装备能力
查阅已核实的载体和组件资料,了解设备与课程的关联。设备资料不代表实时状态或操作授权。
共 0 项


查阅已核实的载体和组件资料,了解设备与课程的关联。设备资料不代表实时状态或操作授权。
以 jetson003 现有环境为部署基准,组件需适配小车,不要求升级车端系统或全局依赖。服务器评测验证算法,车端试运行验证兼容性与资源占用;以下限制针对整个组件,包体大小与运行内存分别核算。
| 检查项目 | 服务器数据评测 | jetson003远程测试 |
|---|---|---|
| 整个提交方案 ZIP | ≤128 MiB(包括模型权重、配置、源码及包内其他文件) | 与服务器上传限制相同 |
| 整个组件解压大小 | ≤256 MiB,最多128个文件 | 组件部署磁盘预算≤512 MiB;还需计入框架文件 |
| 组件峰值运行内存 | ≤2 GiB(组件及其子进程合计,包含公共骨干、专家、参考库、中间特征和运行开销) | ≤2 GiB(与服务器采用相同组件预算,须车端实测验证) |
| 显存 / GPU | CPU评测,不提供GPU;不得依赖CUDA运行 | 当前仅开放CPU配置,不使用GPU显存;CUDA组件暂未开放验证 |
| CPU | 最多2核 | 最多2线程 |
| 系统与Python | 使用平台固定的CPU评测环境;接口与算法保持一致,不能以服务器运行代替ARM64验证 | ARM64/aarch64 · Ubuntu22.04.5 · Python3.10.12 |
| 车端依赖基准 | 提交源码须兼容右侧车端版本;服务器现有评测环境暂不变更 | PyTorch2.7.0、torchvision0.22.0、NumPy1.26.4、Pillow9.0.1、SciPy1.15.3、scikit-learn1.7.2 |
| 网络与依赖 | 离线运行,不在评测时联网下载模型或安装依赖 | 离线运行;依赖须与车端环境兼容 |
资源口径:jetson003 为 CPU/GPU 共享约 8 GB 内存,无独立显存;当前仅开放 CPU,CUDA 未开放。
后续开放 CUDA 时按共享总量合并核算,不得重复申请 8 GB。
模型预算:可学习参数 ≤10 万;每点位专家、路由及融合状态 ≤2 MiB;参考向量 ≤2048 个、每向量 ≤96 维;输出特征 32 维。冻结公共资产计入部署体积与运行开销。
自动检查仅限 3 GiB 容器总内存;峰值 ≤2 GiB 为两端统一要求,当前未测量子进程峰值,容器通过不等于该项达标。
车端 2 GiB 内存、512 MiB 磁盘为预检预算,尚未完成隔离试运行;静态通过不代表实车可部署。
待适配:公共框架要求 Pillow ≥10,但车端为 9.0.1 且缺少 Image.Resampling;须提供兼容实现并完成框架、模板与车端验证,不能只改版本声明。旧包保留,未通过状态不自动解除。