Содержание

• GPU
• искусственный интеллект
• Raspberry Pi Killer?
• Среда разработки
• GPIO
• Источник питания
• Заключительные мысли

Jetson Nano - новейшая платформа Nvidia для машинного обучения. Предыдущие итерации платформы Jetson были нацелены на профессиональных разработчиков, стремящихся сделать крупномасштабные коммерческие продукты. Они мощные, но дорогие. С Jetson Nano, Nvidia снизила цену входа и открыла путь для революции, подобной Raspberry-Pi, на этот раз для машинного обучения.

Jetson Nano - это одноплатный компьютер за $ 99, который позаимствован у языка дизайна Raspberry Pi с его небольшим форм-фактором, блоком портов USB, слотом для карты microSD, выходом HDMI, выводами GPIO, разъемом камеры (который совместим с камера Raspberry Pi) и порт Ethernet. Тем не менее, это не клон Raspberry Pi. Плата другого размера, есть поддержка Embedded Displayport, а также огромный радиатор!

Под радиатором находится готовая к выпуску система Jetson Nano System on Module (SOM). Комплект разработчика - это, в основном, плата (со всеми портами) для удержания модуля. В коммерческом приложении дизайнеры создавали бы свои продукты для принятия SOM, а не платы.

В то время как Nvidia хочет продать много модулей Jetson, она также намерена продавать плату (с модулем) энтузиастам и любителям, которые могут никогда не использовать версию модуля, но с удовольствием создают проекты, основанные на наборе для разработки, так же, как они делают с малиновый пи.

GPU

Когда вы думаете о Nvidia, вы, вероятно, думаете о видеокартах и ​​графических процессорах, и это правильно. Хотя графические процессоры отлично подходят для трехмерных игр, оказалось, что они хорошо работают с алгоритмами машинного обучения.

Jetson Nano имеет ядро ​​128 CUDA с архитектурой Maxwell. Каждое поколение графических процессоров от Nvidia основано на новом дизайне микроархитектуры. Этот центральный дизайн затем используется для создания разных графических процессоров (с разным количеством ядер и т. Д.) Для этого поколения. Архитектура Maxwell впервые использовалась в GeForce GTX 750 и GeForce GTX 750 Ti. Графическое ядро ​​Maxwell второго поколения было представлено вместе с GeForce GTX 970.

В оригинальном Jetson TX1 использовался графический процессор Maxwell 1024-GFLOP с 256 ядрами CUDA. Jetson Nano использует урезанную версию того же процессора. Согласно журналам загрузки, Jetson Nano имеет тот же вариант GM20B второго поколения, что и графический процессор Maxwell, но с половиной ядер CUDA.

Jetson Nano поставляется с большой коллекцией демонстраций CUDA от моделирования частиц дыма до рендеринга Мандельброта со здоровой дозой размытия по Гауссу, кодирования jpeg и моделирования тумана.

Потенциал для быстрых и плавных 3D-игр, подобных тем, которые основаны на различных 3D-движках, выпущенных с открытым исходным кодом от программного обеспечения ID, хороший. На самом деле я пока не мог найти такую ​​работу, но уверен, что она изменится.

искусственный интеллект

Хорошо иметь хороший графический процессор для вычислений на основе CUDA и для игр, но настоящая сила Jetson Nano заключается в том, что вы начинаете использовать его для машинного обучения (или ИИ, как любят его называть маркетологи).

У Nvidia есть проект с открытым исходным кодом под названием «Jetson Inference», который работает на всех своих платформах Jetson, включая Nano. Он демонстрирует различные умные методы машинного обучения, включая распознавание объектов и обнаружение объектов. Для разработчиков это отличная отправная точка для создания реальных проектов машинного обучения. Для рецензентов это крутой способ узнать, на что способно аппаратное обеспечение!

Также прочитайте: Как создать свой собственный цифровой помощник с Raspberry Pi

Нейронная сеть распознавания объектов насчитывает около 1000 объектов в своем репертуаре. Он может работать как с неподвижными изображениями, так и в реальном времени с камеры. Аналогично, демонстрация обнаружения объектов знает о собаках, лицах, идущих людях, самолетах, бутылках и стульях.

При запуске с камеры в режиме реального времени демонстрация распознавания возражений может обрабатываться (и маркироваться) со скоростью около 17 кадров в секунду. Демонстрация обнаружения объектов с поиском лиц выполняется на скорости около 10 кадров в секунду.

Visionworks - это SDK Nvidia для компьютерного зрения. Он реализует и расширяет стандарт Khronos OpenVX и оптимизирован для графических процессоров с поддержкой CUDA и SOC, включая Jetson Nano.

Для Jetson Nano доступно несколько различных демонстраций VisionWorks, включая отслеживание функций, оценку движения и стабилизацию видео. Это общие задачи, необходимые робототехнике и беспилотникам, автономному вождению и интеллектуальной аналитике видео.

При использовании видеопотока HD с разрешением 720p функция отслеживания работает со скоростью более 100 кадров в секунду, в то время как демонстрация оценки движения может рассчитать движение около шести или семи человек (и животных) из канала 480p при скорости 40 кадров в секунду.

Для видеооператоров Jetson Nano может стабилизировать видео с рук (шаткое) со скоростью более 50 кадров в секунду от входа 480p. Эти три демонстрации показывают задачи компьютерного зрения в реальном времени, работающие на высоких частотах. Надежная основа для создания приложений в широком диапазоне областей, которые включают видеовход.

Увлекательная демонстрация, которую Nvidia предоставила с моим блоком обзора, - «DeepStream». DeepStream SDK от Nvidia - это еще не выпущенная платформа для высокопроизводительных приложений потоковой аналитики, которые могут быть развернуты на месте в торговых точках, в умных городах, на промышленных предприятиях. области и многое другое.

Демонстрация DeepStream демонстрирует видеоаналитику в реальном времени на восьми входах 1080p. Каждый вход имеет кодировку H.264 и представляет собой типичные потоки, поступающие на IP-камеру. Это впечатляющая демонстрация, демонстрирующая отслеживание объектов в реальном времени людей и автомобилей со скоростью 30 кадров в секунду на восьми видеовходах. Помните, что это работает на Jetson Nano за 99 долларов!

Raspberry Pi Killer?

Помимо мощного графического процессора и некоторых сложных инструментов искусственного интеллекта, Jetson Nano также является полностью рабочим настольным компьютером, работающим под управлением версии Ubuntu Linux. Как среда рабочего стола, она имеет несколько явных преимуществ по сравнению с Raspberry Pi. Во-первых, он имеет 4 ГБ оперативной памяти. Во-вторых, это четырехъядерный процессор на базе Cortex-A57, в-третьих, USB 3.0 (для более быстрого внешнего хранилища).

Хотя запуск полного рабочего стола на Pi может быть трудным, использование Jetson Nano на рабочем столе намного приятнее. Я смог легко запустить Chromium с 5 открытыми вкладками; LibreOffice Writer; среда разработки Python IDLE; и пару окон терминала. Это происходит главным образом потому, что 4 ГБ ОЗУ, но время запуска и производительность приложений также превосходят Raspberry Pi из-за использования ядер Cortex-A57, а не ядер Cortex-A53.

Для тех, кто интересуется некоторыми фактическими показателями производительности. Используя мой threadtesttool (здесь, на GitHub) с восемью потоками, каждый из которых вычислял первые 12 500 000 простых чисел, Jetson Nano смог выполнить рабочую нагрузку за 46 секунд. Это соответствует четырем минутам на Raspberry Pi Model 3 и 21 секунде на моем рабочем столе Ryzen 5 1600.

Использование OpenSSL «скорости» теста, который проверяет производительность криптографических алгоритмов. Jetson Nano, по крайней мере, в 2,5 раза быстрее, чем Raspberry Pi 3, достигает пика в 10 раз быстрее, в зависимости от конкретного теста.

Среда разработки

Связанный: Узнайте, как разрабатывать приложения для Android в Академии DGiT!

Как среда разработки Arm, Jetson Nano превосходен. Вы получаете доступ ко всем стандартным языкам программирования, таким как C, C ++, Python, Java, Javascript, Go и Rust, а также можете даже запустить некоторые IDE. Я попробовал Eclipse из репозитория Ubuntu, но он не запустился. По иронии судьбы я смог без проблем запустить сборку кода Visual Studio для сообщества!

GPIO

Одной из ключевых особенностей Raspberry Pi является набор выводов ввода-вывода общего назначения (GPIO). Они позволяют подключать Pi к внешнему оборудованию, такому как светодиоды, датчики, двигатели, дисплеи и многое другое.

У Jetson Nano также есть набор выводов GPIO, и хорошая новость заключается в том, что они совместимы с Raspberry Pi. Первоначальная поддержка ограничена библиотекой Adafruit Blinka и пользовательским контролем контактов. Тем не менее, вся сантехника существует для широкой поддержки многих доступных Raspberry Pi HAT.

Чтобы проверить все это, я взял шляпу Pimoroni Rainbow и подключил ее к Jetson. Библиотека (https://github.com/pimoroni/rainbow-hat) для Rainbow HAT ожидает Raspberry Pi вместе с некоторыми базовыми библиотеками, поэтому я не пытался ее установить, однако я изменил один из примеров скрипты, которые поставляются с Jetson Nano, чтобы я мог заставить один из светодиодов платы мигать через Python.

Источник питания

Благодаря высокопроизводительному процессору и настольному компьютеру, например, графическому процессору, Jetson Nano имеет большой радиатор, и вы также можете купить дополнительный вентилятор. Плата имеет различные режимы питания, которые управляются с помощью программы под названием nvpmodel, Два основных режима питания - это конфигурация мощностью 10 Вт, которая использует все четыре ядра процессора и позволяет графическому процессору работать с максимальной скоростью. Другой режим 5W, который отключает два ядра и регулирует скорость графического процессора.

Если вы используете приложения, которые повышают производительность платы, вам необходимо убедиться, что вы используете хороший источник питания. Для общего пользования вы можете использовать USB для питания, если источник питания рассчитан как минимум на 2,5A. Для высокопроизводительных задач вы должны использовать источник питания 5 В / 4 А, который имеет отдельное гнездо и включается с помощью перемычки на плате.

Заключительные мысли

Если вы посмотрите на Jetson Nano как доступный путь к платформе Jetson, то это замечательно. Вместо того, чтобы тратить 600 долларов или больше, чтобы получить комплект для разработки, который совместим с предложениями Nvidia по машинному обучению и работает с такими платформами, как VisionWorks, вы просто платите 99 долларов. То, что вы получаете, все еще обладает высокой способностью и способностью выполнять множество интересных задач машинного обучения. Кроме того, он оставляет дверь открытой для обновления до более крупных версий Jetson, если это необходимо.

Как прямая альтернатива Raspberry Pi, ценностное предложение менее привлекательно, так как Pi стоит всего 35 долларов (меньше, если вы выбираете одну из моделей Zero). Цена является ключевой: хочу ли я Jetson Nano или три платы Raspberry Pi?

Если вы хотите что-то наподобие Raspberry Pi, но с большей вычислительной мощностью, большим графическим процессором и четырехкратным увеличением оперативной памяти, тогда Jetson Nano - ответ. Конечно, это стоит больше, но вы получаете больше.

Итог таков: если Raspberry Pi достаточно хорош для вас, придерживайтесь его. Если вам нужна более высокая производительность, если вы хотите машинного обучения с аппаратным ускорением, если вы хотите выйти в экосистему Jetson, то приобретите Jetson Nano сегодня!

$ 99Купить на Amazon