在 Google Coral Devboard 和 Jetson Nano 中使用我自己构建的卷积神经网络分类器
Using my own built convolutional neural network classifier in Google Coral Devboard and Jetson Nano
我阅读了很多关于 Jetson Nano 和 Google Coral Devboard 的文章，在我阅读的大多数文档和论文中，推理和部署都是使用预构建的卷积神经网络（例如 AlexNet、Inception）完成的、MobileNet 和其他用于图像分类的神经网络。据我了解，这些微型计算机需要将神经网络转换为张量流模型或它们接受的任何框架来执行模型推理。
我想知道的是：对于 Jetson Nano 和 Google Coral Devboard，我是否可以拥有自己的卷积神经网络，与文档中示例的那些卷积神经网络无关并进行部署他们到那些董事会？
是的。您可以训练自己的卷积神经网络，甚至可以在 Jetson Nano 外部训练，并将权重（浮点矩阵）保存在 Jetson Nano 内部以进行推理。因此，在 Jetson Nano 内部，您只需执行矩阵乘法即可对任何您想要的内容进行分类。当然，您必须在设备中复制您的真实模型，以便您可以使用保存的权重进行推理。
我阅读了很多关于 Jetson Nano 和 Google Coral Devboard 的文章，在我阅读的大多数文档和论文中，推理和部署都是使用预构建的卷积神经网络（例如 AlexNet、Inception）完成的、MobileNet 和其他用于图像分类的神经网络。据我了解，这些微型计算机需要将神经网络转换为张量流模型或它们接受的任何框架来执行模型推理。
我想知道的是：对于 Jetson Nano 和 Google Coral Devboard，我是否可以拥有自己的卷积神经网络，与文档中示例的那些卷积神经网络无关并进行部署他们到那些董事会？
是的。您可以训练自己的卷积神经网络，甚至可以在 Jetson Nano 外部训练，并将权重（浮点矩阵）保存在 Jetson Nano 内部以进行推理。因此，在 Jetson Nano 内部，您只需执行矩阵乘法即可对任何您想要的内容进行分类。当然，您必须在设备中复制您的真实模型，以便您可以使用保存的权重进行推理。