Zal de Nvidia Jetson Nano de Raspberry Pi vervangen?

Advertentie

Het is een spannende tijd voor computers met kleine factoren. Alsof de Raspberry Pi niet genoeg was van een machine voor alle doeleinden, blijven er krachtigere borden verschijnen die in staat zijn tot ongelooflijke prestaties.

De Jetson Nano van Nvidia is een recente toevoeging aan de gelederen van superkrachtige boards voor machine learning. Wat maakt het zo bijzonder? Moet je er een kopen? Waar gaat de Nvidia Jetson Nano over?

Wat is de Nvidia Jetson Nano?

De Jetson Nano is een Single Board Computer (SBC) ter grootte van een Raspberry Pi en gericht op AI en machine learning. Ogenschijnlijk een directe concurrent van het Google Coral Dev-bord, is het de derde in de Jetson-familie naast de reeds beschikbare TX2- en AGX Xavier-ontwikkelborden.

Nvidia maakt gebruik van hun bekwaamheid voor grafische verwerkingskracht voor deze kleine computers en gebruikt parallelle neurale netwerken om meerdere video's en sensoren tegelijkertijd te verwerken.

Hoewel alle drie de Jetson-borden voor iedereen toegankelijk willen zijn, is de Nano voor zowel hobby- als professionele ontwikkelaars. De ontwikkelkit bestaat uit twee delen: een plint voor connectiviteit en een System On Module (SOM) voor de daadwerkelijke verwerkingseenheden.

Wat is systeem op module?

Systeem op module verwijst naar elk ontwikkelbord dat alle systeemkritieke onderdelen in een verwijderbare module heeft. De Nano heeft een 260-pins randconnector om hem voor ontwikkeling op een plint te bevestigen.

Zodra de ontwikkeling voorbij is, kan de SOM worden verwijderd en toegevoegd aan een ingebed systeem met aangepaste ingangen, en een nieuwe SOM wordt op de plint aangesloten voor verdere ontwikkeling.

Als dit allemaal een beetje bekend klinkt, is het dat wel!

Dit is dezelfde opzet als de Google Coral Dev-bord Is het Google Coral Dev-bord beter dan een Raspberry Pi?Wat is een nieuw tijdperk in toegankelijke hobbyistenborden, wat is Google's Coral Dev-bord? En kan het je Raspberry Pi vervangen? Lees verder , die een vergelijkbare grootte heeft, en ook gericht is op embedded machine learning voor zowel hobbyisten als professionals!

Wat zijn de specificaties van de Jetson Nano?

Nvidia heeft veel in de Jetson Nano gestopt:

SOM:

• CPU: Quad-core ARM® Cortex-A57 MPCore-processor
• GPU: Nvidia Maxwell ™ -architectuur met 128 Nvidia CUDA-kernen
• RAM: 4 GB 64-bits LPDDR4
• Opslag: 16 GB eMMC 5.1 Flash
• Video: 4k @ 30fps-codering, 4k @ 60fps-decodering
• Camera: 12 rijstroken (3 × 4 of 4 × 2) MIPI CSI-2 DPHY 1.1 (1,5 Gbps)
• Connectiviteit: Gigabit Ethernet
• Beeldscherm: HDMI 2.0 of DP1.2 | eDP 1.4 | DSI (1 x2) 2 gelijktijdig
• 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's
• Afmetingen: 69,6 mm x 45 mm

Plint:

• USB: 4x USB 3.0, USB 2.0 Micro-B
• Camera: 1x MIPI CSI-2 DPHY-banen (compatibel met Raspberry Pi-camera)
• LAN: Gigabit Ethernet, M.2 Key E
• Opslag: microSD-slot
• Scherm: HDMI 2.0 en eDP 1.4
• Andere I / O: GPIO, I2C, I2S, SPI, UART

Wat kan het doen?

Het zal voor niemand een schok zijn dat Nvidia een bord heeft geproduceerd dat goed geschikt is voor visuele taken. Objectherkenning is hier een belangrijk aandachtspunt en de Visionworks SDK heeft veel potentiële toepassingen op dit gebied.

In plaats van een aparte verwerkingseenheid te gebruiken voor machine learning-taken, gebruikt de Jetson Nano een Maxwell GPU met 128 CUDA-kernen voor het zware werk.

Het Jetson Inference-project bevat demo's van een vooraf getraind neuraal netwerk dat hoogwaardige multi-objectherkenning uitvoert in verschillende omgevingen. Feature tracking, beeldstabilisatie, bewegingsvoorspelling en multi-source gelijktijdige feedverwerking zijn allemaal aanwezig in de beschikbare demopakketten.

Misschien wel het meest indrukwekkend is de DeepStream-technologie in de bovenstaande video. Live-analyse uitvoeren op acht gelijktijdige 1080p-streams met 30 fps op een kleine computer met één board is ongelooflijk en toont de potentiële kracht van de Nano-hardware.

Waar wordt het voor gebruikt?

Gezien zijn bekwaamheid voor video-analyse en kleine vormfactor, zal de Jetson Nano vrijwel zeker schitteren in robotica en autonome voertuigen. Veel van de demo's laten deze applicaties in actie zien.

Gezien zijn kracht en grootte, zal het waarschijnlijk ook werken in embedded systemen die afhankelijk zijn van gezichtsherkenning en objectherkenning.

Voor hobbyisten zoals wij? Het lijkt een perfecte mix van krachtige machine learning-mogelijkheden te zijn in een factor die iedereen kent die met een Raspberry Pi heeft gespeeld. Terwijl u machine learning-frameworks kunt gebruiken, zoals TensorFlow op een Raspberry Pi Ga aan de slag met beeldherkenning met TensorFlow en Raspberry PiWil je grip krijgen op beeldherkenning? Dankzij Tensorflow en een Raspberry Pi ga je meteen aan de slag. Lees verder , is de Jetson Nano veel geschikter voor de taak.

Wat kan de Jetson Nano nog meer doen?

De Jetson Nano draait Ubuntu, hoewel er een gespecialiseerde OS-image beschikbaar is bij Nvidia met software die specifiek is voor het platform. Hoewel de belangrijkste focus van het bord machine learning is, is dit Nvidia, dus je zou verwachten dat er ook wat grafische tovenarij aan de gang is.

Je zult niet teleurgesteld zijn. Demo's met deeltjessystemen, realtime fractale weergave en een reeks visuele effecten waren tot voor kort alleen te vinden op vlaggenschip desktop grafische kaarten.

Aangezien de videocodering is geclassificeerd voor 4k @ 30fps en decodering bij 60fps, is het veilig om aan te nemen dat de Nano ook perfect zal zijn voor videotoepassingen.

Jetson Nano vs. Coral Dev Board: wat is het beste?

Het is moeilijk te zeggen wat in dit stadium het betere bord is tussen het Google Coral Dev-bord en de Jetson Nano.

Het neurale netwerk van TensorFlow van Google is een dominante kracht op het gebied van machine learning. Hieruit volgt dat Google's eigen Edge TPU-coprocessor mogelijk beter werkt voor toepassingen van TensorFlow Lite.

Aan de andere kant heeft Nvidia al een indrukwekkende reeks op machine learning gebaseerde demo's getoond voor de Jetson Nano. Dit, naast de indrukwekkende graphics, is de Nano in staat om het een echte concurrent te maken.

Hoeveel kost Jetson Nano?

Prijs is een ander aspect dat we nog niet hebben behandeld. Het Google Coral Dev-bord kost $ 149,99, terwijl de Jetson Nano slechts $ 99 is. Tenzij het Coral Dev-bord iets unieks op tafel kan brengen, vinden hobbyisten en kleine ontwikkelaars de extra $ 50 misschien moeilijk te rechtvaardigen.

Er is momenteel geen prijs voor de SOM alleen voor beide boards, maar ik denk dat dit voor de meeste hobbyontwikkelaars niet zo belangrijk zal zijn. Vanuit commercieel oogpunt zal het prestatie / prijscontrast het cruciale verschil maken tussen de Jetson Nano en het Coral Dev-bord.

De Jetson Nano is direct bij Nvidia verkrijgbaar, samen met externe verkopers.

Kopen: Jetson Nano rechtstreeks van Nvidia

Zou het mijn Raspberry Pi kunnen vervangen?

Hoewel het Google Coral Dev-bord krachtig is, stapelt het op sommige manieren niet op tegen de Raspberry Pi. De Raspberry Pi is een geweldige hobbycomputer voor doe-het-elektronica. Het kan ook verdubbelen als een desktopcomputer Een Raspberry Pi gebruiken als desktop-pc: 7 dingen die ik na een week heb geleerdKan een bescheiden Raspberry Pi een desktop-pc vervangen? Ik heb zeven dagen op de Pi geschreven en bewerkt, met interessante resultaten. Lees verder in een mum van tijd.

Natuurlijk is het Coral Dev-bord krachtig, maar hun eigen documenten raden af ​​om een ​​muis en toetsenbord aan te sluiten. Het aangepaste besturingssysteem van de Coral is voornamelijk voor SSH-verbindingen. Het is echter waarschijnlijk in staat om elke variant van Linux te ondersteunen. Dit plaatst het meteen weer als een directe Pi-concurrent

Er is echter een probleem. Als je een bord wilt om machine learning te leren, maar een bord dat ook andere dagelijkse taken kan uitvoeren, waarom zou je dan het Coral Dev-bord kopen?

De Jetson Nano ondersteunt een weergavepoort en heeft, zoals eerder vermeld, direct uit de doos indrukwekkende videovoorbeelden. De aangepaste Ubuntu-desktop zal velen bekend zijn en de goedkopere prijs zal het voor velen een aantrekkelijk vooruitzicht maken, zelfs voor degenen die niet geïnteresseerd zijn in machine learning.

AI voor iedereen

In dit stadium is het moeilijk te zeggen wat het betere bestuur zal zijn. Het is ook onbekend welke meer toegankelijk zullen zijn voor thuisontwikkelaars. Ik kijk er naar uit om tijd door te brengen met zowel de Coral Dev- als Jetson Nano-borden om een ​​definitief antwoord te krijgen!

Het is een spannende tijd om aan SBC's te sleutelen! Als je nieuw bent en een plek wilt om te beginnen, koop dan een Raspberry Pi en volg onze ultieme handleiding om aan de slag te gaan Raspberry Pi: The Unofficial TutorialOf je nu een huidige Pi-eigenaar bent die meer wil leren of een potentiële eigenaar van dit apparaat op creditcardformaat, dit is geen gids die je wilt missen. Lees verder !