NVIDIA Jetson Nano: allt om utvecklingskortet

NVIDIA Jetson Nano Det är en särskild utvecklingskort. Det kan se ut som ditt eget på många sätt hallon Pi, eller Arduino, men det är särskilt utformat för en viss typ av projekt. Och som dessa andra utvecklingskort är det också rimligt lågt och litet i storlek jämfört med alternativ utrustning.

Specifikt riktar NVIDIAs Jetson Nano sig specifikt till utvecklingen av projekt för artificiell intelligens och artificiella neurala nätverk. Ett billigt sätt att börja i den här världen, lära dig hur dessa intelligenta system fungerar och skapa en oändlighet av projekt som du kan föreställa dig ...

Vad är Jetson Nano?

NVIDIA Jetson Nano Det är en utvecklingskort, en SBC för att skapa många projekt baserade på neurala nätverk, djupinlärning och AI. Med den kan du skapa mycket varierande projekt, från små intelligenta IoT-applikationer, till mer komplexa robotar, konstgjorda visionssystem och objektigenkänning, enheter som reagerar intelligent genom att utvärdera en serie sensorparametrar, små autonoma fordon etc.

Men allt med en tallrik med några dimensioner och med ett pris ganska prisvärd jämfört med andra professionella system med liknande egenskaper.

Och om du undrar varför ska du ha en av dessa NVIDIA Jetson Nano-kort, bör du komma ihåg att dessa kort gör det möjligt för dig att skapa många projekt medan du lär dig om en teknik som växer. Det finns fler och fler företag intresserade av personer med kunskap om maskininlärning, AI, djupinlärning och andra liknande discipliner, eftersom det är en framtidsteknik.

tekniska egenskaper

NVIDIA Jetson Nano erbjuder riktigt imponerande funktioner för sin storlek och pris. Det överstiger knappt 100 € och har några centimeter i storlek. Trots detta kan den utveckla upp till 472 prestanda GFLOP, tillräckligt för att köra många AI-algoritmer mycket snabbt och bearbeta flera artificiella neurala nätverk samtidigt.

Och det är inte bara imponerande för dessa siffror utan också för dess låga konsumtion. Denna styrelse kan ha en förbrukning mellan 5 och 10 W.. Jämfört med liknande system är det verkligen lågt, så du står inför ett mycket effektivt system. Det har lite att göra med andra maskiner som förbrukar hundratals eller tusentals watt ...

För mer information kan du se detta fullständig detaljerad lista:

NVIDIA Maxwell GPU med 128 CUDA-kärnor
ARM Cortex-A57 QuadCore-processor
RAM 4GB LPDDR4
16 GB eMMC 5.1 flash-lagring
anslutning:
- 12-vägs kamerakontakt (3 x 4 eller 4 x 2) MIPI CSI-2 DPHY 1.1 (18 Gbps)
- Gigabit Ethernet-nätverk (RJ-45)
- HDMI 2.0 eller DP 1.2 skärmanslutning | eDP 1.4 | DSI (1 x 2) 2 samtidigt
- Portar 1/2/4 PCIE, 1 USB 3.0, 3 USB 2.0
- Ytterligare I / O: 1 SDIO / 2 SPI / 4 I2C / 2 I2S / GPIO
- 260-stifts kontakt
Storlek: 69,6mm x 45mm
Förbrukning: 5-10w
Linux OS med utvecklings paket

NVIDIA Jetson Family Products

NVIDIA har flera av dessa produkter för AI-utveckling med artificiella neuroanala nätverk. Några av de mest framträdande produkterna är:

Jetson Xavier NX: det är en SOM, det vill säga en System On-modul eller ett komplett system integrerat i en enda modul. Trots sitt utseende och storlek erbjuder den typiska superdatorer, med upp till 21 TOP, det vill säga 21 Tera-operationer per sekund. Det räcker för att köra flera artificiella neurala nätverk smidigt och samtidigt.
Jetson AGX Xavier: en annan mycket kraftfull modul när det gäller beräkningstäthet och effektivitet och som har kommit efter Jetson Nano, vilket möjliggör skapandet av nya generationer av intelligenta maskiner.
Jetson TX2: ett annat alternativ till Jetson Nano och från samma familj. Det sticker ut för sin enorma hastighet och energieffektivitet. Speciellt utformad för inbäddade AI-applikationer, där storlek och konsumtion spelar roll. I det här fallet är det baserat på NVIDIA Pascal-arkitekturen, som drivs av 8 GB RAM och en bandbredd på upp till 59,7 GB / s.

Köp NVIDIA Jetson Nano

Om du är villig att komma igång i tillverkaren eller DIY-världen med konstgjorda neurala nätverksprojekt kan du köp detta NVIDIA Jetson Nano-kort i specialbutiker eller på plattformar som Amazon, där de säljs separat eller med utvecklingssatser för att komma igång snabbt med allt du behöver:

För närvarande har ett NVIDIA Jetson Nano-kort lanserats till ett reducerat pris på ungefär $ 59 och som de också har lagt till WiFi. Bra nyheter, det enda är att de har minskat huvudminnet till 2 GB. Om du vill ha det måste du vänta, för nu är det bara i förköp för partners ...

Alternativ till NVIDIA Jetson Nano

Om du är intresserad av maskininlärning, AI och artificiella neurala nätverk, bör du känna till några alternativ till NVIDIA Jetson Nanoeftersom det inte är den enda plattan för dessa ändamål. Du kan hitta några SBC: er som är utformade speciellt för dessa projekt som följande:

Google Coral

Google har utvecklat ett märke, Google Coral, tillsammans med andra tillbehör och moduler som behövs för att skapa AI-projekt. Bland artiklarna som tillhör denna plattform har du:

Google Coral har några tekniska egenskaper flashig, som:

NXP i.MX 8M CPU med Quad Core Cortex-A53 och Cortex-M4F
GC7000 Lite grafik GPU,
Google Edge TPU-processor med upp till 4 TOPS eller 2 TOPS / w.
Inkluderar 1 GB LPDDR4 RAM
Lagring av upp till 8 GB eMMC-blixt och möjligheten att utöka den med microSD-kort.
Den har WiFi-anslutning, USB, Bluetooth, Ethernet, Audio Jack, HDMI, MIPI-DSI och USB-C 5v strömförsörjning.

Khadas VIM3

Khadas VM3 Det är ett annat alternativ för dina AI-projekt, även om det inte har några av de stora egenskaperna, är det en ganska blygsam styrelse som kan ett bra tillfälle att börja:

CPU A311D x4 Cortex-A73 2.2 GHz och x2 Cortex-A53 vid 1.8 GHz.
Med en NPU på 5 TOPS
Upp till 4 GB RAM-minne
16-32 GB eMMC Samsung
MIPI-DIS, HDMI, WiFi, Ethernet, microSD, USB, PCIe-anslutningar etc.

HiSilicon HiKey 970 (Huawei)

HiSilicon är företaget under huawei som tillverkar chipsen. Tja, under detta varumärke hittar du ett annat alternativ för att utveckla neurala nätverksprojekt som HiKey 970, kompatibel med Huawei SDK. Dessutom har den några intressanta funktioner:

ARM Kirin med Cortex A73 QuadCore + Cortex-A53 QuaCore
Mali G72 MP12 GPU
Dedikerade NPU: er
6 GB LPDDR4
64 GB flashminne
WiFi, microSD, HDMI, USB, PCIe-anslutningar etc.
UEFI

Sophon BM1880 (hybrid ARM + RISC-V)

Sophon BM1880 Det är ett alternativt kort som utvecklats av Sophon.ia. Om du bestämmer dig för att köpa en, hittar du några funktioner som:

2x Cortex-A53 CPU vid 1.5 GHz + RISC-V vid 1 GHz
1 TPU: er @ INT8 tack vare Tensor-processorn
4GB LPDDR4
32 GB eMMC-blixt
Anslutning Ethernet, WiFi, USB, microSD, Jack, etc.

Intel Neural Stick

Ett annat projekt som liknar de tidigare är detta Intel Neural Stick. Version 2 är nu tillgänglig, och det speciella i detta fall är att det är ett USB-minne som du enkelt kan ansluta till datorn för att starta dina projekt, även om det har mindre mångsidighet än tidigare kort. Om du behöver mer ström kan du också använda flera av dem i en USB-hubb för att lägga till funktioner ...

Si handla detta Neural Stick, kostar cirka 100 € och är kompatibel med Linux och Windows. Dessutom tillåter det att arbeta med OpenVINO som en utvecklingsverktygssats.

Rockchip RK3399Pro

Rockchip du har detta kraftfulla hårdvaruaccelererade utvecklingspaket för djupinlärning för att skapa mycket intressanta och varierade projekt. Den stöder TensorFlow Caffe upp till 3 TOPS, samt Android- och GNU / Linux-operativsystem.

Om du vill köpa den har du den tillgänglig i olika versioner (beställt från lägsta till högsta pris):

Hardwarelibre