Το Nvidia Jetson Nano θα αντικαταστήσει το Raspberry Pi;
Διαφήμιση
Είναι μια συναρπαστική στιγμή για τον υπολογισμό μικρών συντελεστών. Σαν το Raspberry Pi δεν ήταν αρκετό από ένα μηχάνημα γενικής χρήσης, συνεχίζουν να εμφανίζονται ισχυρότερες πλατφόρμες ικανές για απίστευτα πράγματα.
Το Jetson Nano από τη Nvidia είναι μια πρόσφατη προσθήκη στις τάξεις των εξαιρετικά ισχυρών καρτών με δυνατότητα εκμάθησης μηχανών. Τι το καθιστά ειδικό; Πρέπει να αγοράσετε ένα; Τι είναι το Nvidia Jetson Nano;
Τι είναι το Nvidia Jetson Nano;
Το Jetson Nano είναι ένας υπολογιστής με ένα μόνο πίνακα (SBC) γύρω από το μέγεθος ενός Raspberry Pi, και έχει ως στόχο την AI και την εκμάθηση μηχανών. Φαινομενικά ένας άμεσος ανταγωνιστής στο board της Google Coral Dev, είναι ο τρίτος στην οικογένεια Jetson παράλληλα με τις ήδη διαθέσιμες πλατφόρμες ανάπτυξης TX2 και AGX Xavier.
Η Nvidia εκμεταλλεύεται τη δύναμή της για την επεξεργασία της γραφικής ισχύος για αυτούς τους μικρούς υπολογιστές, χρησιμοποιώντας παράλληλα νευρικά δίκτυα για να επεξεργάζεται ταυτόχρονα πολλά βίντεο και αισθητήρες.
Ενώ και οι τρεις πλακέτες Jetson έχουν στόχο να είναι προσβάσιμες σε όλους, το Nano είναι τόσο για χόμπι όσο και για επαγγελματίες προγραμματιστές. Το kit dev αποτελείται από δύο μέρη - ένα baseboard για συνδεσιμότητα και ένα σύστημα On Module (SOM) για τις πραγματικές μονάδες επεξεργασίας.
Τι είναι το Σύστημα στη Μονάδα;
Σύστημα σε ενότητα αναφέρεται σε κάθε αναπτυξιακή πλακέτα που έχει όλα τα κρίσιμα για το σύστημα μέρη σε αφαιρούμενη ενότητα. Το Nano διαθέτει υποδοχή άκρου 260 ακίδων για να το προσαρτήσει σε ένα baseboard για ανάπτυξη.
Μόλις τελειώσει η ανάπτυξη, το SOM μπορεί να αφαιρεθεί και να προστεθεί σε ένα ενσωματωμένο σύστημα με προσαρμοσμένες εισόδους και ένα νέο SOM συνδέεται με το baseboard για περαιτέρω ανάπτυξη.
Εάν όλα αυτά ακούγονται λίγο εξοικειωμένα, είναι!
Αυτή είναι η ίδια ρύθμιση με το Google Coral Dev board Είναι το Διοικητικό Συμβούλιο Google Coral Dev Better Than a Raspberry Pi; Είναι το Διοικητικό Συμβούλιο της Google Coral Dev Better Than a Raspberry Pi; Αναγγέλλοντας μια νέα εποχή σε προσβάσιμες πινακίδες χομπίστα, ακριβώς τι είναι το Coral Dev Board της Google; Και μπορεί να αντικαταστήσει το Raspberry Pi; Διαβάστε περισσότερα, το οποίο είναι παρόμοιο μέγεθος, και επίσης στοχεύει στην ενσωματωμένη εκμάθηση μηχανών για χομπίστες και επαγγελματίες!
Ποια είναι τα χαρακτηριστικά του Jetson Nano;
Η Nvidia έχει συσκευάσει πολλά στο Jetson Nano:
SOM :
- CPU: Τετραπύρηνος επεξεργαστής ARM® Cortex-A57 MPCore
- GPU: αρχιτεκτονική Nvidia Maxwell ™ με 128 πυρήνες CUDA της Nvidia
- RAM: 4 GB 64-bit LPDDR4
- Αποθήκευση: 16 GB eMMC 5.1 Flash
- Βίντεο: κωδικοποίηση 4k @ 30fps, αποκωδικοποίηση 4k @ 60fps
- Κάμερα: 12 λωρίδες (3 × 4 ή 4 × 2) MIPI CSI-2 DPHY 1.1 (1.5 Gbps)
- Συνδεσιμότητα: Gigabit Ethernet
- Οθόνη: HDMI 2.0 ή DP1.2 | eDP 1.4 DSI (1 x 2) 2 ταυτόχρονα
- PCIE / USB: 1 PCI 1 x 1/2/4, 1x USB 3.0, 3 x USB 2.0
- I / O: 1x SDIO / 2x SPI / 6x I2C / 2x I2S / GPIO
- Διαστάσεις: 69, 6 mm x 45 mm
Πλάκα :
- USB: 4x USB 3.0, USB 2.0 Micro-B
- Κάμερα: 1x κανάλια MIPI CSI-2 DPHY (συμβατό με κάμερα Raspberry Pi)
- LAN: Gigabit Ethernet, Μ.2 Κλειδί Ε
- Αποθήκευση: υποδοχή microSD
- Οθόνη: HDMI 2.0 και eDP 1.4
- Άλλες εισόδους / εξόδους: GPIO, I2C, I2S, SPI, UART
Τι μπορεί να κάνει?
Θα έρθει σαν σοκ σε κανέναν που η Nvidia έχει δημιουργήσει έναν πίνακα που ταιριάζει καλά σε οπτικά καθήκοντα. Η αναγνώριση αντικειμένων αποτελεί βασική εστίαση και το Visionworks SDK έχει πολλές πιθανές εφαρμογές στον τομέα αυτό.
Αντί να χρησιμοποιεί ξεχωριστή μονάδα επεξεργασίας για εργασίες εκμάθησης μηχανών, το Jetson Nano χρησιμοποιεί GPU Maxwell με 128 πυρήνες CUDA για βαριά ανύψωση.
Το έργο συμπέρασμα Jetson περιλαμβάνει επιδείξεις ενός προ-εκπαιδευμένου νευρικού δικτύου που εκτελεί αναγνώριση πολλαπλών αντικειμένων υψηλής απόδοσης σε διάφορα περιβάλλοντα. Η παρακολούθηση χαρακτηριστικών, η σταθεροποίηση εικόνας, η πρόβλεψη κίνησης και η ταυτόχρονη επεξεργασία τροφοδοσίας πολλαπλών πηγών συμπεριλαμβάνονται στα διαθέσιμα πακέτα επίδειξης.
Ίσως πιο εντυπωσιακή είναι η τεχνολογία DeepStream που παρουσιάζεται στο παραπάνω βίντεο. Η εκτέλεση ζωντανών αναλύσεων σε οκτώ ταυτόχρονες ροές 1080p στα 30fps σε έναν μικρό υπολογιστή με απλό υπολογιστή είναι απίστευτη και δείχνει την πιθανή ισχύ του υλικού του Nano.
Τι θα χρησιμοποιηθεί;
Δεδομένης της ανιδιοτέλειας για ανάλυση βίντεο και μικρού μεγέθους, το Jetson Nano θα σίγουρα θα λάμπει στη ρομποτική και στα αυτόνομα οχήματα. Πολλά από τα demos δείχνουν αυτές τις εφαρμογές σε δράση.
Δεδομένης της ισχύος και του μεγέθους της, θα λειτουργήσει επίσης πιθανώς σε ενσωματωμένα συστήματα που βασίζονται στην αναγνώριση προσώπου και αντικειμένου.
Για τους χομπίστες σαν εμάς; Φαίνεται να είναι ένα τέλειο μείγμα ισχυρών δυνατοτήτων μηχανικής μάθησης σε έναν παράγοντα που είναι γνωστός σε όποιον έχει μοιραστεί με ένα Raspberry Pi. Ενώ μπορείτε να χρησιμοποιήσετε μηχανικά πλαίσια μάθησης όπως το TensorFlow σε Raspberry Pi Ξεκινήστε με την αναγνώριση εικόνας Χρησιμοποιώντας το TensorFlow και το Raspberry Pi Ξεκινήστε με την αναγνώριση εικόνας Χρησιμοποιώντας το TensorFlow και το Raspberry Pi Θέλετε να αντιμετωπίσετε την αναγνώριση εικόνας; Χάρη στο Tensorflow και το Raspberry Pi, μπορείτε να ξεκινήσετε αμέσως. Διαβάστε περισσότερα, το Jetson Nano είναι πολύ πιο κατάλληλο για την εργασία.
Τι άλλο μπορεί να κάνει το Jetson Nano;
Το Jetson Nano τρέχει το Ubuntu, αν και η εξειδικευμένη εικόνα OS είναι διαθέσιμη από τη Nvidia και διαθέτει λογισμικό ειδικά για την πλατφόρμα. Ενώ η κύρια εστίαση του σκάφους είναι η εκμάθηση μηχανών, αυτό είναι το Nvidia, ώστε να περιμένετε κάποια γραφική μαγεία να συμβαίνει πάρα πολύ.
Δεν θα απογοητευτείτε. Οι δοκιμαστικές εκδόσεις που δείχνουν συστήματα σωματιδίων, fractal rendering σε πραγματικό χρόνο και μια σειρά από οπτικά εφέ θα βρεθούν μέχρι πρόσφατα σε κάρτες γραφικών επιδόσεων.
Δεδομένου ότι η κωδικοποίηση βίντεο βαθμολογείται για 4k @ 30fps και αποκωδικοποίηση σε 60fps, είναι ασφαλές να υποθέσουμε ότι το Nano θα είναι ιδανικό και για εφαρμογές βίντεο.
Jetson Nano εναντίον Coral Dev Board: Ποια είναι η καλύτερη;
Είναι δύσκολο να πούμε ποιος είναι ο καλύτερος πίνακας μεταξύ του συμβουλίου Google Coral Dev και του Jetson Nano σε αυτό το στάδιο.
Το νευρωνικό δίκτυο TensorFlow της Google είναι μια κυρίαρχη δύναμη στον τομέα της μηχανικής μάθησης. Θα συνεπαγόταν ότι ο επεξεργαστής Edge TPU της Google θα μπορούσε να λειτουργήσει καλύτερα για εφαρμογές του TensorFlow Lite.
Από την άλλη πλευρά, η Nvidia έχει ήδη παρουσιάσει μια εντυπωσιακή σειρά μηχανών μάθησης με βάση το demo για το Jetson Nano. Αυτό, παράλληλα με τα εντυπωσιακά γραφικά, το Nano είναι ικανό να το κάνει πραγματικό ανταγωνιστή.
Πόσο κοστίζει το Jetson Nano;
Η τιμή είναι μια άλλη πτυχή που δεν καλύψαμε ακόμα. Ο πίνακας της Google Coral Dev διατίθεται σε 149, 99 δολάρια ενώ το Jetson Nano είναι μόνο 99 δολάρια. Εκτός εάν το board Coral Dev μπορεί να φέρει κάτι μοναδικό στο τραπέζι, οι χομπίστες και οι μικροί προγραμματιστές μπορεί να βρουν τα επιπλέον 50 δολάρια για να το δικαιολογήσουν.
Δεν υπάρχει επί του παρόντος τιμή για το SOM μόνο για κάθε board, αλλά θα ήθελα να φανταστώ για τους περισσότερους προγραμματιστές χόμπι αυτό δεν θα είναι εξίσου σημαντικό. Από εμπορική άποψη, η αντίθεση επίδοσης / τιμής θα είναι αυτό που κάνει την κρίσιμη διαφορά μεταξύ του Jetson Nano και του Board Coral Dev.
Το Jetson Nano διατίθεται από τη Nvidia απευθείας μαζί με τους πωλητές τρίτων.
Αγοράστε : Jetson Nano απευθείας από τη Nvidia
Θα μπορούσε να αντικαταστήσει το σμέουρο Pi μου;
Ενώ το board της Google Coral Dev είναι ισχυρό, δεν στοιβάζεται μέχρι το Raspberry Pi με μερικούς τρόπους. Το Raspberry Pi είναι ένας μεγάλος υπολογιστής χόμπι για ηλεκτρονικά DIY. Μπορεί επίσης να διπλασιαστεί ως επιτραπέζιος υπολογιστής Χρησιμοποιώντας ένα Raspberry Pi ως επιτραπέζιο υπολογιστή: 7 πράγματα που έμαθα μετά από μια εβδομάδα Χρησιμοποιώντας ένα Raspberry Pi ως επιτραπέζιο υπολογιστή: 7 πράγματα που έμαθα μετά από μια εβδομάδα Μπορεί ένα μικρός Raspberry Pi να αντικαταστήσει έναν επιτραπέζιο υπολογιστή; Έχω περάσει επτά ημέρες γραφής και επεξεργασίας στο Pi, με ενδιαφέροντα αποτελέσματα. Διαβάστε περισσότερα σε ένα τσίμπημα.
Σίγουρα, ο πίνακας Coral Dev είναι ισχυρός, αλλά τα δικά του έγγραφα συμβάλλουν στην τοποθέτηση ποντικιού και πληκτρολογίου. Το προσαρμοσμένο λειτουργικό σύστημα του Coral είναι για συνδέσεις SSH κυρίως. Ωστόσο, είναι πιθανό να μπορεί να διατηρεί οποιαδήποτε παραλλαγή του Linux. Αυτό το βάζει αμέσως πίσω ως άμεσο ανταγωνιστή της Pi
Υπάρχει όμως πρόβλημα. Εάν θέλετε μια πλακέτα για εκμάθηση μηχανών μάθησης, αλλά μία που μπορεί επίσης να εκτελέσει άλλες καθημερινές εργασίες, γιατί θα αγοράσατε το Coral Dev Board;
Το Jetson Nano υποστηρίζει μια θύρα οθόνης και, όπως αναφέρθηκε προηγουμένως, έχει εντυπωσιακά παραδείγματα βίντεο απευθείας από το κουτί. Η προσαρμοσμένη επιφάνεια εργασίας του Ubuntu θα είναι γνωστή σε πολλούς και το φθηνότερο σημείο τιμής θα το καταστήσει μια ελκυστική προοπτική για πολλούς, ακόμη και εκείνους που δεν ενδιαφέρονται για μηχανική μάθηση.
AI για όλους
Σε αυτό το στάδιο, είναι δύσκολο να πούμε ποιος θα είναι ο καλύτερος πίνακας. Είναι επίσης άγνωστο που θα είναι πιο προσιτό στους εγχώριους προγραμματιστές. Ανυπομονώ να ξοδέψω χρόνο τόσο με τους πίνακες Coral Dev όσο και με το Jetson Nano για να πάρω μια οριστική απάντηση!
Είναι ένας συναρπαστικός χρόνος για να παίζεις με SBCs! Εάν είστε νέοι σε αυτό και θέλετε ένα μέρος για να ξεκινήσετε, πάρτε ένα Raspberry Pi και ακολουθήστε τον απόλυτο οδηγό μας για να ξεκινήσετε Raspberry Pi: Το Ανεπίσημο Tutorial Raspberry Pi: Το Ανεπίσημο Tutorial Είτε είστε ένας σημερινός ιδιοκτήτης Pi που θέλει να μάθει περισσότερα ή ένας πιθανός ιδιοκτήτης αυτής της συσκευής μεγέθους πιστωτικής κάρτας, αυτός δεν είναι ένας οδηγός που θέλετε να χάσετε. Διαβάστε περισσότερα !
Εξερευνήστε περισσότερα σχετικά με: Google TensorFlow, Jetson Nano, Machine Learning, Raspberry Pi.
