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.
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.
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.
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.
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.
Как мы видим, Jetson Nano значительно превосходит Intel Neural Compute Stick 2
© digitrode.ru