如何在 Tegra X2 上使用 TensorFlow-GPU 模型进行推理？
How to do inference using TesnorFlow-GPU models on Tegra X2?
我是 Jetson tegra x2 板的新手。
我计划 运行 我的 tensorflow-gpu 模型在 TX2 板上，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 tensorflow 需要 built/installed 我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，在 tx2 板上构建 tensorflow-gpu 是否是正确的方法？
哦，TX2 上有 Nvidia TensorRT，它可以完成部分工作，但是怎么做呢？是这样吗？
tensorflow和tensorRT会联手替代tensorflow-gpu吗？但是怎么办？那么我必须在训练和测试 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训练。
我研究了不同的博客并尝试了几个选项，但现在事情有点乱。
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？
最简单的方法是安装NVIDIA提供的wheel：https://docs.nvidia.com/deeplearning/dgx/install-tf-jetsontx2/index.html
JetPack 已安装所有依赖项。
在使用 wheel 安装 Tensorflow 后，您可以使用它，但是在其他平台上使用 Tensorflow。对于 运行ning 推理，您可以将 Tensorflow 模型下载到 TX2 内存中，然后 运行 在其上运行您的 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 调用执行优化：create_inference_graph(...)
这将优化 Tensorflow 图（主要通过融合节点），还可以让您构建精度较低的模型以获得更好的加速。
我按照本指南在 JetsonTX2 上构建了 tensorflow。它为 Python 2 和 Python3 提供了说明和轮子。
如果您是 Jetson TX2 的新手，另请参阅此“使用 TensorRT 和 NVIDIA Jetson 部署深度学习推理网络和深度视觉原语的指南”。 （*这不需要安装 tensorflow，因为 Jetpack 已经构建了 TensorRT）
如果您有经过 tensorflow 训练的图形，您想要在 Jetson 上进行 运行 推理，那么您需要先安装 tensorflow。之后，建议（对于推理不是强制性的）您使用 tensorRT.Check 这些使用 TensorRT 优化的对象 detection/classification 示例的存储库来优化您的训练模型。
您可以在 link 的 Nvidia 开发者论坛中找到 python 2.7 和 python 3.5 的 TX2 tensorflow-gpu wheel 文件。
https://devtalk.nvidia.com/default/topic/1031300/jetson-tx2/tensorflow-1-8-wheel-with-jetpack-3-2-/
我是 Jetson tegra x2 板的新手。
我计划 运行 我的 tensorflow-gpu 模型在 TX2 板上，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 tensorflow 需要 built/installed 我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，在 tx2 板上构建 tensorflow-gpu 是否是正确的方法？
哦，TX2 上有 Nvidia TensorRT，它可以完成部分工作，但是怎么做呢？是这样吗？
tensorflow和tensorRT会联手替代tensorflow-gpu吗？但是怎么办？那么我必须在训练和测试 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训练。
我研究了不同的博客并尝试了几个选项，但现在事情有点乱。
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？
最简单的方法是安装NVIDIA提供的wheel：https://docs.nvidia.com/deeplearning/dgx/install-tf-jetsontx2/index.html
JetPack 已安装所有依赖项。
在使用 wheel 安装 Tensorflow 后，您可以使用它，但是在其他平台上使用 Tensorflow。对于 运行ning 推理，您可以将 Tensorflow 模型下载到 TX2 内存中，然后 运行 在其上运行您的 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 调用执行优化：create_inference_graph(...) 这将优化 Tensorflow 图（主要通过融合节点），还可以让您构建精度较低的模型以获得更好的加速。
我按照本指南在 JetsonTX2 上构建了 tensorflow。它为 Python 2 和 Python3 提供了说明和轮子。
如果您是 Jetson TX2 的新手，另请参阅此“使用 TensorRT 和 NVIDIA Jetson 部署深度学习推理网络和深度视觉原语的指南”。 （*这不需要安装 tensorflow，因为 Jetpack 已经构建了 TensorRT）
如果您有经过 tensorflow 训练的图形，您想要在 Jetson 上进行 运行 推理，那么您需要先安装 tensorflow。之后，建议（对于推理不是强制性的）您使用 tensorRT.Check 这些使用 TensorRT 优化的对象 detection/classification 示例的存储库来优化您的训练模型。
您可以在 link 的 Nvidia 开发者论坛中找到 python 2.7 和 python 3.5 的 TX2 tensorflow-gpu wheel 文件。
https://devtalk.nvidia.com/default/topic/1031300/jetson-tx2/tensorflow-1-8-wheel-with-jetpack-3-2-/