цифровая электроника
вычислительная техника
встраиваемые системы

 
» » » Обзор NVIDIA Jetson Nano – GPU-плата для машинного обучения за $99

Обзор NVIDIA Jetson Nano – GPU-плата для машинного обучения за $99

Автор: Mike(admin) от 19-03-2019, 11:35

Недавно со сцены на конференции NVIDIA по технологиям графических процессоров было объявлено о новом оборудовании, ориентированном непосредственно на радиолюбителей, преподавателей и студентов, модуль Jetson Nano и комплект разработчика Jetson Nano.


NVIDIA Jetson Nano

В последние год или два произошел резкий скачок доступности встраиваемого оборудования, способного выполнять задачи машинного обучения, и в результате мы увидели начало кардинальных изменений в применении машинного обучения ив том, как может быть построен Интернет вещей.


Недавно появились заточенные под искусственный интеллект платы, такие как Intel Neural Compute Stick, BeagleBone AI и Edge TPU от Google. Эти платы, основанные на специализированных микросхемах ASIC невероятно быстры в реализации алгоритмов машинного обучения по сравнению с большинством одноплатных компьютеров.


Традиционно предложение NVIDIA на этом рынке, основанное на их аппаратном обеспечении на базе графических процессоров, снова получило более высокую мощность и было сравнительно дорогим. Их платы Jetson TX стоят от 299 до 799 долларов, а их высококачественная плата Jetson AGX Xavier стоит 1099 долларов. Но теперь все изменилось, когда NVIDIA объявила о модуле и наборе разработчика Jetson Nano.


Предназначенный непосредственно для специализирующихся в электронике энтузиастов и студентов, модуль Jetson Nano будет продаваться по гораздо более разумной цене в 129 долларов. Хотя большинство пользователей заинтересует именно Jetson Nano Developer Kit, так как NVIDIA, как ни странно продает его всего за 99 долларов.


Jetson Nano создан на базе 64-разрядного четырехъядерного процессора ARM Cortex-A57, работающего на частоте 1,43 ГГц, наряду с графическим процессором NVIDIA Maxwell с 128 ядрами CUDA, поддерживающими 472 GFLOP (FP16), и имеет 4 ГБ 64-разрядной оперативной памяти LPDDR4 вместе с 16 ГБ хранилища eMMC и работает под управлением Linux для Tegra. Модуль размером 70 × 45 мм имеет 260-контактный разъем SODIMM, который выводит интерфейсы, включая шины для видео, аудио, USB и сетевые интерфейсы, и позволяет подключать его к совместимой несущей плате.


Комплект NVIDIA Jetson Nano

Что интересного в Jetson Nano Developer Kit? Выпущенный вместе с модулем Jetson Nano, этот комплект служит как платой для оценки модуля, так и примером платы-носителя. Помимо прочего, он поддерживает Gigabit Ethernet, 4 разъема USB 3.0, порты HDMI и DisplayPort, разъем для камеры MIPI-CSI, слот для карты Micro SD и Power-over-Ethernet (PoE).


Далее приведены предоставленные компанией NVIDIA характеристики платы и комплекта Jetson Nano.


Характеристики NVIDIA Jetson Nano

Плата также имеет линии GPIO, I2C, I2S, SPI, PWM и UART, доступные через 40-выводной разъем GPIO, подозрительно похожий на тот, который используется в Raspberry Pi.


Потребляемая мощность платы составляет от 5 до 10 Вт, и она может питаться от единственного порта microUSB, расположенного рядом с разъемом Ethernet. Однако, глядя на требования к комплекту, одна вещь, которая сразу бросается в глаза в отношении новой платы, это потенциально проблематично высокие требования к характеристикам блока питания. Так, NVIDIA рекомендует, чтобы комплект Jetson Nano Dev Kit был запитан от источника питания micro-USB 5 В от 2 А до 3,5 А, с дополнительной рекомендацией использовать источник питания на 5 В и 4 А, что заставляет немного сомневаться по поводу предполагаемой потребляемой мощности от 5 до 10 Вт. К счастью, на плате также есть гнездовой разъем, а это значит, что вы можете питать его от «обычного» источника постоянного тока, а не от USB.


Комплект NVIDIA Jetson Nano

Одна из интересных особенностей Jetson Nano заключается в том, что он не является урезанной версией других плат NVIDIA и поддерживает ряд различных систем машинного обучения, включая TensorFlow, PyTorch, MxNet, Keras и Caffe.


Он также поддерживает NVIDIA JetPack и DeepStream SDK, как и более дорогие, хотя и гораздо более мощные платы TX и AGX Xavier. Относительно мощный по сравнению с конкурентами, данный модуль нацелен на сравнительно высокопроизводительные задачи машинного обучения, такие как проведение логического вывода с использованием нескольких нейронных сетей.


Ниже представлен график сравнения производительности Coral (Edge TPU), Raspberry Pi 3 с Intel Neural Compute Stick 2 и Jetson Nano.


сравнение Edge TPU, Intel Neural Compute Stick 2 и Jetson Nano

Как мы видим, Jetson Nano значительно превосходит Intel Neural Compute Stick 2




© digitrode.ru


Теги: машинное обучение, искусственный интеллект



   Благодарим Вас за интерес к информационному проекту digitrode.ru.
   Если Вы хотите, чтобы интересные и полезные материалы выходили чаще, и было меньше рекламы,
   Вы можее поддержать наш проект, пожертвовав любую сумму на его развитие.


Уважаемый посетитель, Вы зашли на сайт как незарегистрированный пользователь.
Мы рекомендуем Вам зарегистрироваться либо войти на сайт под своим именем.

Комментарии:

Оставить комментарий