本文是 AI 神經網路自走車 第五篇。官方文件提供的安裝法為直接裝入系統之中。為了統一環境和隔離應用，引入 docker container 是一個不錯的選擇，這邊分享如何自行 build ROS2 的 docker image，以及如何使用 container 化的 ROS2。

本文是 AI 神經網路自走車 第四篇，用最簡易的方式來讓大家認識 ROS 這個強大的機器人開發框架，之後我們會使用 ROS 來完成我們自走車的高層控制。

MicroPython 標準函式庫裡提供的 I2C 模組，只能讓 Raspberry pi pico (RP2040) 做 I2C Master，如果今天要讓 pico 做 Slave 只能改用 C++ 函式庫。真的是這樣嗎？

本文是 AI 神經網路自走車 第三篇，分享如何用 MicroPython 來實現 I2C Slave，並且與 Raspberry pi 做溝通，就讓我們一起學習吧！

本文是 AI 神經網路自走車 第二篇，分享如何使用 Raspberry pi pico (RP2040) 與 HC-SR04 超音波測距模組做底層的距離偵測。雖然最終會使用 camera 與 CNN 做 auto driving 的大腦，但加上距離資訊會更準確，就讓我們一起來學習吧！

本文是 AI 神經網路自走車 第一篇，分享如何使用 Raspberry pi pico (RP2040) 做底層的馬達控制。透過 PWM 來控制馬達轉速，並使用 MicroPython 來撰寫韌體，就讓我們一起學習吧！

玩深度學習第一件事，就是先把 CUDA、cuDNN 裝好！一聽到「裝環境」我們總是眉頭一皺，這過程肯定有許多坑等著。但其實真的不難，就讓我們看下去！

在 Jetson Nano 裝 opencv-python 版可不是簡單 pip 一下就好，因為 pip 安裝不會支援 CUDA，同時，也沒有支援 GStreamer！這樣 OpenCV 是無法擷取到 Camera 的影像的！

一拿到熱騰騰的 Jetson Nano，當然第一步就是立刻裝系統，上環境。但是在裝 TensorFlow 和 PyTorch 可是栽了很多坑。因為 Jetson Nano 是 arm64 的 SoC，雖然 TensorFlow 和 PyTorch CPU only 有 for arm64 的 wheel 可以安裝，但 GPU support 的卻都沒有！都用上 Jetson Nano 怎麼可以不用 GPU 呢？