kramann.info
© Guido Kramann

Arbeiten mit dem Jetson NANO

(EN google-translate)

Der Jetson NANO von NVIDIA stellt einen Rasperry Pi -ähnliches Computer-Board dar, jedoch mit zusätzlichen 128 GPUs
Typischerweise wird für die GPUs mit CUDA entwickelt.
Höhere Funktionalität wie KI-Anwendungen wird typischerweise mit Python bereitgestellt, das native C/C++-Funktionen aufruft.
Da diese verborgene Funktionalität unbefriedigend für eine Lehrveranstaltung ist, soll hier direkt mit CUDA gearbeitet werden.
Die mit CUDA entstandenen nativen C/C++-Funktionen sollen dann mittels JNI (Java Native Interface) von Java-Processing aus aufgerufen werden, anstatt von Python.

Das Vorhaben erfordert zunächst die Beherrschung der erwähnten Teilsysteme.
Dazu werden zunächst verfügbare Quellen zusammengestellt und die dort beschriebenen Versuche nachgestellt und nötigenfalls angepasst.
Erst dann wird versucht das hier beschriebene Gesamtkonzept in einem ersten Beispiel zu repräsentieren, also Processing mit nativen Funktionen zu kombinieren, die sowohl die GPUs ansprechen und die GPIOs.

Bild 0-1: Gesamtkonzept im Überblick.

Literatur:

Agus Kurniawan "IoT Projects with NVIDIA Jetson Nano" Apress (Springer), Delaware, 2021.
Jason Sanders und Edward Kandrot "CUDA by Example" Addison-Wesley, New York, 2011.
John Cheng, Max Grossman, Ty McKercher "Professional CUDA C Programming", John Wiley & Sons, Indianapolis, 2014.
Bhaumik Vaidya "Hands-On GPU-Accelerated Computer Vision with OpenCV and CUDA", Packt, Birmingham, 2018.
Tolga Soyata "GPU Parallel Program Development Using CUDA", CRC Press, New York, 2020.