NVIDIA Jetson Nano: todo sobre la placa de desarrollo

NVIDIA Jetson Nano

NVIDIA Jetson Nano es una placa de desarrollo especial. Puede parecerse en muchas cosas a la propia Raspberry Pi, o a Arduino, pero está diseñada específicamente para un tipo de proyectos concretos. Y al igual que éstas otras placas de desarrollo, también tiene un precio razonablemente bajo y unas dimensiones reducidas en comparación con otros equipos alternativos.

Concretamente, Jetson Nano de NVIDIA está dirigido especialmente al desarrollo de proyectos de inteligencia artificial y redes neuronales artificiales. Una forma barata de comenzar en este mundo, aprender cómo trabajan estos sistemas inteligentes, y crear una infinidad de proyectos que te puedas imaginar…

¿Qué es Jetson Nano?

NVIDIA Jetson Nano es una placa de desarrollo, una SBC con la que poder crear numerosos proyectos basados en redes neuronales, deep learning e IA. Con ella puedes crear proyectos muy variados, desde pequeñas aplicaciones inteligentes IoT, hasta robots más complejos, sistemas de visión artificial y reconocimiento de objetos, dispositivos que reaccionen de forma inteligente evaluando una serie de parámetros de sensores, pequeños vehículos autónomos, etc.

Pero todo con una placa de unas dimensiones reducidas, y con un precio bastante asequible en comparación con otros sistemas profesionales con características similares.

Y si te preguntas por qué deberías tener una de estas placas NVIDIA Jetson Nano, deberías tener en cuenta que estas placas te permitirán crear muchos proyectos mientras aprendes de una tecnología que está al alza. Cada vez existen más empresas interesadas en personas con conocimientos de machine learning, IA, deep learning, y otras disciplinas similares, ya que es una tecnología de futuro.

Características técnicas

SOM Jetson Nano

NVIDIA Jetson Nano ofrece unas características realmente impresionantes para su tamaño y precio. A penas sobrepasa los 100€, y con unos cuantos centímetros de tamaño. Pese a eso puede desarrollar hasta 472 GFLOPs de rendimiento, suficientes para ejecutar muchos algoritmos de IA de forma muy rápida y procesar varias redes neuronales artificiales simultáneamente.

Y no solo impresiona por esas cifras, también por su consumo tan reducido. Esta placa puede tener un consumo que está entre los 5 y los 10W. Comparado con sistemas similares es ciertamente bajo, por lo que estás ante un sistema muy eficiente. Poco tiene que ver con otras máquinas que consumen cientos o miles de vatios…

Para más información, puedes ver esta lista de detalles completos:

  • GPU NVIDIA Maxwell con 128 núcleos CUDA
  • CPU ARM Cortex-A57 QuadCore
  • RAM 4GB LPDDR4
  • Almacenamiento de 16 GB tipo flash eMMC 5.1
  • Conectividad:
    • Conector para cámara de 12 vías (3 x 4 o 4 x 2) MIPI CSI-2 DPHY 1.1 (18 Gbps)
    • Red Gigabit Ethernet (RJ-45)
    • Conexión para pantalla HDMI 2.0 o DP 1.2 | eDP 1.4 | DSI (1 x 2) 2 simultáneos
    • Puertos 1/2/4 PCIE, 1 USB 3.0, 3 USB 2.0
    • E/S adicional: 1 SDIO / 2 SPI / 4 I2C / 2 I2S / GPIO
    • Conector 260 pines
  • Tamaño: 69,6 mm x 45 mm
  • Consumo: 5-10w
  • S.O. Linux con kit de desarrollo

Productos de la familia NVIDIA Jetson

NVIDIA tiene varios de estos productos para desarrollo de IA con redes neuroanles artificiales. Algunos de los productos más destacados son:

  • Jetson Xavier NX: es un SOM, es decir, un System On Module, o un sistema completo integrado en un solo módulo. Pese a su aspecto y tamaño ofrece potencias típicas de supercomputación, con hasta 21 TOPs, es decir, 21 Tera Operaciones por segundo. Eso es suficiente para ejecutar varias redes neuronales artificiales de forma fluida y simultáneamente.
  • Jetson AGX Xavier: otro módulo muy potente en cuanto a la densidad de cálculo y eficiencia y que ha llegado después de Jetson Nano, permitiendo crear nuevas generaciones de máquinas inteligentes.
  • Jetson TX2: otra alternativa a Jetson Nano, y de la misma familia. Destaca por su enorme velocidad y eficiencia energética. Especialmente pensada para aplicaciones de IA embebidas, donde el tamaño y consumo importan. En este caso, se basa en la arquitectura NVIDIA Pascal, potenciada con 8GB de RAM y un ancho de banda de hasta 59,7GB/s.

Comprar NVIDIA Jetson Nano

Si estás dispuesto a comenzar en el mundo maker o del DIY con proyectos de redes neuronales artificiales, puedes comprar esta placa NVIDIA Jetson Nano en tiendas especializadas o en plataformas como Amazon, donde se venden por separado o con kits de desarrollo para comenzar de forma rápida con todo lo que necesitas:

Actualmente se ha lanzado una placa NVIDIA Jetson Nano con precio reducido de unos 59$ y a la que han agregado también WiFi. Una gran noticia, lo único es que le han reducido la memoria principal a 2GB. Si la quieres tendrás que esperar, por ahora solo está en preventa para socios…

Alternativas a la Jetson Nano de NVIDIA

Google Coral

Si te interesa el machine learning, IA y las redes neuronales artificiales, deberías conocer algunas alternativas a NVIDIA Jetson Nano, ya que no es la única placa para estos fines. Puedes encontrar algunas SBCs diseñadas específicamente para estos proyectos como las siguientes:

Google Coral

Google ha desarrollado una placa, Google Coral, junto con otros accesorios y módulos necesarios para crear proyectos de IA. Entre los artículos pertenecientes a esta plataforma tienes:

Google Coral tiene unas características técnicas llamativas, como:

  • CPU NXP i.MX 8M con cuatro núcleos Cortex-A53 y Cortex-M4F
  • GPU GC7000 Lite Graphics,
  • Coprocesador Google Edge TPU con hasta 4 TOPS o 2 TOPS/w.
  • Incluye memoria RAM 1GB LPDDR4
  • Almacenamiento de hasta 8GB eMMC flash y posibilidad de ampliarlo mediante tarjetas microSD.
  • Dispone de conectividad WiFi, USB, Bluetooth, Ethernet, Jack de audio, HDMI, MIPI-DSI, y alimentación por USB-C 5v.

Khadas VIM3

Khadas VM3 es otra alternativa para tus proyectos de IA, aunque no cuenta con algunas de las características de los grandes, es una placa bastante modesta que puede ser una buena oportunidad para empezar:

  • CPU A311D x4 Cortex-A73 2.2Ghz y x2 Cortex-A53 a 1.8Ghz.
  • Con un NPU a 5 TOPS
  • Hata 4GB de RAM
  • 16-32GB eMMC Samsung
  • Conxiones MIPI-DIS, HDMI, WiFi, Ethernet, microSD, USB, PCIe, etc.

HiSilicon HiKey 970 (Huawei)

HiSilicon es la empresa bajo Huawei que fabrica los chips. Pues bien, bajo esta marca vas a encontrar otra altenativa para desarrollar proyectos de redes neuronales como la HiKey 970, compatible con el SDK de Huawei. Además, cuenta con algunas características interesantes:

  • ARM Kirin con Cortex A73 QuadCore + Cortex-A53 QuaCore
  • GPU Mali G72 MP12
  • NPUs dedicadas
  • 6GB de LPDDR4
  • 64 GB de memoria flash
  • Conexiones WiFi, microSD, HDMI, USB, PCIe, etc.
  • UEFI

Sophon BM1880 (híbrida ARM+RISC-V)

Sophon BM1880 es una placa alternativa desarrollada por Sophon.ia. Si te decides a comprar una, te encontrarás con algunas características como:

  • CPU 2x Cortex-A53 a 1.5Ghz + RISC-V a 1Ghz
  • 1 TPUs @ INT8 gracias al Tensor processor
  • 4GB LPDDR4
  • 32GB flash eMMC
  • Conectividad Ethernet, WiFi, USB, microSD, Jack, etc.

Intel Neural Stick

Otro proyecto similar a los anteriores es este Neural Stick de Intel. Ya está disponible la versión 2, y la particularidad en este caso es que es un stick USB que puedes conectar cómodamente al PC para comenzar tus proyectos, aunque tiene menor versatilidad que las placas anteriores. Además, si necesitas mayor potencia, puedes usar varios de ellos en un hub USB para sumar capacidades…

Si compras este Neural Stick, tiene un precio de unos 100€, y es compatible con Linux y Windows. Además, permite trabajar con OpenVINO como toolkit para desarrollo.

Rockchip RK3399Pro

Rockchip tiene este poderoso kit de desarrollo de aprendizaje profundo acelerado por hardware con el que crear proyectos muy interesantes y variados. Soporta TensorFlow Caffe hasta 3 TOPS, así como sistemas operativos Android y GNU/Linux.

Si quieres comprarlo, lo tines disponible en varias versiones (ordenados de precio más bajo a más alto):


El contenido del artículo se adhiere a nuestros principios de ética editorial. Para notificar un error pincha aquí.

Sé el primero en comentar

Deja tu comentario

Tu dirección de correo electrónico no será publicada.

*

*

  1. Responsable de los datos: Miguel Ángel Gatón
  2. Finalidad de los datos: Controlar el SPAM, gestión de comentarios.
  3. Legitimación: Tu consentimiento
  4. Comunicación de los datos: No se comunicarán los datos a terceros salvo por obligación legal.
  5. Almacenamiento de los datos: Base de datos alojada en Occentus Networks (UE)
  6. Derechos: En cualquier momento puedes limitar, recuperar y borrar tu información.

bool(true)