jetson-inference 项目介绍
jetson-inference 项目是一个旨在利用 NVIDIA Jetson 设备进行深度学习推理和实时视觉任务的解决方案。该项目通过使用 TensorRT 进行网络优化，可以在 C++ 或 Python 环境中运行经过优化的神经网络，并借助 PyTorch 进行模型训练。
支持的 DNN 视觉功能
项目支持多种视觉任务，包括：
- imageNet：用于图像分类。
- detectNet：用于物体检测。
- segNet：用于语义分割。
- poseNet：用于姿势估计。
- actionNet：用于动作识别。
同时，提供了从实时摄像头获取流媒体、使用 WebRTC 创建 Web 应用程序，以及对 ROS/ROS2 的支持等示例。
Hello AI World 教程
"Hello AI World" 是项目中的一部分教程，指导用户在 Jetson 上进行推理和迁移学习。用户可以收集数据集、使用 PyTorch 训练模型并通过 TensorRT 部署这些模型。
系统设置
- 设置 Jetson 使用 JetPack
- 运行 Docker 容器
- 从源代码构建项目
推理与训练
包括图像分类、物体检测、语义分割、姿势估计、动作识别、背景移除、单目深度等多项技术的实现细节。
Web 应用框架
项目也支持 Web 应用开发，例如 WebRTC 服务器、HTML/JavaScript、Flask + REST 框架及 Plotly 仪表板等。
Jetson AI Lab
Jetson AI Lab 是项目中包含的一个额外资源中心，提供关于大型语言模型（LLM）、视觉变压器（ViT）及视觉语言模型（VLM）的额外教程。这些实例能够在 Orin 或 Xavier 设备上运行。
视频教程
项目还提供了一系列视频演示，帮助用户快速上手，从基本设置、图像分类推理到对象检测模型的训练，都有详细说明。
API 参考
项目的 API 文档包含 C++ 和 Python 的详细说明，可以帮助用户更好地在项目中进行深度学习开发。
代码示例
项目提供了多种 C++ 和 Python 代码示例，以便用户更好地理解和使用库进行网络推理，包括图像识别、物体检测、语义分割、姿态估计和动作识别等。
预训练模型
项目中提供了一系列预训练模型，涵盖了图像识别、物体检测、语义分割、姿态估计及动作识别等任务。用户可以下载并使用这些模型进行进一步开发。
推荐的系统要求
为获得最佳性能，推荐使用 Jetson Nano、Jetson Xavier NX、Jetson AGX Xavier 或 Jetson Orin 等开发套件，搭配最新的 JetPack 版本。
额外资源
项目还提供了深度学习的额外资源链接，以及关于 ROS 节点、NVIDIA AI IoT 资源和 Jetson Wiki 的详细信息。
通过 jetson-inference 项目，开发者可以在小巧而强大的 Jetson 平台上高效运行深度学习应用。这是一个开源且面向实践的项目，适合从研究人员到开发人员的不同群体使用。
编辑推荐精选
AEE
AI Excel全自动制表工具
AEE 在线 AI 全自动 Excel 编辑器，提供智能录入、自动公式、数据整理、图表生成等功能，高效处理 Excel 任务，提升办公效率。支持自动高亮数据、批量计算、不规则数据录入，适用于企业、教育、金融等多场景。
UI-TARS-desktop
基于 UI-TARS 视觉语言模型的桌面应用，可通过自然 语言控制计算机进行多模态操作。
UI-TARS-desktop 是一款功能强大的桌面应用，基于 UI-TARS（视觉语言模型）构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能，支持跨平台使用（Windows/MacOS），能提供实时反馈和状态显示，且数据完全本地处理，保障隐私安全。该应用集成了多种大语言模型和搜索方式，还可进行文件系统操作。适用于需要智能交互和自动化任务的场景，如信息检索、文件管理等。其提供了详细的文档，包括快速启动、部署、贡献指南和 SDK 使用说明等，方便开发者使用和扩展。
Wan2.1
开源且先进的大规模视频生成模型项目
Wan2.1 是一个开源且先进的大规模视频生成模型项目，支持文本到图像、文本到视频、图像到视频等 多种生成任务。它具备丰富的配置选项，可调整分辨率、扩散步数等参数，还能对提示词进行增强。使用了多种先进技术和工具，在视频和图像生成领域具有广泛应用前景，适合研究人员和开发者使用。
爱图表
全流程 AI 驱动的数据可视化工具，助力用户轻松创作高颜值图表
爱图表（aitubiao.com）就是AI图表，是由镝数科技推出的一款创新型智能数据可视化平台，专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型，爱图表结合强大的数据处理能力与智能化功能，致力于帮助职场人士高效处理和表达数据，提升工作效率和报告质量。
Qwen2.5-VL
一款强大的视觉语言模型，支持图像和视频输入
Qwen2.5-VL 是一款强大的视觉语言模型，支持图像和视频输入，可用于多种场景，如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式，还包含了视觉处理工具，有助于开发者快速集成和使用，提升工作效率。
HunyuanVideo
HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。
HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力，支持多种分辨率和视频长度选择，能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法，可灵活调整生成参数，满足不同场景的需求，是文本生成图像视频领域的优质工具。
WebUI for Browser Use
一个基于 Gradio 构建的 WebUI，支持与浏览器智能体进行便捷交互。
WebUI for Browser Use 是一个强大的项目，它集成了多种大型语言模型，支持自定义浏览器使用，具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务，无论是数据提取、网页导航还是表单填写等操作都能高效实现，有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用，在 SEO 优化方面，其关键词涵盖浏览器使用、WebUI、大型语言模型集成等，有助于提高网页在搜索引擎中的曝光度。
xiaozhi-esp32
基于 ESP32 的小智 AI 开发项目，支持多种网络连接与协议，实现语音交互等功能。
xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目，专注于人工智能语音交互领域。项目涵盖了丰富的功能，如网络连接、OTA 升级、设备激活等，同时支持多种语言。无论是开发爱好者还是专业开发者，都能借助该项目快速搭建起高效的 AI 语音交互系统，为智能设备开发提供强大助力。
olmocr
一个用于 OCR 的项目，支持多种模型和服务器进行 PDF 到 Markdown 的转换，并提供测试和报告功能。
olmocr 是一个专注于光学字符识别（OCR）的 Python 项目，由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器，如 vllm、sglang、OpenAI 等，可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能，方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域，有助于提高工作效率和准确性。
飞书多维表格
飞书多维表格 ×DeepSeek R1 满血版
飞书多维表格联合 DeepSeek R1 模型，提供 AI 自动化解决方案，支持批量写作、数据分析、跨模态处理等功能，适用于电商、短视频、影视创作等场景，提升企业生产力与创作效率。关键词：飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号