qq_43658820的博客

而硬件调试则复杂得多，比如在汽车行业，问题可能涉及机械、电子、软件等多方面因素，排查起来常常毫无头绪，环节冗杂、流程混乱。而制造业则高度依赖经验积累和内部流程，不同公司使用的仿真工具、测试方法、开发规范差异巨大，因此不得不设置培训——尽管这类培训实际效果往往有限。我逐渐对AI领域有了新的认识。曾经我对AI的能力持怀疑态度，但自从接触到GPT-4、GPT-5、Gorik等大模型之后，我才意识到它的潜力已经非常强大。即便最终AI未能如预期般颠覆世界，退一步转向这些语言的纯开发岗位，依然是一条可行的职业路径。

像jetson这类开发板，不管什么型号应该都有SSD在里边插着。所以当自带的存储空间不足，就需要启用固态硬盘了（我是下载docker镜像才发现存储空间不太够的，所以说有时候感觉docker比较卡，可能就是那个镜像太大了）。sudo mount -a 是测试是否配置成功的。没报错就说明成功了。发现最后一行存在200多G的家伙。唉，感觉自己都快成运维了。

g++→ 调用 GNU C++ 编译器→ 你要编译的 C++ 源文件→ 指定输出可执行文件的名字为encode_j2k。

第四步最关键，这个库只能支持bmp等编码好的二进制格式，不能支持raw格式。通过阅读源码发现，本质上也是读取bmp等格式为像素数据，那么也无需将raw格式的dng图片转为bmp，再jpeg2000编码。几天整明白了nvJPEG这个库，并且在arm架构的英伟达jetson开发板，采用gpu并行，实际将DNG图片压缩为jpeg2000的格式：j2k。要做到移植，还需要保证安装的包（opencv等）也是arm架构，并且版本要合适。第五步，源码是按照批次循环处理的。然而，官方的例子给出的支持架构是x86。

就是因为镜像源不行，像腾讯、阿里、清华等镜像源现在都需要登录或者注册，或者需要内部用户使用。以前记得还不需要这样。这个原因很简单，本质上镜像存在国外服务器，你一拉取会被国内网限速，尤其移动。所以能留给你用的免费镜像源极少极少，需要自己找了。一度怀疑是自己别的地方做错了，其实就是镜像源没选对。但是更换镜像源之后为什么还是不行？

在英伟达jetson开发板开发深度学习项目时，经常会有cuda类库的报错。手动编译源码、配置环境不胜其烦，并且效率极其低下，有没有一种办法能够直接拉取别人用过的镜像，尤其是自带cuda支持的opencv呢？这样即使报错，也可以在虚拟容器中使劲折腾，并不影响源环境。这个镜像名字里边有py3，看起来好像是专门为python准备的，事实上，关于c++的相关api也是齐全的。不过也有一些缺点，一些其他工具还是要你自己配。有的，可以直接docker拉下来英伟达官方镜像。在tag中，我们可以找到很多镜像。

开发环境：NVIDIA Jetson 开发板，nvcc编译器我们直接从程序入手学习cuda开发。