Это захватывающее время для небольших факторных вычислений. Как будто Raspberry Pi не хватало универсальной машины, продолжают появляться более мощные доски, способные на невероятные подвиги.
Jetson Nano от Nvidia является недавним дополнением к ряду сверхмощных плат с поддержкой машинного обучения. Что делает его особенным? Стоит ли покупать? Что такое Nvidia Jetson Nano?
Что такое Nvidia Jetson Nano?
Jetson Nano — это одноплатный компьютер (SBC) размером с Raspberry Pi, предназначенный для искусственного интеллекта и машинного обучения. По-видимому, прямой конкурент плате Google Coral Dev, она является третьей в семействе Jetson наряду с уже доступными платами разработки TX2 и AGX Xavier.
Nvidia использует свое мастерство для обработки графической информации на этих небольших компьютерах, используя параллельные нейронные сети для одновременной обработки нескольких видео и датчиков.
В то время как все три доски Jetson стремятся быть доступными для всех, Nano предназначена как для любителей, так и для профессиональных разработчиков. Комплект разработчика состоит из двух частей: основной платы для подключения и модуля System On (SOM) для реальных процессоров.
Что такое система на модуле?
Система на модуле относится к любой плате разработки, которая имеет все критически важные для системы части в съемном модуле. Nano оснащен 260-контактным краевым разъемом, чтобы прикрепить его к плате для разработки.
После завершения разработки SOM можно удалить и добавить во встроенную систему с пользовательскими входами, а новый SOM подключается к базовой плате для дальнейшей разработки.
Если все это звучит немного знакомо, это так!
Это та же настройка, что и у Google Coral Dev Board. , который является аналогичным размером, и также предназначен для машинного обучения встраиваемых машин для любителей и профессионалов!
Каковы характеристики Jetson Nano?
Nvidia много упаковала в Jetson Nano:
СОМ :
- Процессор: четырехъядерный процессор ARM® Cortex-A57 MPCore
- Графический процессор: архитектура Nvidia Maxwell ™ со 128 ядрами Nvidia CUDA
- Оперативная память: 4 ГБ, 64-битная LPDDR4
- Память: 16 ГБ eMMC 5.1 Flash
- Видео: кодирование 4k @ 30fps, декодирование 4k @ 60fps
- Камера: 12 полос (3 × 4 или 4 × 2) MIPI CSI-2 DPHY 1.1 (1,5 Гбит / с)
- Подключение: Gigabit Ethernet
- Дисплей: HDMI 2.0 или DP1.2 | eDP 1.4 | DSI (1 x2) 2 одновременно
- PCIE / USB: 1 x1 / 2/4 PCIE, 1x USB 3.0, 3x USB 2.0
- Ввод / вывод: 1x SDIO / 2x SPI / 6x I2C / 2x I2S / GPIO
- Размеры: 69,6 мм х 45 мм
Плинтус :
- USB: 4x USB 3.0, USB 2.0 Micro-B
- Камера: 1 дорожка MIPI CSI-2 DPHY (совместима с камерой Raspberry Pi)
- Локальная сеть: Gigabit Ethernet, M.2 Key E
- Хранение: слот microSD
- Дисплей: HDMI 2.0 и eDP 1.4
- Другие входы / выходы: GPIO, I2C, I2S, SPI, UART
Что оно может делать?
Никого не удивит, что Nvidia разработала доску, хорошо подходящую для визуальных задач. Распознавание объектов является ключевым моментом здесь, и Visionworks SDK имеет много потенциальных приложений в этой области.
Вместо того, чтобы использовать отдельный процессор для задач машинного обучения, Jetson Nano использует графический процессор Maxwell с 128 ядрами CUDA для тяжелой работы.
В проекте Jetson Inference представлены демонстрации предварительно обученной нейронной сети, обеспечивающей высокопроизводительное распознавание нескольких объектов в различных средах. Отслеживание функций, стабилизация изображения, прогнозирование движения и одновременная обработка нескольких источников — все это доступно в доступных демонстрационных пакетах.
Возможно, наиболее впечатляющим является технология DeepStream, показанная в приведенном выше видео. Выполнение аналитики в режиме реального времени на восьми одновременных потоках 1080p со скоростью 30 кадров в секунду на небольшом одноплатном компьютере невероятно и показывает потенциальную мощь оборудования Nano.
Для чего он будет использоваться?
Учитывая его мастерство в области видеоанализа и малый форм-фактор, Jetson Nano почти наверняка проявит себя в робототехнике и автономных транспортных средствах. Многие из демонстраций показывают эти приложения в действии.
Учитывая его мощность и размер, он также, вероятно, будет работать во встроенных системах, которые полагаются на распознавание лиц и объектов.
Для любителей, как мы? Кажется, это идеальное сочетание мощных возможностей машинного обучения с фактором, знакомым любому, кто возился с Raspberry Pi. В то время как вы можете использовать рамки машинного обучения, такие как TensorFlow на Raspberry Pi, , Jetson Nano гораздо больше подходит для этой задачи.
Что еще может сделать Jetson Nano?
Jetson Nano работает под управлением Ubuntu, хотя от Nvidia доступен специальный образ ОС с программным обеспечением, специфичным для данной платформы. В то время как основное внимание на плате уделяется машинному обучению, это Nvidia, так что вы ожидаете, что некоторое графическое волшебство также будет происходить.
Вы не будете разочарованы. Демонстрации, показывающие системы частиц, фрактальный рендеринг в реальном времени и множество визуальных эффектов, до недавнего времени были обнаружены на флагманских настольных видеокартах.
Учитывая, что его кодирование видео рассчитано на 4k при 30 кадрах в секунду, а декодирование — при 60 кадрах в секунду, можно с уверенностью предположить, что Nano идеально подойдет и для видео приложений.
Jetson Nano против Coral Dev Board: что лучше?
На данном этапе сложно сказать, какая из лучших плат между Google Coral Dev и Jetson Nano.
Нейронная сеть Google TensorFlow является доминирующей силой в области машинного обучения. Из этого следует, что собственный сопроцессор Google Edge TPU может работать лучше для приложений TensorFlow Lite.
С другой стороны, Nvidia уже продемонстрировала впечатляющий набор демонстраций на основе машинного обучения для Jetson Nano. Это, наряду с впечатляющей графикой, делает Nano настоящим конкурентом.
Сколько стоит Jetson Nano?
Цена — это еще один аспект, который мы еще не рассмотрели. Цена платы Google Coral Dev составляет 149,99 долларов, а Jetson Nano — всего 99 долларов. Если доска Coral Dev не принесет чего-то уникального, любители и мелкие разработчики могут найти дополнительные 50 долларов, которые трудно оправдать.
В настоящее время не существует цены только на SOM для обеих плат, но я думаю, что для большинства разработчиков хобби это будет не так важно. С коммерческой точки зрения, разница между производительностью и ценой будет иметь решающее значение для Jetson Nano и платы Coral Dev.
Jetson Nano можно приобрести у Nvidia напрямую у сторонних продавцов.
Купить : Jetson Nano напрямую от Nvidia
Может ли он заменить мой Raspberry Pi?
Несмотря на то, что плата Google Coral Dev мощная, в некоторых отношениях она не складывается с Raspberry Pi. Raspberry Pi — отличный компьютер для любителей электроники. Он также может использоваться как настольный компьютер. в крайнем случае.
Конечно, плата Coral Dev является мощной, но их собственные документы рекомендуют не подключать мышь и клавиатуру. Пользовательская ОС Coral предназначена в первую очередь для SSH-соединений. Однако он, вероятно, способен выдержать любой вариант Linux. Это ставит его прямо как прямой конкурент Pi
Есть проблема, хотя. Если вам нужна доска для обучения машинному обучению, но которая может выполнять и другие повседневные задачи, зачем вам покупать Coral Dev Board?
Jetson Nano поддерживает порт дисплея, и, как уже упоминалось ранее, имеет впечатляющие примеры видео прямо из коробки. Настраиваемый рабочий стол Ubuntu будет знаком многим, а более дешевая цена сделает его привлекательной перспективой для многих, даже тех, кто не заинтересован в машинном обучении.
AI для всех
На данном этапе трудно сказать, какая доска будет лучше. Также неизвестно, что будет более доступно для домашних разработчиков. Я с нетерпением жду возможности провести время с досками Coral Dev и Jetson Nano, чтобы получить окончательный ответ!
Это захватывающее время, чтобы возиться с SBC! Если вы новичок в этом деле и хотите начать, приобретите Raspberry Pi и следуйте нашему основному руководству по началу работы руководство руководство !