Google Coral Dev Board 是一款功能强大的开发板，可用于构建机器学习应用程序。该板配备了 Edge TPU，这是一款专门用于机器学习任务的加速器。Edge TPU 非常高效，但它也可能会产生热量。如果温度过高，Edge TPU 可能会降频或关闭。 查看目前 TPU 温度使用命令查看目前开发板核心 TPU 的温度，输出温度为1000倍的摄氏度。 cat /sys/class/thermal/thermal_zone0/temp 如输出54000，则代表当前温度为54摄氏度。 修改散热器温度阈值禁用热管理： echo "disabled" > /sys/devices/virtual/thermal/thermal_zone0/mode 修改散热器温度阈值为50摄氏度 echo 50000 > /sys/devices/platform/gpio_fan/hwmon/hwmon0/fan1_target

介绍HammerSpoon 这是一款强大的OS X自动化工具。 HammerSpoon 本质上就是操作系统和Lua脚本引擎之间的桥梁。 HammerSpoon 之所以强大，在于它提供了一系列向用户公开特定系统功能模块的扩展。有了这些扩展，用户便可利用Lua脚本来控制 macOS 的各个方面。 安装建议直接使用 Homebrew 安装。 brew install hammerspoon --cask 手动安装参考官方 Github。 参考文档 HammerSpoon 入门指南 HammerSpoon API 文档 HammerSpoon 常见问题 HammerSpoon 配置示例 快速开始启动应用安装完毕后启动 HammerSpoon，设置中打开辅助功能。 接着点击 Open Config 打开配置文件。下面开始教程。 Hello World-- Hello World hs.hotkey.bind({"cmd", "alt", "shift", "ctrl"}, "W", function() hs.alert.show("HammerSpoon is working!") end) 每次修改配置文件后都需要点击 Reload Config。 以上代码实现了点击快捷键 command + option + shift + control + w，在屏幕中间显示弹窗提示的功能。 也可以使用 macOS 原生通知形式 -- Hello World（macOS native notification） hs.hotkey.bind({"cmd", "alt", "shift", "ctrl"}, "Q", function() hs.notify.new({title="macOS Native Notification", informativeText="HammerSpoon is working"}):send() end) ...

问题当项目在 Unity 测试 Mesh 面片渲染正常，而打包部署到 HoloLens 后就无法正常显示 Mesh 面片了。 失败原因可能出在 Holo 不支持程序代码所用的 Shader 着色器，需要使用 MRTK3 官方提供的 Shader 着色器。 解决方法默认前提你的项目已经安装了 MRTK3 开发包。 MRTK3 官方可用的彩色 Mesh 着色器为 Mixed Reality Toolkit/Dashed Ray。 UnityEngine.Mesh mesh = new UnityEngine.Mesh(); mesh.indexFormat = UnityEngine.Rendering.IndexFormat.UInt32; #当面片数量超过65535时需要设置此项 GetComponent<MeshFilter>().mesh = mesh; Material material = new Material(Shader.Find("Mixed Reality Toolkit/Dashed Ray")); GetComponent<MeshRenderer>().material = material;

配置步骤按下 cmd + , 打开 iTerm2 设置，选择 Profiles 面板，切换到 Keys 选项卡，点击 Configure Hotkey Windows。 打勾 Pin hotkey window 选项。 大功告成，配置完后鼠标在点击 iTerm2 命令行窗口以外的界面时，命令行窗口就不会自动隐藏了。

本文将为你介绍 Jtop，它是一个基于 Python 的系统监控工具。Jtop 通过终端界面展示系统资源的使用情况，包括 CPU、内存、磁盘、网络等。本文将详细介绍 Jtop 各个面板的作用和功能。 安装先安装pip3 sudo apt install python3-pip Jtop 可以通过 pip 来安装，您可以通过以下命令来安装： sudo pip3 install -U jetson-stats 使用在终端中输入以下命令来启动 Jtop： jtop 在 Jtop 启动后，您可以使用键盘的左右箭头来选择面板，使用 Tab 键来切换到不同的面板，使用 Ctrl + C 命令来退出 Jtop。 面板介绍ALL 面板ALL 面板简要展示了主板的各种信息，包括 CPU、GPU、内存、磁盘、风扇以及关于 jetson_clocks、NVPmodel 等的信息。 GPU 面板GPU 面板主要展示了系统 GPU 的使用情况。在 GPU 面板中，您可以看到系统当前的 GPU 利用率、GPU 温度、GPU 风扇转速、 GPU 内存使用情况等信息。同时，您也可以查看各个进程对 GPU 的使用情况。 CPU 面板CPU 面板主要展示了系统 CPU 的使用情况。在 CPU 面板中，您可以看到系统当前的 CPU 利用率、每个 CPU 核心的利用率、以及各个进程的 CPU 使用情况。您可以使用键盘上下箭头来选择进程，使用回车键来查看进程详情。 MEM 面板内存面板主要展示了系统内存的使用情况。在内存面板中，您可以看到系统当前的内存利用率、总内存、可用内存、已经使用的内存等信息。同时，您也可以查看各个进程的内存使用情况。 ...

由于 Jetson 为 ARM64 (aarch64) 的系统架构，所以不能用 pip install 直接安装，需要通过源码编译。 升级系统 JetPack由于 Open3D-ML 目前只支持 CUDA 10.0 以及 CUDA 11.*，并且 JetPack 的 CUDA 开发环境只有10.2、11.4以及12.2，所以我们只能选择 CUDA 11.4 进行安装。 使用 jtop命令查看 JetPack 版本。如果 Jetson 系统的 JetPack 低于 5.1.2 则需要通过 SDK Manager 升级到 JetPack 5.1.2。 如果你的系统已经是 JetPack 5.1.2 那我也推荐你通过 SDK Manager 重新安装一遍，排除难以发现的错误。 详细指南参考文章[Jetson Xavier NX 升级或重新安装 JetPack 指南]。 安装 PyTorch安装教程参考文章[Jetson Xavier NX 安装 CUDA 支持的 Pytorch 指南]。 注意，PyTorch 的 CUDA 支持版本需要和 Open3D-ML 的一致，同为 CUDA 11.4。否则与最后安装 Open3D-ML 的时候会报错： ...

本指南将帮助开发者完成在 Jetson Xavier NX 上安装 CUDA 支持的 PyTorch。 安装方法在 Jetson 上安装 Pytorch 只有两种方法。 一种是直接安装他人已经编译好的 PyTorch 轮子； 一种是自己从头开始开始构建 PyTorch 轮子并且安装。 使用轮子安装可以从我的 GitHub 仓库 直接下载我编译好的 PyTorch 轮子（torch-1.13.0-cuda-11.4-python-3.8-aarch64）。 安装前先确保 python 版本为 PyTorch 轮子对应的 Python 3.8。 下载完毕后使用pip install安装： sudo -H pip install torch-1.13.0a0+git7c98e70-cp38-cp38-linux_aarch64.whl 如果你以前安装过 torch 的其他版本，则需要添加--force-reinstall覆盖安装。 其他低于 CUDA 11 的 PyTorch 轮子可以在 Qengineering 的 GitHub 仓库 寻找。 编译源码安装接下来说一下重点，自己从源码构建轮子并安装。自行构建需要花费数个小时的时间。 PyTroch 1.11.0 以及以上版本只能在 Ubuntu 20.04 上安装。 安装依赖sudo apt-get update sudo apt-get upgrade sudo apt-get install ninja-build git cmake sudo apt-get install libjpeg-dev libopenmpi-dev libomp-dev ccache libopenblas-dev libblas-dev libeigen3-dev sudo pip3 install -U --user wheel mock pillow sudo -H pip3 install testresources setuptools==58.3.0 scikit-build 下载源码请克隆自己需要的 PyTorch 版本，修改-b后的版本参数。 ...

前提你需要拥有一台 x86 架构（非ARM64）的 Ubuntu 主机。 下载安装 SDK Manager下载在 Nvidia SDK Manager 官网下载，下载自己系统对应的 .deb 或 .rpm 安装包。 下载之前需要注册 Nvidia 开发者帐号，SDK Manager 也需要开发者帐号才能使用。 安装Ubuntu 系统使用 apt 安装刚刚下载的 .deb 文件： sudo apt install ./sdkmanager_[version]-[build]_amd64.deb CentOS 8.0 和 8.2 系统使用 dnf 安装 .rpm 文件： sudo dnf install ./sdkmanager_[version]-[build].x86_64.rpm CentOS 7.6 使用 yum 安装： sudo yum install ./sdkmanager_[version]-[build].x86_64.rpm 启动 SDK Manager在终端使用命令启动 SDK Manager： sdkmanager 启动后需要登录 Nvidia 开发者帐号。 安装 JetPack连接 Jetson先将 Jetson 与 SDK Manager 主机使用 USB to Micro-USB 数据线相连接。 ...

基于 Azure Kinect SDK 和 Open3D 实现灾害现场的三维重建。 首先，通过获取 Kinect 的 IMU 数据、捕获彩色图像和深度图像，将图像数据转换为点云数据。 随后，根据 IMU 数据实现点云的粗配准，使用彩色ICP算法实现点云的精配准。并将点云数据转换为三角网格数据即场景模型数据。 最后，通过 Protocal Buffers 技术发送给客户端。客户端可在 HoloLens2 上进行智能可视化。 然后，我们将点云数据转换为三角网格数据，生成场景模型数据。最后，使用 Protocal Buffers 技术将场景模型数据发送给客户端，实现在 HoloLens2 上进行可视化操作。通过完成以上步骤，我们可以高效地把灾后场景还原为一个准确的三维场景模型，使救援和重建工作变得更为快捷、高效。

下载Boost前往Boost官网下载源码压缩包。 或通过 wget 下载 1.83 版本： wget https://boostorg.jfrog.io/artifactory/main/release/1.83.0/source/boost_1_83_0.7z 下载完毕后，解压 7z 压缩包 7z x boost_1_83_0.7z 编译安装cd boost_1_83_0 ./bootstrap.sh --with-python=/root/.virtualenvs/ETRS/bin/python3 --with-python-version=3.8 --with-libraries=all --with-python 的路径可以通过 which python3 查看。 --with-python-version 的版本号可以通过 python3 --version 查看，注意这里需要填成 3.x 格式 ，而不是 3.y.z，省略最后的版本号。 运行完以上命令后，需要修改 project-config 配置文件。 vim project-config.jam 修改第 21行，在双引号里添加两个路径，分别是当前 Python 版本的 include 路径和 lib 路径。 Python 的 include 路径和 lib 路径可以通过下面的 Python 代码查看： import sysconfig sysconfig.get_path('include') # 查看 include 路径 sysconfig.get_path('stdlib') # 查看 lib 路径 开始编译： ...