This thread has been locked.
If you have a related question, please click the "Ask a related question" button in the top right corner. The newly created question will be automatically linked to this question.
您好!
为了在我的系统上设置 Caffe-Jacinto 培训环境以及 Caffe-Jacinto-models、我使用了这些资源:
(github.com/.../VOC0712_ObjectDetect_README.md)
(github.com/.../caffe-jacinto)
(github.com/.../SSD:-Single-Shot-MultiBox-Detector)
我已经在 Caffe-0.16和 Caffe-0.17分支机构中尝试过这种方法、在 Ubuntu 16.04上使用 CUDA 8、cuDNN 6、NVIDIA Driver 384.130。 我在这个设置中没有遇到任何构建问题。
由于 GPU 不允许我在没有"内存不足"错误的情况下进行培训、因此我正在考虑改用 Google 云平台进行培训。
Google Cloud Platform 提供基于 Nvidia Tesla K80和 Nvidia Tesla T4的设置。
然而、有关基于 Caffe-Jacinto 的模型培训的文档很少、而且到处都是(很少)。 上述 GPU 支持 CUDA 9+和 NVIDIA Driver 410+。
我找不到任何主题、这些主题说明了除 NVIDIA GTX 系列之外、应如何对不同 GPU 和 GPU 驱动器执行培训步骤。
TI 是否对此问题有深入的了解? 这是以前做过的吗?
您能否告诉我、如果不遇到 Caffe-Jacinto 相关问题、是否可以这样做?
此外、Caffe-Jacinto 支持高达0.17版本的 Caffe、支持 CUDA 8 (afaik)。 是否有任何未来计划升级 tidsp 存储库的 Caffe 版本。
谢谢你。
您好!
希望您已访问我们的新登录页面 :https://github.com/TexasInstruments/jacinto-ai-devkit
我们不打算进一步开发 Caffe-Jacinto。 我们未来的大部分发展将基于 PyTorch 或 Tensorflow2.0。
Caffe-Jacinto 可使用 CUDA 9构建。 如果我记错了、即使 CUDA 10也应该没问题(我可能错了、因为它是在一段时间前完成的)。 我认为最重要的是 CUDNN 版本。 如果您遇到 CUDNN 问题、请尝试不使用 CUDNN。
在其他 Nvidia 平台上、构建过程是否会有很大的不同? 我们在这方面没有太多的专业知识-但几年前我在其中一台 Google Cloud 机器上构建了它。 我认为这是预装 CUDA、CUDNN 等虚拟机映像的其中一个准备就绪版本。 我记得构建过程没有很大不同。