值不值得学：先搞清楚你需不需要边缘计算

这门资料指向的是边缘侧的 AI 部署，核心载体是 Jetson Nano。它解决的具体工作场景很明确：当你的公司需要在本地设备上跑视觉模型，而不是把数据传回云端处理时，怎么把硬件跑通、怎么把模型塞进去。很多做传统嵌入式或者纯软件的人，转做智能硬件项目时卡在“硬件怎么刷机”和“模型怎么在板子上跑起来”这两步。这套资料就是补这个缺口，它不教你写复杂的神经网络算法，而是教你拿现成的分类和目标检测模型，在 Nano 这个具体的板子上落地。如果你目前的工作只涉及纯后端业务逻辑，短期内没有接触实体设备的计划，就不必现在学；如果你正在转行做智能硬件、机器人视觉，或者公司要落地本地化的视觉识别项目，这套实操流程值得过一遍。

适合什么基础与建议先看哪几块

这套资料不适合完全零基础的人。它默认你懂基本的 Linux 命令行操作，对 Python 有一点概念，最好大致了解过深度学习是干嘛的。如果你连终端都没打开过，上手会有明显的挫败感。建议拿到资料后，不要顺着开头死磕硬件介绍，直接跳到刷机及系统安装部分，对照着把系统跑起来。系统亮机后，优先看 Docker 安装使用以及在容器中运行分类模型这两块。Jetson 这类边缘设备的软件环境坑很多，直接在宿主机装依赖很容易把环境搞崩，资料里用 Docker 隔离环境是非常务实的做法，这也是实际做项目时的标准动作。把这几个核心节点跑通，整个学习过程的一大半阻力就没了。

学完能独立做什么与资料怎么配合练习

跟着这套流程走完，你能独立完成一台 Jetson Nano 设备从拆箱到跑起 AI 推理的全过程。具体来说，你能给它刷好系统、接上 CSI 或 USB 摄像头获取视频流，并且能在 Docker 容器里跑通图像分类和目标检测模型。更进一步，资料后半段涉及训练自己的目标检测模型准备，这块学完你能明白怎么把自有的数据集喂给模型，然后把训练好的权重部署到 Nano 上做实际推理。配合练习的方法是：绝对不能只看视频。必须自己买一块 Jetson Nano 开发板，或者租用类似的云边缘设备，跟着资料一步步操作。每看完一个操作步骤，就在物理设备上复现一次。遇到摄像头读取报错或者 Docker 容器拉取失败，把报错信息记下来，回头去对应的系统安装或环境配置章节找排查思路。把这套硬件和软件的调试流程完整走一遍，你应对边缘 AI 落地的基础工程能力才算真正建立起来。


01 认识 jetson nano · 02 AI 实战 · 03 NVIDIA TAO 实用级的训练神器 · 04 deepstream · 资料

课程目录

*   01 认识 jetson nano/

  *   01 jetson nano 硬件介绍/

    *   01 jetson nano 硬件介绍

  *   02 jetson nano 刷机及系统安装过程/

    *   01 jetson nano 刷机

    *   02 jetson nano 系统安装过程

  *   03 感受nano的GPU算力/

    *   01 感受nano的GPU算力

  *   04 安装使用摄像头csi usb/

    *   01 安装使用摄像头csi usb

*   02 AI 实战/

  *   01 jetson-inference 入门/

    *   01 jetson-inference 入门

  *   02 docker 的安装使用/

    *   01 docker 的安装使用

  *   03 docker中运行分类模型/

    *   01 docker中运行分类模型

  *   04 训练自己的目标检测模型准备/

    *   01 训练自己的目标检测模型准备

  *   05 训练出自己目标识别模型/

    *   01 训练出自己目标识别模型a

    *   02 训练出自己目标识别模型b

  *   06 转换出onnx模型，并使用/

    *   01 转换出onnx模型，并使用

*   03 NVIDIA TAO 实用级的训练神器/

  *   01 NVIDIA TAO介绍和安装/

    *   01 NVIDIA TAO介绍和安装

  *   02 NVIDIA TAO数据准备和环境设置/

    *   01 NVIDIA TAO数据准备和环境设置

  *   03 NVIDIA TAO数据转换/

    *   01 NVIDIA TAO数据转换

  *   04 NVIDIA TAO预训练模型和训练/

    *   01 NVIDIA TAO预训练模型和训练a

    *   02 NVIDIA TAO预训练模型和训练b

    *   03 NVIDIA TAO预训练模型和训练c

  *   05 TAO 剪枝在训练推理验证/

    *   01 TAO 剪枝在训练推理验证

*   04 deepstream/

  *   01 deepstream 介绍安装/

    *   01 deepstream 介绍安装

  *   02 deepstream HelloWorld/

    *   01 deepstream HelloWorld

  *   03 GStreamer RTP和RTSP/

    *   01 GStreamer RTP和RTSP1

    *   02 GStreamer RTP和RTSP2

  *   04 python实现RTP和RTSP/

    *   01 python实现RTP和RTSP

  *   05 deepstream推理/

    *   01 deepstream推理

  *   06 deepstream集成yolov4/

    *   01 deepstream集成yolov4

  *   07 目标跟踪小车/

    *   01 目标追踪小车a

    *   02 目标追踪小车b(元数据)

    *   03 目标追踪小车c(硬件介绍)

    *   04 目标追踪小车d(jetson和arduino通信)

    *   05 目标追踪小车e(nano控制arduino)

    *   06 目标追踪小车f(大结局)

*   资料/

  *   1-1 节 jetson nano 硬件介绍/

    *   1.1 jetson nano 硬件介绍.pdf

    *   1software/

      *   SDCardFormatterv5_WinEN.zip

      *   balenaEtcher-Setup-1.7.9.exe

      *   code_1.71.2-1663189619_arm64.deb

      *   csiCamera.py

      *   usbCamera.py

  *   1-2 节jetson nano 刷机/

    *   1.2 jetson nano 刷机.pdf

  *   1-3 节感受nano的GPU算力/

    *   1.3 感受nano的GPU算力.pdf

  *   1-4 节安装使用摄像头csi usb/

    *   1.4 安装使用摄像头csi usb.pdf

  *   2-1 节jetson-inference 入门/

    *   2.1 jetson-inference 入门.pdf

    *   2software/

      *   csiCamera.py

      *   jetson-inference.zip

      *   mobilenet-v1-ssd-mp-0_675.pth

      *   networks/

        *   SSD-Mobilenet-v1.tar.gz

        *   SSD-Mobilenet-v2.tar.gz

        *   bvlc_googlenet.caffemodel

        *   googlenet.prototxt

        *   googlenet_noprob.prototxt

      *   usbCamera.py

  *   2-2 节docker 的安装使用/

    *   2.2 docker 的安装使用.pdf

  *   2-3 节docker中运行分类模型/

    *   2.3 docker中运行分类模型.pdf

  *   2-4 节训练自己的目标检测模型准备/

    *   2.4 训练自己的目标检测模型准备.pdf

  *   2-5 节训练出自己目标识别模型/

    *   2.5 训练出自己目标识别模型.pdf

  *   2-6 节转换出onnx模型，并使用/

    *   2.6 转换出onnx模型，并使用.pdf

  *   3-1 节NVIDIA TAO介绍和安装/

    *   3.1NVIDIA TAO介绍和安装.pdf

  *   3-2 节NVIDIA TAO数据准备和环境设置/

    *   3.2NVIDIA TAO数据准备和环境设置.pdf

  *   3-3 节NVIDIA TAO数据转换/

    *   3.3NVIDIA TAO数据转换.pdf

  *   3-4 节NVIDIA TAO预训练模型和训练/

    *   3.4NVIDIA TAO预训练模型和训练.pdf

  *   3-5 节TAO 剪枝在训练推理验证/

    *   3.5TAO 剪枝在训练推理验证.pdf

  *   4-1 节deepstream 介绍安装/

    *   4.1 deepstream 介绍安装.pdf

    *   software/

      *   Accelerated_GStreamer_User_Guide.pdf

      *   EasyPlayer-RTSP-Win-V3.0.19.0515.zip

      *   camera_gstreamer_code_rtp.py

      *   camera_gstreamer_code_rtsp_out.py

      *   gstreamer-1.0-msvc-x86_64-1.20.4.msi

      *   rtspCameraH264.py

      *   rtspVideoH264.py

  *   4-2 节deepstream HelloWorld/

    *   4.2 deepstream HelloWorld.pdf

  *   4-3 节GStreamer RTP和RTSP/

    *   4.3 GStreamer RTP和RTSP.pdf

  *   4-4 节python实现RTP和RTSP/

    *   4.4 python实现RTP和RTSP.pdf

  *   4-5 节deepstream推理/

    *   4.5 deepstream推理.pdf

  *   4-6 节deepstream集成yolov4/

    *   4.6 deepstream集成yolov4.pdf

  *   4-7 目标跟踪小车/

    *   4.7 目标追踪小车a.pptx

    *   4.7 目标追踪小车b(元数据).pptx

    *   4.7 目标追踪小车c(硬件介绍).pptx

    *   4.7 目标追踪小车d(jetson和arduino通信).pptx

    *   4.7 目标追踪小车e(nano控制arduino).pptx

    *   4.7 目标追踪小车f(大结局).pptx