1. 추론 모델 차이
PC 환경
보통 그대로 실행:
best.pt특징:
- PyTorch 기반
- 개발 편함
- 디버깅 쉬움
- 속도는 상대적으로 느림
구조:
카메라
↓
PyTorch YOLO
↓
탐지 결과Jetson Nano 환경
보통 TensorRT 엔진 사용:
best.engine특징:
- NVIDIA GPU 전용 최적화
- 훨씬 빠름
- 메모리 절약
- 배포용
구조:
카메라
↓
TensorRT Engine
↓
탐지 결과차이 핵심
| 항목 | PC | Jetson Nano |
|---|---|---|
| 모델 형식 | .pt | .engine |
| 실행 엔진 | PyTorch | TensorRT |
| 목적 | 개발/학습 | 실시간 추론 |
| 속도 | 상대적으로 느림 | 빠름 |
2. CPU 구조 차이
PC
x86_64Intel / AMD 계열.
특징:
- 고성능
- 범용
- 대부분 패키지 지원
Jetson Nano
ARM64 (aarch64)스마트폰/임베디드 계열.
특징:
- 저전력
- 성능 제한
- ARM 전용 wheel 필요
영향
| 항목 | 영향 |
|---|---|
| Python wheel | 다름 |
| torch 설치 | 다름 |
| CUDA 환경 | 다름 |
| TensorRT | Jetson 전용 구성 많음 |
결과
PC에서 되던 게:
Nano에서 바로 안 될 수 있음있음.
그래서:
개발은 PC
최종 테스트는 Nano를 함.
3. 배치(batch) / 프레임(FPS) 차이
이게 실시간 비행체에서 매우 중요합니다.
Batch 차이
PC
GPU 메모리가 크므로:
batch=16
batch=32가능.
학습 속도 향상 목적.
Jetson Nano
메모리 제한 큼.
보통:
batch=1기준.
즉:
카메라 프레임 1개
→ 즉시 추론방식.
FPS 차이
PC
RTX GPU 기준:
60~200 FPS도 가능.
Jetson Nano
보통:
10~30 FPS목표.
그래서:
- 작은 모델 필요
- imgsz 감소 필요
- TensorRT 필요
프레임 지연(latency)
비행체에서는 FPS보다 이것도 중요.
예:
탱크 감지
→ 0.5초 후 반응이면 이미 늦을 수 있음.
그래서:
YOLO11n
TensorRT
imgsz=320~416조합을 쓰는 것.
네 프로젝트 기준 최종 형태
PC 개발
YOLO11n.pt
PyTorch
WSL Ubuntu용도:
- 학습
- 테스트
- 기능 구현
Jetson Nano 배포
best.engine
TensorRT
ARM64 Ubuntu용도:
- 실시간 탐지
- 실제 비행
- 저지연 추론
핵심 한 줄 정리
| 구분 | 핵심 |
|---|---|
| 추론 모델 차이 | .pt vs TensorRT .engine |
| CPU 차이 | x86_64 vs ARM64 |
| 성능 차이 | batch 큰 개발환경 vs batch=1 실시간 임베디드 |