1 Jetson nano推理性能

• jetson-nano-dl-inference-benchmarks

1、Jetson nano在模型精度 FP16 和 batch_size=1是模型的推理性能

2、Jetson nano和Raspberry Pi3（树莓派Pi3）以及 Google Edge TPU的在模型推理上的性能对比

2 NVIDIA cuda支持的深度学习框架

• deep-learning-frameworks：https://developer.nvidia.com/deep-learning-frameworks

1、深度学习框架主要如下：

• MATLAB
• Pytorch
• TensorFLow
• NVIDIA Caffe
• MXNet
• Chainer
• PaddlePaddle

3 DeepStrem SDK

• DeepStrem SDK：https://developer.nvidia.com/deepstream-getting-started

构建和部署人工智能视频分析应用和服务。DeepStream提供了一个具有TLS安全的多平台可扩展框架，可以部署在边缘并连接到任何云。

4 NVIDIA 中文博客

• NVIDIA 中文博客：https://developer.nvidia.com/zh-cn/blog

5 Transfer Learning Toolkit

• Transfer Learning Toolkit ：https://developer.nvidia.com/transfer-learning-toolkit

6 NVIDIA快速构建深度学习模型：TAO

• NVIDIA Train, Adapt, and Optimize (TAO) i：https://developer.nvidia.com/tao

7 NVIDIA 提供的与训练模型NGC：NVIDIA GPU Cloud

• NGC：NVIDIA GPU Cloud：https://ngc.nvidia.com/catalog

许多人工智能应用都有共同的需求:分类、对象检测、语言翻译、文本到语音、推荐引擎、情感分析等等。在开发具有这些功能的应用程序时，从一个预先训练好的模型开始，然后针对特定的用例对其进行调优，会快得多。NGC目录为各种常见的AI任务提供了预先训练的模型，这些任务针对NVIDIA Tensor Core gpu进行了优化，可以通过更新几层来轻松地重新训练，节省宝贵的时间。

NGC 容器注册表可让研究人员、数据科学家和开发人员轻松访问 GPU 加速的人工智能、机器学习和 HPC 软件目录。这些容器充分利用本地和云服务器中的 NVIDIA GPU。每个 GPU 都经过全面优化，适用于各种 NVIDIA GPU 平台

• NGC公开课：https://zhuanlan.zhihu.com/p/41153237
• 对NVIDIA NGC的介绍：https://blog.csdn.net/weixin_39570530/article/details/111275965

8 NVIDIA Developer 开发者文档

• NVIDIA Developer 文档：https://docs.nvidia.com/