NVIDIA Jetson Nano: ຄະນະພັດທະນາທັງ ໝົດ

NVIDIA Jetson Nano

NVIDIA Jetson Nano ມັນແມ່ນຄະນະພັດທະນາພິເສດ. ມັນສາມາດເບິ່ງຄືກັບຂອງຕົວເອງໃນຫລາຍໆດ້ານ Raspberry Pi, ຫຼື Arduino, ແຕ່ວ່າມັນຖືກອອກແບບມາເປັນພິເສດ ສຳ ລັບປະເພດສະເພາະຂອງໂຄງການ. ແລະເຊັ່ນດຽວກັບກະດານພັດທະນາອື່ນໆເຫຼົ່ານີ້, ມັນຍັງມີລາຄາທີ່ສົມເຫດສົມຜົນແລະມີຂະ ໜາດ ນ້ອຍທຽບກັບອຸປະກອນທາງເລືອກ.

ໂດຍສະເພາະ, Jetson Nano ຂອງ NVIDIA ແມ່ນເປົ້າ ໝາຍ ສະເພາະໃນການພັດທະນາ ປັນຍາປະດິດແລະໂຄງການເຄືອຂ່າຍ neural ປອມ. ວິທີການທີ່ລາຄາບໍ່ແພງທີ່ຈະເລີ່ມຕົ້ນໃນໂລກນີ້, ຮຽນຮູ້ວິທີການລະບົບທີ່ສະຫຼາດເຫຼົ່ານີ້ເຮັດວຽກ, ແລະສ້າງໂຄງການທີ່ບໍ່ມີຕົວຕົນທີ່ທ່ານສາມາດຈິນຕະນາການ ...

Jetson Nano ແມ່ນຫຍັງ?

NVIDIA Jetson Nano ມັນແມ່ນຄະນະພັດທະນາ, SBC ເຊິ່ງເພື່ອສ້າງຫລາຍໂຄງການໂດຍອີງໃສ່ເຄືອຂ່າຍ neural, ການຮຽນຮູ້ເລິກແລະ AI. ກັບມັນທ່ານສາມາດສ້າງບັນດາໂຄງການທີ່ແຕກຕ່າງກັນຫຼາຍ, ຈາກໂປແກຼມ IoT ທີ່ມີສະຕິປັນຍາຂະ ໜາດ ນ້ອຍ, ຈົນເຖິງຫຸ່ນຍົນທີ່ສັບສົນຫຼາຍ, ລະບົບວິໄສທັດປອມແລະການຮັບຮູ້ວັດຖຸ, ອຸປະກອນທີ່ມີປະຕິກິລິຍາຢ່າງສະຫຼາດໂດຍການປະເມີນຊຸດຂອງຕົວ ກຳ ນົດການເຊັນເຊີ, ພາຫະນະທີ່ເປັນເອກະລາດນ້ອຍ, ແລະອື່ນໆ

ແຕ່ທັງ ໝົດ ມີແຜ່ນບາງຂະ ໜາດ, ແລະມີລາຄາຂ້ອນຂ້າງ ລາຄາບໍ່ແພງ ເມື່ອທຽບກັບລະບົບມືອາຊີບອື່ນໆທີ່ມີລັກສະນະຄ້າຍຄືກັນ.

ແລະຖ້າທ່ານສົງໄສ ເປັນຫຍັງທ່ານຄວນມີ ໃນກະດານ NVIDIA Jetson Nano ເຫຼົ່ານີ້, ທ່ານຄວນຈື່ໄວ້ວ່າກະດານເຫຼົ່ານີ້ຈະຊ່ວຍໃຫ້ທ່ານສ້າງຫຼາຍໂຄງການໃນຂະນະທີ່ຮຽນຮູ້ກ່ຽວກັບເຕັກໂນໂລຢີທີ່ ກຳ ລັງຈະເລີນເຕີບໂຕ. ມີບໍລິສັດນັບມື້ນັບສົນໃຈຄົນທີ່ມີຄວາມຮູ້ກ່ຽວກັບການຮຽນຮູ້ເຄື່ອງຈັກ, AI, ການຮຽນຮູ້ເລິກແລະວິຊາອື່ນໆທີ່ຄ້າຍຄືກັນ, ເພາະມັນເປັນເຕັກໂນໂລຢີຂອງອະນາຄົດ.

ຄຸນລັກສະນະທາງວິຊາການ

SOM Jetson Nano

NVIDIA Jetson Nano ສະ ເໜີ ລັກສະນະທີ່ ໜ້າ ປະທັບໃຈແທ້ໆ ສຳ ລັບຂະ ໜາດ ແລະລາຄາຂອງມັນ. ມັນພຽງແຕ່ເກີນ eds 100, ແລະມີຂະ ໜາດ ສອງສາມຊັງຕີແມັດ. ເຖິງວ່າຈະມີສິ່ງນີ້, ມັນສາມາດພັດທະນາ GFLOPs ທີ່ມີປະສິດຕິພາບໄດ້ເຖິງ 472, ພຽງພໍທີ່ຈະສາມາດ ດຳ ເນີນງານຫຼາຍລະບົບ algorithm AI ຢ່າງໄວວາແລະປຸງແຕ່ງເຄືອຂ່າຍນິວເຄຼຍທຽມຫຼາຍໆ ໜ່ວຍ ພ້ອມກັນ

ແລະມັນບໍ່ພຽງແຕ່ເປັນ ໜ້າ ປະທັບໃຈ ສຳ ລັບຕົວເລກເຫລົ່ານີ້ເທົ່ານັ້ນ, ແຕ່ມັນຍັງເປັນການຊົມໃຊ້ທີ່ຕໍ່າຂອງມັນ ນຳ ອີກ. ກະດານນີ້ອາດຈະມີ ການບໍລິໂພກທີ່ຢູ່ລະຫວ່າງ 5 ເຖິງ 10W. ເມື່ອປຽບທຽບກັບລະບົບທີ່ຄ້າຍຄືກັນມັນແນ່ນອນວ່າຍັງຕໍ່າ, ສະນັ້ນທ່ານຈຶ່ງປະເຊີນກັບລະບົບທີ່ມີປະສິດຕິພາບສູງ. ມັນບໍ່ມີຫຍັງຫລາຍກັບເຄື່ອງຈັກອື່ນໆທີ່ບໍລິໂພກຫລາຍຮ້ອຍຫລືຫລາຍພັນວັດ ...

ສໍາລັບຂໍ້ມູນເພີ່ມເຕີມ, ທ່ານສາມາດເບິ່ງນີ້ ບັນຊີລາຍລະອຽດເຕັມ:

  • NVIDIA Maxwell GPU ພ້ອມ 128 CUDA
  • CPU ຂອງ ARM Cortex-A57 QuadCore
  • RAM 4GB LPDDR4
  • 16GB eMMC 5.1 ບ່ອນຈັດເກັບແຟ້ມ
  • ການເຊື່ອມຕໍ່:
    • ຕົວເຊື່ອມຕໍ່ກ້ອງ 12 ເສັ້ນ (3 x 4 ຫຼື 4 x 2) MIPI CSI-2 DPHY 1.1 (18 Gbps)
    • ເຄືອຂ່າຍ Gigabit Ethernet (RJ-45)
    • ເຊື່ອມຕໍ່ຈໍສະແດງຜົນ HDMI 2.0 ຫຼື DP 1.2 | eDP 1.4 | DSI (1 x 2) 2 ພ້ອມກັນ
    • ພອດ 1/2/4 PCIE, 1 USB 3.0, 3 USB 2.0
    • ເພີ່ມເຕີມ I / O: 1 SDIO / 2 SPI / 4 I2C / 2 I2S / GPIO
    • ສາຍເຊື່ອມ 260-pin
  • ຂະ ໜາດ: 69,6mm x 45mm
  • ການບໍລິໂພກ: 5-10w
  • Linux OS ກັບ ຊຸດພັດທະນາ

ຜະລິດຕະພັນຄອບຄົວ NVIDIA Jetson

NVIDIA ມີຫລາຍສິ່ງເຫລົ່ານີ້ ຜະລິດຕະພັນ ສຳ ລັບການພັດທະນາ AI ກັບເຄືອຂ່າຍ neuroanal ປອມ. ບາງຜະລິດຕະພັນທີ່ພົ້ນເດັ່ນແມ່ນ:

  • Jetson Xavier NX: ມັນແມ່ນ SOM, ນັ້ນແມ່ນລະບົບ On Module, ຫຼືລະບົບຄົບຊຸດທີ່ປະສົມປະສານເຂົ້າໃນໂມດູນດຽວ. ເຖິງວ່າຈະມີຮູບລັກສະນະແລະຂະ ໜາດ ຂອງມັນ, ມັນກໍ່ໃຫ້ ອຳ ນາດການຜະລິດແບບຊຸບເປີຄອມພິວເຕີ້ແບບປົກກະຕິ, ມີເຖິງ 21 TOPs, ນັ້ນຄື 21 Tera Operations ຕໍ່ວິນາທີ ມັນພຽງພໍທີ່ຈະ ດຳ ເນີນເຄືອຂ່າຍ neural ທຽມຫຼາຍໆອັນຢ່າງສະດວກແລະພ້ອມກັນ.
  • Jetson AGX Xavier: ອີກໂມດູນທີ່ມີປະສິດທິພາບຫລາຍໃນແງ່ຂອງຄວາມ ໜາ ແໜ້ນ ແລະປະສິດທິພາບແລະມັນໄດ້ເກີດຂື້ນຫລັງຈາກ Jetson Nano, ອະນຸຍາດໃຫ້ສ້າງເຄື່ອງຈັກອັດສະລິຍະລຸ້ນ ໃໝ່.
  • Jetson TX2: ອີກທາງເລືອກ ໜຶ່ງ ຂອງ Jetson Nano, ແລະຈາກຄອບຄົວດຽວກັນ. ມັນໂດດເດັ່ນ ສຳ ລັບຄວາມໄວແລະປະສິດທິພາບດ້ານພະລັງງານຂອງມັນ. ຖືກອອກແບບໂດຍສະເພາະ ສຳ ລັບໂປແກຼມ AI ທີ່ຝັງຢູ່, ເຊິ່ງຂະ ໜາດ ແລະການບໍລິໂພກມີຄວາມ ສຳ ຄັນ. ໃນກໍລະນີນີ້, ມັນແມ່ນອີງໃສ່ສະຖາປັດຕະຍະ ກຳ ແບບ NVIDIA Pascal, ຂັບເຄື່ອນດ້ວຍ RAM 8GB ແລະແບນວິດສູງເຖິງ 59,7GB / s.

ຊື້ NVIDIA Jetson Nano

ຖ້າທ່ານເຕັມໃຈທີ່ຈະເລີ່ມຕົ້ນໃນຜູ້ຜະລິດຫຼື DIY ດ້ວຍໂຄງການເຄືອຂ່າຍທາງປະສາດແບບປອມ, ທ່ານສາມາດເຮັດໄດ້ ຊື້ກະດານ NVIDIA Jetson Nano ນີ້ ໃນບັນດາຮ້ານພິເສດຫລືຢູ່ເທິງເວທີເຊັ່ນ Amazon, ບ່ອນທີ່ພວກມັນຖືກຂາຍແຍກຕ່າງຫາກຫຼືດ້ວຍຊຸດເຄື່ອງມືການພັດທະນາເພື່ອເລີ່ມຕົ້ນດ້ວຍທຸກຢ່າງທີ່ທ່ານຕ້ອງການ:

ປະຈຸບັນກະດານ NVIDIA Jetson Nano ໄດ້ຖືກເປີດຕົວດ້ວຍລາຄາທີ່ຖືກຫຼຸດລົງ ປະມານ 59 ໂດລາ ແລະທີ່ພວກເຂົາໄດ້ເພີ່ມ WiFi ຕື່ມອີກ. ຂ່າວດີ, ສິ່ງດຽວທີ່ພວກເຂົາໄດ້ຫຼຸດຄວາມ ຈຳ ຫລັກມາເປັນ 2GB. ຖ້າທ່ານຕ້ອງການມັນທ່ານຈະຕ້ອງລໍຖ້າ, ເພາະວ່າດຽວນີ້ມັນຢູ່ໃນເທົ່ານັ້ນ presale ສຳ ລັບຄູ່ຮ່ວມງານ ...

ທາງເລືອກ ສຳ ລັບ NVIDIA Jetson Nano

Google Coral

ຖ້າທ່ານສົນໃຈກ່ຽວກັບການຮຽນຮູ້ເຄື່ອງຈັກ, AI ແລະເຄືອຂ່າຍ neural ປອມ, ທ່ານຄວນຮູ້ບາງຢ່າງ ທາງເລືອກ ສຳ ລັບ NVIDIA Jetson Nano, ເນື່ອງຈາກວ່າມັນບໍ່ແມ່ນແຜ່ນດຽວ ສຳ ລັບຈຸດປະສົງເຫຼົ່ານີ້. ທ່ານສາມາດຊອກຫາບາງ SBC ທີ່ຖືກອອກແບບໂດຍສະເພາະ ສຳ ລັບໂຄງການເຫຼົ່ານີ້ເຊັ່ນ:

Google Coral

Google ໄດ້ພັດທະນາເຄື່ອງ ໝາຍ, Google Coralພ້ອມດ້ວຍອຸປະກອນເສີມແລະໂມດູນອື່ນໆທີ່ ຈຳ ເປັນໃນການສ້າງໂຄງການ AI. ໃນບັນດາບົດຂຽນທີ່ຂຶ້ນກັບເວທີນີ້ທ່ານມີ:

Google Coral ມີບາງຢ່າງ ຄຸນລັກສະນະທາງວິຊາການ flashy, ຄື:

  • NXP i.MX 8M CPU ກັບ Quad Core Cortex-A53 ແລະ Cortex-M4F
  • GC7000 Lite ກຣາບຟິກ GPU,
  • Google Edge TPU coprocessor ທີ່ມີເຄື່ອງສູງເຖິງ 4 TOPS ຫຼື 2 TOPS / w.
  • ລວມ RAM 1 LPDDR4 RAM
  • ການຈັດເກັບແຟດ eMMC ສູງເຖິງ 8GB ແລະຄວາມເປັນໄປໄດ້ໃນການຂະຫຍາຍມັນໂດຍໃຊ້ບັດ microSD.
  • ມັນມີການເຊື່ອມຕໍ່ WiFi, USB, Bluetooth, Ethernet, jack audio, HDMI, MIPI-DSI, ແລະພະລັງງານຜ່ານ USB-C 5v.

Khadas VIM3

Khadas VM3 ມັນເປັນອີກທາງເລືອກ ໜຶ່ງ ສຳ ລັບໂຄງການ AI ຂອງທ່ານ, ເຖິງແມ່ນວ່າມັນບໍ່ມີຄຸນລັກສະນະບາງຢ່າງຂອງໂຄງການໃຫຍ່ໆ, ມັນກໍ່ແມ່ນກະດານທີ່ ເໝາະ ສົມທີ່ສາມາດເປັນໄດ້ ເປັນໂອກາດທີ່ດີທີ່ຈະເລີ່ມຕົ້ນ:

  • CPU A311D x4 Cortex-A73 2.2Ghz ແລະ x2 Cortex-A53 ທີ່ 1.8Ghz.
  • ກັບ NPU ທີ່ 5 TOPS
  • RAM ເຖິງ 4GB
  • Samsung eMMC 16-32GB
  • ການເຊື່ອມຕໍ່ MIPI-DIS, HDMI, WiFi, Ethernet, microSD, USB, PCIe, ແລະອື່ນໆ.

HiSilicon HiKey 970 (Huawei)

HiSilicon ແມ່ນບໍລິສັດທີ່ຢູ່ພາຍໃຕ້ Huawei ທີ່ຜະລິດຊິບ. ດີ, ພາຍໃຕ້ຍີ່ຫໍ້ນີ້, ທ່ານຈະພົບເຫັນທາງເລືອກອື່ນໃນການພັດທະນາໂຄງການທາງເຄືອຂ່າຍ neural ເຊັ່ນ HiKey 970, ເຂົ້າກັນໄດ້ກັບ Huawei SDK. ນອກຈາກນັ້ນ, ມັນຍັງມີຈຸດເດັ່ນທີ່ ໜ້າ ສົນໃຈຄື:

  • ARM Kirin ກັບ Cortex A73 QuadCore + Cortex-A53 QuaCore
  • MP72 GPU Mali G12 MPXNUMX
  • NPU ທີ່ອຸທິດຕົນ
  • LPDDR6 ຂະ ໜາດ 4GB
  • ຫນ່ວຍຄວາມ ຈຳ ແຟດຂະ ໜາດ 64GB
  • ການເຊື່ອມຕໍ່ WiFi, microSD, HDMI, USB, PCIe, ແລະອື່ນໆ.
  • UEFI

Sophon BM1880 (ປະສົມ ARM + RISC-V)

ໂສພາ BM1880 ມັນແມ່ນກະດານທາງເລືອກ ໜຶ່ງ ທີ່ພັດທະນາໂດຍ Sophon.ia. ຖ້າທ່ານຕັດສິນໃຈຊື້ສິ່ງ ໜຶ່ງ, ທ່ານຈະພົບເຫັນຄຸນລັກສະນະບາງຢ່າງເຊັ່ນ:

  • CPU 2x Cortex-A53 ທີ່ 1.5Ghz + RISC-V ທີ່ 1Ghz
  • 1 TPUs @ INT8 ຂໍຂອບໃຈກັບໂປເຊດເຊີ Tensor
  • 4GB LPDDR4
  • ແຟດ eMMC 32GB
  • ການເຊື່ອມຕໍ່ Ethernet, WiFi, USB, microSD, Jack, ແລະອື່ນໆ.

Intel Neural Stick

ໂຄງການອື່ນທີ່ຄ້າຍຄືກັນກັບໂຄງການທີ່ຜ່ານມາແມ່ນສິ່ງນີ້ Intel Neural Stick. ຮຸ່ນ 2 ສາມາດໃຊ້ໄດ້ແລ້ວ, ແລະສິ່ງທີ່ ໜ້າ ວິຕົກກັງວົນໃນກໍລະນີນີ້ແມ່ນມັນແມ່ນ USB ທີ່ທ່ານສາມາດເຊື່ອມຕໍ່ກັບ PC ໄດ້ງ່າຍເພື່ອເລີ່ມຕົ້ນໂຄງການຂອງທ່ານ, ເຖິງແມ່ນວ່າມັນມີຄວາມຄ່ອງຕົວ ໜ້ອຍ ກ່ວາກະດານທີ່ຜ່ານມາ. ພ້ອມກັນນັ້ນ, ຖ້າທ່ານຕ້ອງການພະລັງງານຫຼາຍ, ທ່ານສາມາດ ນຳ ໃຊ້ຫຼາຍໆມັນຢູ່ໃນສູນ USB ເພື່ອເພີ່ມຄວາມສາມາດ ...

Si shopping ນີ້ Neural Stick, ມີລາຄາປະມານ€ 100, ແລະ ເໝາະ ສົມກັບ Linux ແລະ Windows. ນອກຈາກນັ້ນ, ມັນອະນຸຍາດໃຫ້ເຮັດວຽກກັບ OpenVINO ເປັນເຄື່ອງມືພັດທະນາ.

Rockchip ລາຄາ 3399 ບາດ

ຣັອກຊິບ ທ່ານມີຮາດແວທີ່ມີປະສິດທິພາບນີ້ເລັ່ງໃສ່ຊຸດພັດທະນາການຮຽນຮູ້ເລິກເຊິ່ງເພື່ອສ້າງບັນດາໂຄງການທີ່ ໜ້າ ສົນໃຈແລະແຕກຕ່າງກັນ. ມັນສະຫນັບສະຫນູນ TensorFlow Caffe ເຖິງ 3 TOPS, ເຊັ່ນດຽວກັນກັບລະບົບປະຕິບັດການ Android ແລະ GNU / Linux.

ຖ້າທ່ານຕ້ອງການຊື້, ທ່ານມີມັນຢູ່ໃນນັ້ນ ສະບັບຕ່າງໆ (ສັ່ງຈາກລາຄາຕໍ່າສຸດຫາລາຄາສູງສຸດ):


ເນື້ອໃນຂອງບົດຂຽນຍຶດ ໝັ້ນ ຫລັກການຂອງພວກເຮົາ ຈັນຍາບັນຂອງບັນນາທິການ. ເພື່ອລາຍງານການກົດຜິດພາດ ທີ່ນີ້.

ເປັນຄົນທໍາອິດທີ່ຈະໃຫ້ຄໍາເຫັນ

ອອກ ຄຳ ເຫັນຂອງທ່ານ

ທີ່ຢູ່ອີເມວຂອງທ່ານຈະບໍ່ໄດ້ຮັບການຈັດພີມມາ. ທົ່ງນາທີ່ກໍານົດໄວ້ແມ່ນຫມາຍດ້ວຍ *

*

*

  1. ຮັບຜິດຊອບຕໍ່ຂໍ້ມູນ: Miguel ÁngelGatón
  2. ຈຸດປະສົງຂອງຂໍ້ມູນ: ຄວບຄຸມ SPAM, ການຈັດການ ຄຳ ເຫັນ.
  3. ກົດ ໝາຍ: ການຍິນຍອມຂອງທ່ານ
  4. ການສື່ສານຂໍ້ມູນ: ຂໍ້ມູນຈະບໍ່ຖືກສື່ສານກັບພາກສ່ວນທີສາມຍົກເວັ້ນໂດຍພັນທະທາງກົດ ໝາຍ.
  5. ການເກັບຂໍ້ມູນ: ຖານຂໍ້ມູນທີ່ຈັດໂດຍ Occentus Networks (EU)
  6. ສິດ: ໃນທຸກເວລາທີ່ທ່ານສາມາດ ຈຳ ກັດ, ກູ້ຄືນແລະລຶບຂໍ້ມູນຂອງທ່ານ.