X Workshop * - LabVIEW & Arduino & Python 整合開發工作室 -

如果你需要一個 24 小時運作的自動化平台，n8n 是非常好的選擇。搭配 Oracle Cloud Free Tier 的永久免費 VM，可以不花錢擁有一台專屬的 n8n 伺服器。這篇文章會帶你從開 Oracle Cloud 帳號、建立 VM、安裝 Docker，到用 docker-compose 啟動 n8n 並綁上自己的網域。 為什麼選 Oracle Cloud Free Tier？ 市面上免費主機很多，但大多有試用期或會休眠： AWS EC2 / Azure VM：只有試用期，到期後沒有永久免費 VM Render：免費版一段時間沒人上線會「睡著」，冷啟動約 1 分鐘 GCP Free Tier：永久免費，但只能開在美國區域 Oracle Cloud 的永久免費方案目前給得最慷慨： 資源 規格 AMD Micro VM 最多 2 台，1/8 OCPU + 1 GB RAM ARM Ampere A1 VM 相當於 2 OCPU + 12 GB RAM（全月運行） Block Storage 200 GB 總計 Object Storage 20 GB 網路 對外約 50 Mbps 對於個人使用的 n8n 來說，ARM 那台 2C/12G 已經很夠用，可以同時跑 n8n、PostgreSQL、甚至其他小服務。 更新： Oracle 於 2026 年 8 月 18 日起調整了 Always Free Ampere A1 的資源上限，從原本的 4 OCPU / 24 GB RAM 調整為 2 OCPU / 12 GB RAM 。若你之前看過其他教學寫 4C/24G，請以本文為準。 注意：Oracle Cloud 的免費資源必須建在帳號的 home region。如果連續 7 天 CPU、網路、記憶體使用率都低於 20%，Oracle 可能會回收資源，所以記得讓 n8n 定期執行 workflow。 事前準備 一個 Oracle Cloud 帳號（需要信用卡驗證，但不會自動扣款） 一個自己的網域（例如 your-domai...

上一篇〈實戰（一）〉已經讓 Jetson Orin Nano 用 PyTorch GPU 跑 YOLOv8n，推論約 17 ms、畫面約 30 FPS。這篇要把模型轉成 NVIDIA 的 TensorRT engine ，再用一支專門跑 TensorRT 的 server01.py 執行。 實測結果： 推論時間從 17.4 ms 降到 3.6 ms，約快 4.8 倍 ，偵測結果幾乎一樣。 匯出 TensorRT 的過程有幾個地方很容易讓人以為「當掉了」或「裝不起來」。以下照 正確順序 寫，第一次就能成功。 前置條件 已完成〈實戰（一）〉：相機正常、 torch.cuda.is_available() 為 True 、 server.py 能夠執行。 本文環境：Jetson Orin Nano 8GB（Super）、JetPack 6.2（TensorRT 10.3.0）、Python 3.10、IMX219 相機。 先看重點：三個最容易走錯的地方 先手動裝好 ONNX 相關套件 ：PyPI 上沒有 Jetson 版的 onnxruntime-gpu 。如果讓 ultralytics 在匯出時自動安裝，整批安裝會失敗，連 onnx 都沒裝上。→ 步驟 1 匯出時有好幾分鐘沒有任何輸出，這是正常的 ：不要以為當掉就中斷它；另外要先開全速，並釋放記憶體。→ 步驟 2、3 確認跑的真的是 TensorRT ： server.py 找不到 engine 時，會默默改用 .pt 。所以這篇用只載入 engine 的 server01.py 。→ 步驟 4 步驟 1：安裝 ONNX 相關套件（匯出前先裝） pip3 install onnx onnxslim "numpy<2" pip3 install https://github.com/ultralytics/assets/releases/download/v0.0.0/onnxruntime_gpu-1.23.0-cp310-cp310-linux_aarch64.whl onnxruntime-gpu 的 Jetson 版 wheel 取自 Ultralytics 官方 Jetson 指南 。安裝 onnx 時 numpy 可...

拿到 Jetson Orin Nano 之後，第一個問題通常不是 AI 模型，而是「程式要在哪裡寫？」直接在 Jetson 上接螢幕、鍵盤，桌面環境會吃掉不少記憶體，操作也不順；在 Windows 寫好再複製過去，來回傳檔又很麻煩，長程式碼貼進終端機還常被截斷。 比較好的做法是 VS Code Remote-SSH ：程式碼和執行環境都留在 Jetson 上，你在 Windows 的 VS Code 裡編輯、開終端機、跑程式，用起來跟開本機資料夾幾乎一樣。Jetson 本身不用接螢幕，只要接上網路就好。 這篇從頭到尾走一次，做到 用 VS Code 透過 SSH 連上 Jetson、打開專案資料夾 為止。 本文環境 項目 內容 開發板 Jetson Orin Nano 8GB（官方 devkit 載板） Jetson 系統 JetPack 6.2（Ubuntu 22.04） 主控端 Windows 10／11，Visual Studio Code 網路 Jetson 與 Windows 電腦在同一個區域網路 文中的 IP、使用者名稱都是範例，請換成你自己的： 範例 代表 192.168.1.50 Jetson 的 IP 位址 jetson-user Jetson 的登入帳號 my_project 你的專案資料夾 運作方式 [ Windows 電腦 ] └── VS Code + Remote-SSH 擴充功能 │ 畫面、按鍵在本機 │ │ 區域網路（SSH，22 埠） ▼ [ Jetson Orin Nano ] └── VS Code Server（第一次連線時自動安裝） ├── 讀寫檔案 ├── 終端機 └── 執行、除錯程式 VS Code 第一次連線時，會自動在 Jetson 的家目錄裝一個小型伺服器（ ~/.vscode-server ）。之後你在 VS Code 開的檔案、終端機、執行的 Python， 全部都在 Jetson 上 ，所以會直接用到 Jetson 的 GPU、相機與系統套件。 步驟 1：Jetson 端準備 這一步需...