- NVIDIA JETSON NANO 2GB Developer Kit con Adaptador USB WIRELESS.
- Tarjeta Memoria Micro SD 64GB.
- microSD Card (UHS-1 32 GB minimum)
- 64 GB o más recomendado
- Se recomienda una tarjeta de alta resistencia
- Teclado y ratón USB
- Pantalla HDMI y cable HDMI.
- Fuente de alimentación USB-C (5V⎓3A).
- Adaptador wireless 802.11ac y cable de extensión.
- Camara webcam compatible, tales como:
- Logitech C270 Webcam (USB webcam camera)
- Raspberry Pi V2 Camera
- Nos bajamos la imagen del firmware
Jetson Nano 2GB Developer Kit SD Card Imagede 6GB.
https://developer.nvidia.com/jetson-nano-2gb-sd-card-image
- La introducimos en la memoria microSD de 64GB con por ejemplo Etcher desde un ordenador.
- Conectamos la memoria microSD a la placa Jetson Nano, el teclado y el ratón, la pantalla HDMI, el adaptador USB WiFi y conectamos la alimentación al conector USB-C.
La tarjeta microSD se tiene que conectar al puerto microSD de la Jetson con los pines metálicos de la tarjeta microSD mirando hacia arriba.
-
Realizamos el proceso de instalación de la imagen Ubuntu, creando nuestro usuario para acceder a la Jetson.
-
Actualizamos la distribución.
apt update & apt upgrade -
Conectamos nuestra webcam a la Jetson.
Podemos mirar el video en el apartado URLs para ver como conectar la Rasberry PI Camera V2 al conector MPI CSI-2.
-
Creamos el directorio donde compartiremos los datos con la imagen docker del servidor JupyterLab.
mkdir -p ~/nvdli-data -
Arrancamos el servidor JupyterLab dockerizado:
Si tenemos una camara USB, ejecutaremos los siguientes comandos.
echo "sudo docker run --runtime nvidia -it --rm --network host \
--volume ~/nvdli-data:/nvdli-nano/data \
--device /dev/video0 \
nvcr.io/nvidia/dli/dli-nano-ai:v2.0.1-r32.4.4" > docker_dli_run.sh
chmod +x docker_dli_run.sh
./docker_dli_run.sh
Si tenemos una camara CSI, ejecutaremos los siguientes comandos.
echo "sudo docker run --runtime nvidia -it --rm --network host \
--volume ~/nvdli-data:/nvdli-nano/data \
--volume /tmp/argus_socket:/tmp/argus_socket \
--device /dev/video0\
nvcr.io/nvidia/dli/dli-nano-ai:v2.0.1-r32.4.4" > docker_dli_run.sh
chmod +x docker_dli_run.sh
./docker_dli_run.sh
Este proceso puede tardar un rato, ya que se tiene que bajar las imágenes docker.
- Una vez docker ha arrancado tenemos el servicio JupyterLab en el puerto 8888. Y nos aparecerá un mensaje parecido al siguiente:
Logging Into The JupyterLab Server
browser: 192.168.55.1:8888
password: dlinano
- Ahora podremos acceder desde nuestro portatil al servidor JupyterLab usando un navegador web. Por ejemplo:
La interfaz de JupyterLab es un panel que proporciona acceso a los cuadernos interactivos de Jupyter.
- ... continuará ...