VIP10
本课程属于：083-Orin与Jetson智能驾驶AI部署工程 智能汽车与新能源汽车工程 · 共 10 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

Jetson感知模型部署与实时优化工程

共计 30 章节
可可资料掘金营 · 点击在线试看
01
课程导入
目标=Jetson感知模型部署与实时… · 核心概念 · 整体框架与学习路径
课程导入Jetson
02
Jetson硬件平台概览
目标=Jetson系列型号对比 · GPU架构 · CPU
Jetson硬件平台概览
03
JetPack与软件栈
目标=JetPack SDK组成 · CUDA · cuDNN
JetPack软件栈
04
感知模型基础
目标=目标检测 · 语义分割 · 实例分割
感知模型基础目标=目标检测
05
模型部署流程总览
目标=从训练框架导出 · 模型转换 · 推理引擎构建到端侧集成的完整链路
模型部署流程总览目标=从训练框架…
06
ONNX模型导出与优化
目标=PyTorch/TensorF… · 算子兼容性 · 动态轴与简化方法
ONNX模型导出
07
TensorRT核心概念
目标=Builder · Engine · Runtime
TensorRT核心概念
08
TensorRT模型转换实战
目标=ONNX解析 · 层融合 · 精度选择
TensorRT模型转换实战
09
INT8量化与校准
目标=PTQ与QAT原理 · 校准集构建 · 敏感层分析
INT8量化
10
CUDA编程基础
目标=线程层次 · 内存模型 · 核函数编写
CUDA编程基础
11
TensorRT自定义插件开发
目标=插件接口 · CUDA核实现 · 注册与在感知模型中的集成
TensorRT自定义插件开发
12
DeepStream框架入门
目标=Pipeline架构 · 插件体系 · 元数据传递与多路视频流处理
DeepStream框架入门
13
DeepStream感知应用实战
目标=目标检测 · 跟踪 · 分类级联与消息代理配置
DeepStream感知应用实战
14
ROS/ROS2与Jetson集成
目标=节点通信 · 图像传输 · 感知结果发布与实时性保障
ROS/ROS2Jetson
15
模型推理性能分析
目标=延迟 · 吞吐量 · GPU利用率
模型推理性能分析目标=延迟
16
TensorRT性能调优
目标=层融合策略 · 精度选择 · 工作空间大小
TensorRT性能调优
17
Jetson功耗与热管理
目标=功耗模式设置 · DVFS · 散热设计
Jetson功耗
18
多模型并发与流水线
目标=多线程 · 多进程 · CUDA流并行
多模型并发流水线
19
视频编解码与零拷贝
目标=硬件编解码 · NVMM内存 · 零拷贝传输与端到端延迟优化
视频编解码零拷贝
20
实时性保障与调度
目标=实时内核 · 线程优先级 · CPU亲和性
实时性保障调度
21
感知模型轻量化
目标=剪枝 · 蒸馏 · 轻量网络设计
感知模型轻量化目标=剪枝
22
边缘端模型更新与OTA
目标=模型版本管理 · 远程更新 · 安全回滚与部署自动化
OTA边缘端模型更新
23
多传感器融合部署
目标=相机 · 雷达 · 激光雷达数据融合在Jetson上的实…
多传感器融合部署目标=相机
24
案例实战一
目标=基于YOLO的实时目标检测部署…
案例实战一YOLO
25
案例实战二
目标=语义分割模型在Jetson上的…
案例实战二Jetson
26
案例实战三
目标=多路视频流目标跟踪与行为分析系…
案例实战三目标=多路视频流…
27
常见问题与调试
目标=模型转换失败 · 精度下降 · 内存溢出
常见问题调试
28
性能基准与测试
目标=基准测试工具 · 指标采集 · 对比实验与优化效果评估
性能基准测试
29
安全与可靠性
目标=功能安全 · 模型鲁棒性 · 异常恢复与看门狗机制
安全可靠性
30
综合提升与项目实战
目标=端到端感知系统设计 · 团队协作 · 项目部署与持续优化策略
综合提升项目实战