Czy Nvidia Jetson Nano zastąpi Raspberry Pi?

To ekscytujący czas na przetwarzanie w małych sieciach. Jakby Raspberry Pi nie wystarczyło na maszynę uniwersalną, wciąż pojawiają się mocniejsze plansze zdolne do niesamowitych wyczynów.

Jetson Nano firmy Nvidia to najnowszy dodatek do szeregu super mocnych kart umożliwiających uczenie maszynowe. Co sprawia, że ​​jest wyjątkowy? Czy powinieneś kupić? O co chodzi w Nvidia Jetson Nano?

Co to jest Nvidia Jetson Nano?

Jetson Nano to komputer jednopłytkowy (SBC) wielkości Raspberry Pi, przeznaczony do sztucznej inteligencji i uczenia maszynowego. Pozornie bezpośredni konkurent dla tablicy Google Coral Dev, jest trzecią w rodzinie Jetson, obok już dostępnych płyt deweloperskich TX2 i AGX Xavier.

Nvidia wykorzystują swoją sprawność w przetwarzaniu grafiki dla tych małych komputerów, wykorzystując równoległe sieci neuronowe do przetwarzania wielu filmów i czujników jednocześnie.

Podczas gdy wszystkie trzy plansze Jetson mają być dostępne dla wszystkich, Nano jest przeznaczone zarówno dla hobby, jak i profesjonalnych programistów. Zestaw deweloperski składa się z dwóch części - płyty bazowej do łączności oraz modułu System On (SOM) dla rzeczywistych jednostek przetwarzających.

Co to jest system w module?

System on Module odnosi się do każdej płytki rozwojowej, która ma wszystkie krytyczne dla systemu części w wymiennym module. Nano ma 260-stykowe złącze krawędziowe do przymocowania go do płyty bazowej w celu opracowania.

Po zakończeniu programowania SOM można usunąć i dodać do wbudowanego systemu z niestandardowymi danymi wejściowymi, a nowy SOM łączy się z płytą główną w celu dalszego rozwoju.

Jeśli to wszystko brzmi trochę znajomo, to tak jest!

To ta sama konfiguracja, co tablica Google Coral Dev. Czy tablica Google Coral Dev jest lepsza niż Raspberry Pi? Czy Google Coral Dev Board jest lepszy niż Raspberry Pi? Czym jest nowa era w dostępnych dla hobbystów tablicach, czym jest Coral Dev Board Google? I czy może zastąpić Raspberry Pi? , który ma podobny rozmiar, a także ma na celu wbudowane uczenie maszynowe zarówno dla hobbystów, jak i profesjonalistów!

Jakie są specyfikacje Jetson Nano?

Nvidia dużo zapakowała w Jetson Nano:

SOM:

• Procesor: czterordzeniowy procesor ARM® Cortex-A57 MPCore
• GPU: architektura Nvidia Maxwell ™ ze 128 rdzeniami Nvidia CUDA
• RAM: 4 GB 64-bit LPDDR4
• Pamięć: 16 GB eMMC 5.1 Flash
• Wideo: kodowanie 4k @ 30fps, dekodowanie 4k @ 60fps
• Kamera: 12 linii (3 × 4 lub 4 × 2) MIPI CSI-2 DPHY 1.1 (1,5 Gb / s)
• Łączność: Gigabit Ethernet
• Wyświetlacz: HDMI 2.0 lub DP1.2 | eDP 1.4 | DSI (1 x 2) 2 jednocześnie
• PCIE / USB: 1 x 1/2/4 PCIE, 1x USB 3.0, 3x USB 2.0
• I / O: 1x SDIO / 2x SPI / 6x I2C / 2x I2S / GPIO
• Wymiary: 69,6 mm x 45 mm

Listwa przypodłogowa:

• USB: 4x USB 3.0, USB 2.0 Micro-B
• Kamera: 1x linie MIPI CSI-2 DPHY (kompatybilne z kamerą Raspberry Pi)
• LAN: Gigabit Ethernet, klucz M.2 E.
• Pamięć: gniazdo microSD
• Wyświetlacz: HDMI 2.0 i eDP 1.4
• Inne wejścia / wyjścia: GPIO, I2C, I2S, SPI, UART

Co może to zrobić?

Dla nikogo nie będzie zaskoczeniem, że Nvidia stworzyła planszę, która doskonale nadaje się do zadań wizualnych. Rozpoznawanie obiektów jest tutaj kluczowe, a pakiet Visionworks SDK ma wiele potencjalnych zastosowań w tej dziedzinie.

Zamiast używać osobnego procesora do zadań uczenia maszynowego, Jetson Nano wykorzystuje procesor graficzny Maxwell z 128 rdzeniami CUDA do podnoszenia ciężarów.

Projekt Jetson Inference zawiera prezentacje wstępnie wyszkolonej sieci neuronowej wykonującej wysokowydajne rozpoznawanie wielu obiektów w różnych środowiskach. Śledzenie funkcji, stabilizacja obrazu, przewidywanie ruchu i jednoczesne przetwarzanie danych z wielu źródeł są dostępne w dostępnych pakietach demonstracyjnych.

Być może najbardziej imponująca jest technologia DeepStream przedstawiona w powyższym filmie. Uruchamianie analiz na żywo dla ośmiu równoczesnych strumieni 1080p przy 30 klatkach na sekundę na małym komputerze jednopłytkowym jest niesamowite i pokazuje potencjalną moc sprzętu Nano.

Do czego będzie używany?

Biorąc pod uwagę sprawność analizy wideo i niewielkie rozmiary, Jetson Nano niemal na pewno zabłyśnie w robotyce i pojazdach autonomicznych. Wiele wersji demonstracyjnych pokazuje te aplikacje w akcji.

Biorąc pod uwagę jego moc i rozmiar, prawdopodobnie będzie również działał w systemach wbudowanych, które opierają się na rozpoznawaniu twarzy i obiektów.

Dla hobbystów takich jak my? Wydaje się być idealnym połączeniem potężnych możliwości uczenia maszynowego, co jest znane każdemu, kto bawi się Raspberry Pi. Chociaż możesz korzystać z platform uczenia maszynowego, takich jak TensorFlow na Raspberry Pi, zacznij z rozpoznawaniem obrazu Korzystanie z TensorFlow i Raspberry Pi Rozpocznij z rozpoznawaniem obrazu, używając TensorFlow i Raspberry Pi Chcesz poradzić sobie z rozpoznawaniem obrazów? Dzięki Tensorflow i Raspberry Pi możesz od razu zacząć. , Jetson Nano jest znacznie bardziej odpowiedni do tego zadania.

Co jeszcze może zrobić Jetson Nano?

W Jetson Nano działa Ubuntu, chociaż specjalistyczny obraz systemu operacyjnego jest dostępny w Nvidii i zawiera oprogramowanie specyficzne dla platformy. Podczas gdy głównym celem tablicy jest uczenie maszynowe, jest to Nvidia, więc można się spodziewać, że trochę graficznej magii będzie się toczyć.

Nie będziesz rozczarowany. Dema pokazujące układy cząstek, renderowanie fraktali w czasie rzeczywistym oraz szereg efektów wizualnych można było znaleźć do niedawna na flagowych kartach graficznych do komputerów stacjonarnych.

Biorąc pod uwagę, że jego kodowanie wideo jest oceniane na 4k @ 30 fps, a dekodowanie przy 60 fps, można bezpiecznie założyć, że Nano będzie idealny również do aplikacji wideo.

Jetson Nano vs. Coral Dev Board: What's Is Best?

Trudno powiedzieć, która jest lepsza deska między tablicą Google Coral Dev a Jetson Nano na tym etapie.

Sieć neuronowa Google TensorFlow jest dominującą siłą w dziedzinie uczenia maszynowego. Wynika z tego, że własny koprocesor Edge TPU firmy Google może działać lepiej w aplikacjach TensorFlow Lite.

Z drugiej strony, Nvidia pokazała już imponującą gamę demonstracji opartych na uczeniu maszynowym dla Jetson Nano. To, oprócz imponującej grafiki, Nano może uczynić go prawdziwym konkurentem.

Ile kosztuje Jetson Nano?

Cena to kolejny aspekt, którego jeszcze nie omówiliśmy. Tablica Google Coral Dev kosztuje 149,99 USD, a Jetson Nano kosztuje tylko 99 USD. O ile tablica Coral Dev nie może przynieść czegoś wyjątkowego do stołu, hobbystom i małym programistom może się wydawać, że dodatkowe 50 USD jest trudne do uzasadnienia.

Obecnie nie ma żadnej ceny za SOM dla każdej płyty, ale wyobrażam sobie, że dla większości programistów hobbystycznych nie będzie to aż tak ważne. Z komercyjnego punktu widzenia kontrast między wydajnością a ceną będzie decydującą różnicą między Jetson Nano a płytą Coral Dev.

Jetson Nano jest dostępny od Nvidii bezpośrednio wraz ze sprzedawcami zewnętrznymi.

Kupować: Jetson Nano bezpośrednio z Nvidii

Could It Replace My Raspberry Pi?

Chociaż tablica Google Coral Dev jest potężna, pod pewnymi względami nie łączy się z Raspberry Pi. Raspberry Pi to świetny hobby komputer dla majsterkowiczów. Może również pełnić funkcję komputera stacjonarnego. Używanie Raspberry Pi jako komputera stacjonarnego: 7 rzeczy, których nauczyłem się po tygodniu. Używanie Raspberry Pi jako komputera stacjonarnego: 7 rzeczy, których nauczyłem się po tygodniu. Czy skromny Raspberry Pi może zastąpić komputer stacjonarny? Spędziłem siedem dni na pisaniu i edytowaniu na Pi, z interesującymi wynikami. w mgnieniu oka.

Jasne, płyta Coral Dev jest potężna, ale ich własne dokumenty odradzają podłączanie myszy i klawiatury. Niestandardowy system operacyjny Coral dotyczy przede wszystkim połączeń SSH. Prawdopodobnie jest jednak w stanie utrzymać dowolną odmianę Linuksa. To przywraca go jako bezpośredniego konkurenta Pi

Jest jednak problem. Jeśli chcesz mieć tablicę do nauki uczenia maszynowego, ale która może wykonywać inne codzienne zadania, dlaczego miałbyś kupować tablicę Coral Dev?

Jetson Nano obsługuje port wyświetlacza i, jak wspomniano wcześniej, ma imponujące przykłady wideo od razu po wyjęciu z pudełka. Niestandardowy pulpit Ubuntu będzie znany wielu, a niższa cena sprawi, że będzie to atrakcyjna perspektywa dla wielu, nawet tych niezainteresowanych uczeniem maszynowym.

AI dla każdego

Na tym etapie trudno powiedzieć, która będzie lepsza deska. Nie wiadomo również, które będą bardziej dostępne dla deweloperów domów. Nie mogę się doczekać spędzenia czasu z płytami Coral Dev i Jetson Nano, aby uzyskać ostateczną odpowiedź!

To ekscytujący czas majstrować przy SBC! Jeśli jesteś nowy i chcesz zacząć, kup Raspberry Pi i postępuj zgodnie z naszym ostatecznym przewodnikiem dla początkujących Raspberry Pi: Nieoficjalny samouczek Raspberry Pi: Nieoficjalny samouczek Niezależnie od tego, czy jesteś obecnym właścicielem Pi, który chce dowiedzieć się więcej, czy potencjalny właściciel tego urządzenia wielkości karty kredytowej, nie jest to przewodnik, którego nie możesz przegapić. !