-
边缘AI计算：在NVIDIA Jetson上利用TensorRT部署YOLOv8的推理优化
在智能安防、工业质检、自动驾驶等边缘计算场景中，YOLOv8凭借其高精度与实时性成为目标检测的首选模型。然而，当部署到NVIDIA Jetson系列边缘设备时，开发者常面临算力有限、内存带宽不足等挑战。通过TensorRT的深度优化，YOLOv8在Jetson Xavier NX上的推理延迟可从原生PyTorch的28ms压缩至6ms，功耗降低近50%，本文将解析这一优化过程的关键技术。
-
边缘端工业控制自主决策系统的轻量化部署，TensorRT加速与模型量化的实时推理优化
工业4.0与智能制造，边缘端自主决策系统通过实时感知、分析与控制，成为提升生产效率、降低运维成本的核心技术。然而，传统工业控制系统依赖云端计算，存在通信延迟高、带宽成本大、隐私泄露风险等问题。边缘计算虽能缓解这些问题，但受限于边缘设备算力与功耗约束，部署复杂深度学习模型时面临实时性差、资源占用高的挑战。本文从模型轻量化与推理加速原理出发，结合TensorRT加速框架与模型量化技术，提出一种面向边缘端工业控制的实时推理优化方案，实现毫秒级决策响应与低资源占用。
-
使用Python和TensorRT在Jetson Nano上运行的实时螺栓检测和计数系统-专为低功耗工业设置而构建
利用这两种趋势，我们利用NVIDIA Jetson Nano开发了一种实时螺栓检测和计数系统。该解决方案不仅涉及强大的机器学习模型的开发，还涉及在Jetson Nano等边缘设备上直接优化和部署这些模型，从而实现工业过程中的变革性自动化。
-
英伟达：TensorRT 3，开放自动驾驶平台
9月26日，Nvidia(英伟达)在北京正式召开GTC China大会。在本次大会上，英伟达发布了神经网络推理加速器TensorRT 3 ，借助该推理引擎，将大幅提高机器人及无人驾驶汽车在终端的推理性能，并降低成本。此外英伟达也发布了全球首款机器自主处理器Xavier，以及英伟达Tesla V100 GPU。而在自动驾驶方面，英伟达也推出了开放的自动驾驶平台NVIDIA DRIVE。
