快过年啦！最近入手了一块号称被禁止开发大规模杀伤性武器的开发板TX2。到手后开箱，连线，一次点亮。

写在前面：这篇文章不是一篇教程，而是一篇开箱测试文章。不会涉及到具体的操作过程。具体的教程请自行在网上搜索，下面的测试过程中我也遇到了一些坑，不过都可以在网上找到解决方法。

简介

实拍视频

（需要科学上网）

首先，我们看看网上对这块板子的简介。

Jetson X2的处理器有6个CPU核心，4个Cortex-A57、2个自研的Denver（丹佛）核心，GPU则是Pascal架构，256个CUDA核心，搭配8GB 128bit LPDDR4内存，58.4GB/s相比上一代的Jetson X1的25.6GB/s带宽翻倍还多，搭配的eMMC闪存容量也从16GB提升到32GB。
视频方面，Jetson X2的编码能力从之前的4K 30fps提升到了4K 60fps，解码虽然还是4K 60fps，但多了H.265、VP9的12bit支持。
至于拍照能力，1.4GPix/s的计算能力没增加，不过每通道带宽从1.5Gbps提升到2.5Gbps。
根据官方所述，Jetson X2的计算性能达到了前代的两倍，但功耗低于7.5W，毕竟这一代Tegra使用的是16nm工艺，而上代Jetson X1使用的还是28nm工艺。

显然，这块开发板在各种无人机，无人车，机器人，安防摄像头等领域作为高性能边缘计算将会有很好的应用前景。

点亮成功

开发套件

刷机

然后关机，下载JetPack，开始刷机，刷机过程也算比较顺利，使用电信宽带下载nvidia的JetPack各种工具速度非常快，能跑满100M的带宽。

测试摄像头

这块开发版有板载摄像头，我们打开摄像头试试。

成功！

我们下载jetson-inference和jetson-reinforce这两个项目来尝试跑一下demo。

注意：安装jetson-inference时下载一些预训练模型需要一些中国特色下载方式，不然在cmake时会失败。

Image classification 图像分类

可以看到，笔记本电脑被识别出来了。
58% 的概率为laptop。

Object detection 检测

经过一番测试，这个detection模型效果很一般，速度慢，精度低，不过还是可以看到明显的物体可以检测出。之后打算尝试将detectron框架迁移到这块板子上来测试。

Segmentation 分割

惨不忍睹。。。

Jetson-reinforce

这是一个Jetson上的强化学习项目，里面带有很多强化学习的小例子。

gym中经典的demo

视频链接

（需要科学上网）