Jetson-Beispiele

Dieses Repository bietet Beispiele für die Ausführung von KI-Modellen und -Anwendungen auf NVIDIA Jetson-Geräten mit einem einzigen Befehl.

Dieses Repo baut auf der Arbeit von Jetson-Containern, Ultralytics und anderen hervorragenden Projekten auf.

Merkmale

Einfache Bereitstellung: Stellen Sie hochmoderne KI-Modelle auf Jetson-Geräten in einer Linie bereit.
Vielseitige Beispiele: Unterstützt Textgenerierung, Bildgenerierung, Computer Vision usw.
⚡ Optimiert für Jetson: Nutzt Nvidia Jetson-Hardware für effiziente Leistung.

Installieren

Um das Paket zu installieren, führen Sie Folgendes aus:

pip3 install jetson-examples

Hinweise:
Weitere Installationsmethoden finden Sie hier
Um auf die neueste Version zu aktualisieren, verwenden Sie: pip3 install jetson-examples --upgrade .

Schnellstart

Um LLaVA auszuführen und mit ihm zu chatten, führen Sie Folgendes aus:

reComputer run llava

Beispielliste

Hier sind einige Beispiele, die ausgeführt werden können:

Beispiel	Typ	Modell-/Datengröße	Docker-Bildgröße	Befehl
? Ultralytics-yolo	Computer Vision		15,4 GB	`reComputer run ultralytics-yolo`
? Deep-Live-Cam	Gesichtsaustausch	0,5 GB	20 GB	`reComputer run deep-live-cam`
? Lama-Fabrik	Feinabstimmung von LLM		13,5 GB	`reComputer run llama-factory`
? ComfyUI	Computer Vision		20 GB	`reComputer run comfyui`
Depth-Anything-V2	Computer Vision		15 GB	`reComputer run depth-anything-v2`
Tiefe – alles	Computer Vision		12,9 GB	`reComputer run depth-anything`
Yolov10	Computer Vision	7,2 Mio	5,74 GB	`reComputer run yolov10`
Lama3	Text (LLM)	4,9 GB	10,5 GB	`reComputer run llama3`
Ollama	Inferenzserver	*	10,5 GB	`reComputer run ollama`
LLaVA	Text + Vision (VLM)	13 GB	14,4 GB	`reComputer run llava`
Live LLaVA	Text + Vision (VLM)	13 GB	20,3 GB	`reComputer run live-llava`
Stabile-Diffusion-Webui	Bilderzeugung	3,97G	7,3 GB	`reComputer run stable-diffusion-webui`
Nanoeule	Vision Transformers (ViT)	613 MB	15,1 GB	`reComputer run nanoowl`
Nanodb	Vektordatenbank	76 GB	7,0 GB	`reComputer run nanodb`
Flüstern	Audio	1,5 GB	6,0 GB	`reComputer run whisper`
Yolov8-Schieneninspektion	Computer Vision	6M	13,8 GB	`reComputer run yolov8-rail-inspection`
TensorFlow MoveNet Thunder	Computer Vision		7,7 GB	`reComputer run MoveNet-Thunder`
Parler-TTS mini: Expresso	Audio		6,9 GB	`reComputer run parler-tts`

Hinweis: Sie sollten über genügend Speicherplatz verfügen, um beispielsweise LLaVA auszuführen, insgesamt mindestens 27.4GB

Weitere Beispiele finden Sie unter examples.md

Aufruf an Mitwirkende: Machen Sie mit!

Wie arbeiten Sie mit uns zusammen?

Möchten Sie Ihr eigenes Beispiel hinzufügen? Schauen Sie sich den Entwicklungsleitfaden an.

Wir freuen uns über Beiträge zur Verbesserung von Jetson-Beispielen! Wenn Sie ein Beispiel haben, das Sie teilen möchten, senden Sie bitte eine Pull-Anfrage. Vielen Dank an alle unsere Mitwirkenden!

Dieser offene Aufruf ist in unserem Contributor Project aufgeführt. Wenn Sie zum ersten Mal bei uns mitmachen, klicken Sie hier, um zu erfahren, wie das Projekt funktioniert. Wir folgen den Schritten mit:

Aufgaben: Wir bieten verschiedene Aufgaben zur Verbesserung von Wiki-Inhalten an, jeweils mit einer detaillierten Beschreibung.
Einreichung: Mitwirkende können ihre Inhalte nach Abschluss der Aufgaben über einen Pull Request einreichen.
Überprüfung: Betreuer führen die Einreichung zusammen und zeichnen die Beiträge auf.

Als Zeichen der Wertschätzung erhalten die Mitwirkenden einen Bargeldbonus von 250 US-Dollar.

Bei Fragen oder weiteren Informationen können Sie sich gerne über die GitHub-Problemseite an uns wenden oder sich an [email protected] wenden