高于视觉识别，具有无与伦比的效率。在最新的研究结果中，深度学习算法在根茎特征的识别和定位方面取得了97%的准确率。
上一篇系列文章向大家介绍了 Hello AI World 在Jetson NANO 2GB 上运行Hello AI World。
在开始前，我们可以先观看一下Jetson AGX Orin开发套件开箱视频 本文节选自NVIDIA GTC讲座[S41957]（我们就只整理重点部分）： 让我们开始吧，我们开发jetson 和edge AI 产品已经有一段时间了，我们从2014年3 月开始了这段旅程，我们已经在我们的产品组合中添加了越来越多的产品，jetson 的增长真的很棒成为物联网和边缘应用最成功的平台之一。我们很高兴地说，我们有 100 万开发人员对 jetson 边缘嵌入式系统进行了开发。 在这里，我们展示了jetson模组（
该项目可用于帮助小社区的农民建立知识和教育他们种植的作物，并帮助早期识别和预防常见的植物/作物疾病的传播。
Amazon locker是一款知名的产品，它植根于美国，可以通过人脸认证自动将包裹递送到正确的客户手中。
首先价格就不一样，Pi 4B 4GB版本是55美金，而Jetson NANO是99美金。
NVIDIA公众号发布了一系列Jetson NANO 2GB的教程，我们做了一个整理：
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频
