exemples jetson

Ce référentiel fournit des exemples d'exécution de modèles et d'applications d'IA sur des appareils NVIDIA Jetson avec une seule commande.

Ce référentiel s'appuie sur le travail des conteneurs Jetson, Ultralytics et d'autres excellents projets.

Caractéristiques

Déploiement facile : déployez des modèles d'IA de pointe sur les appareils Jetson en une seule ligne.
Exemples polyvalents : prend en charge la génération de texte, la génération d'images, la vision par ordinateur, etc.
⚡ Optimisé pour Jetson : exploite le matériel Nvidia Jetson pour des performances efficaces.

Installer

Pour installer le package, exécutez :

pip3 install jetson-examples

Remarques :
Vérifiez ici pour plus de méthodes d'installation
Pour mettre à niveau vers la dernière version, utilisez : pip3 install jetson-examples --upgrade .

Démarrage rapide

Pour courir et discuter avec LLaVA, exécutez :

reComputer run llava

Exemple de liste

Voici quelques exemples qui peuvent être exécutés :

Exemple	Taper	Taille du modèle/des données	Taille de l'image Docker	Commande
? Ultralytiques-yolo	Vision par ordinateur		15,4 Go	`reComputer run ultralytics-yolo`
? Caméra en direct et profonde	Échange de visage	0,5 Go	20 Go	`reComputer run deep-live-cam`
? usine de lamas	LLM de mise au point		13,5 Go	`reComputer run llama-factory`
? Interface utilisateur confortable	Vision par ordinateur		20 Go	`reComputer run comfyui`
Profondeur-Tout-V2	Vision par ordinateur		15 Go	`reComputer run depth-anything-v2`
Profondeur-n'importe quoi	Vision par ordinateur		12,9 Go	`reComputer run depth-anything`
Yolov10	Vision par ordinateur	7,2 millions	5,74 Go	`reComputer run yolov10`
Lama3	Texte (LLM)	4,9 Go	10,5 Go	`reComputer run llama3`
Ollama	Serveur d'inférence	*	10,5 Go	`reComputer run ollama`
LLaVA	Texte + Vision (VLM)	13 Go	14,4 Go	`reComputer run llava`
LLaVA en direct	Texte + Vision (VLM)	13 Go	20,3 Go	`reComputer run live-llava`
Webui à diffusion stable	Génération d'images	3,97G	7,3 Go	`reComputer run stable-diffusion-webui`
Nano-hibou	Transformateurs de vision (ViT)	613 Mo	15,1 Go	`reComputer run nanoowl`
Nanodb	Base de données vectorielles	76 Go	7,0 Go	`reComputer run nanodb`
Chuchoter	Audio	1,5 Go	6,0 Go	`reComputer run whisper`
Yolov8-inspection-rail	Vision par ordinateur	6M	13,8 Go	`reComputer run yolov8-rail-inspection`
TensorFlow MoveNet Thunder	Vision par ordinateur		7,7 Go	`reComputer run MoveNet-Thunder`
Parler-TTS mini : expresso	Audio		6,9 Go	`reComputer run parler-tts`

Remarque : Vous devez disposer de suffisamment d'espace pour exécuter un exemple, comme LLaVA , au moins 27.4GB au total.

Plus d'exemples peuvent être trouvés examples.md

Appel aux contributeurs Rejoignez-nous !

Comment travailler avec nous ?

Voulez-vous ajouter votre propre exemple ? Consultez le guide de développement.

Nous apprécions les contributions pour améliorer les exemples Jetson ! Si vous avez un exemple que vous aimeriez partager, veuillez soumettre une pull request. Merci à tous nos contributeurs !

Cet appel ouvert est répertorié dans notre projet de contributeur. Si c'est la première fois que vous nous rejoignez, cliquez ici pour découvrir le fonctionnement du projet. On suit les étapes avec :

Devoirs : nous proposons une variété de devoirs pour améliorer le contenu du wiki, chacun avec une description détaillée.
Soumission : les contributeurs peuvent soumettre leur contenu via une Pull Request après avoir terminé les tâches.
Révision : les responsables fusionneront la soumission et enregistreront les contributions.

Les contributeurs reçoivent un bonus en espèces de 250 $ en guise de remerciement.

Pour toute question ou information complémentaire, n'hésitez pas à nous contacter via la page des problèmes GitHub ou à contacter [email protected]