我是Jetson tegra x2开发板的新手。
我有一个计划在TX2板上运行我的tensorflow-gpu模型，并查看它们在其中的性能。这些模型在GTX GPU机器上进行了培训和测试。
在tx2板上，Jetpack full中没有张量流。所以需要构建/安装tensorflow，我已经看过并尝试了一些教程。我的python文件train.py和test.py期望tensorflow-gpu。
现在我怀疑，如果在tx2板上安装tensorflow-gpu是正确的方法？
哦，TX2上有Nvidia TensorRT，可以完成部分工作，但是如何？是吗？
tensorflow和tensorRT可以一起代替tensorflow-gpu吗？但是如何？那么我必须在训练和测试python文件中进行哪些修改？
我真的真的需要为tx2构建tensorflow吗？我只需要推断就可以在那儿不想做培训。
我研究了不同的博客，并尝试了几种选择，但现在情况有些混乱。
我的简单问题是：
通过使用在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？
答案 0 :(得分：1)
最简单的方法是安装NVIDIA提供的滚轮：https://docs.nvidia.com/deeplearning/dgx/install-tf-jetsontx2/index.html
JetPack已经安装了所有依赖项。
使用滚轮安装Tensorflow后，可以使用它，但是在其他平台上使用Tensorflow。要运行推理，您可以将Tensorflow模型下载到TX2内存中，然后在其中运行Tensorflow推理脚本。
您还可以通过将它们传递到TF-TRT来优化Tensorflow模型：https://docs.nvidia.com/deeplearning/dgx/integrate-tf-trt/index.html 只有一个API调用可以进行优化：create_inference_graph（...） 这将优化Tensorflow图（主要是通过融合节点），并允许您以较低的精度构建模型以获得更好的加速效果。
答案 1 :(得分：0)
我按照本指南在JetsonTX2上构建了tensorflow。它提供了适用于Python 2和Python3的说明和信息。
如果您不熟悉Jetson TX2，还请查看此“ 使用TensorRT和NVIDIA Jetson部署深度学习推理网络和深度视觉基元的指南” ” 。 （*因为Jetpack已经构建TensorRT，所以不需要安装tensorflow）
如果您有想要在Jetson上进行推断的tensorflow训练图，则需要首先安装tensorflow。然后，建议（不是强制性的）使用tensorRT优化训练后的模型。查看这些存储库以获取使用TensorRT优化的对象检测/分类示例。
答案 2 :(得分：0)
您可以在Nvidia开发人员论坛的此链接中找到适用于python 2.7和python 3.5的TX2的tensorflow-gpu wheel文件。
https://devtalk.nvidia.com/default/topic/1031300/jetson-tx2/tensorflow-1-8-wheel-with-jetpack-3-2-/