Jetson Nano: Nvidia Machine Learning Single Board



Kemarin, Nvidia mengumumkan Jetson Nano : A Single Board AI Computing Computer. Komputer kecil dengan dukungan CUDA-X AI library menghadirkan 472 gigaflops untuk menjalankan beban kerja AI modern dengan hanya mengonsumsi 5 watt.

Seorang pemain papan tunggal disajikan pada Konferensi Teknologi GPU, dan presentasi tersebut dibuat oleh pendiri dan CEO Nvidia Jensen Huang.

Spesifikasi teknis:

  • GPU: Nvidia dengan arsitektur Maxwell dengan 128 core CUDA
  • Prosesor: Quad-core ARM Cortex-A57 MPCore
  • Video: 4K pada 30 frame per detik (format H.264 / H.265) dan 4K pada 60 frame per detik (format H.264 / H.265) untuk pengodean dan dekode, masing-masing
  • Output Video: HDMI 2.0 atau DP1.2 | eDP 1.4 | DSI (1 Γ— 2), dua sekaligus
  • RAM: 4 GB LPDDR4 64-bit; 25,6 GB / s
  • Memori flash: 16 GB eMMC
  • Kamera: 12 baris (3 Γ— 4 atau 4 Γ— 2) MIPI CSI-2 DPHY 1.1 (1,5 Gbit / dtk), 12x (modul) dan 1x (kit pengembang)
  • Konektor: 1 Γ— 1/2/4 PCIE, 1 Γ— USB 3.0, 3 Γ— USB 2.0
  • I / O: pin 1 Γ— SDIO / 2 Γ— SPI / 6 Γ— I2C / 2 Γ— I2S / GPIO
  • Jaringan: Gigabit Ethernet
  • Dukungan OS: Linux untuk Tegra
  • Ukuran modul: 69,5 Γ— 45 mm
  • Ukuran devkit: 100 Γ— 80 mm
  • Koneksi: konektor 260-pin

Jetson Nano hadir dalam dua versi:

  1. Devkit untuk pengembang, produsen, dan penggemar seharga $ 99;
  2. modul siap pakai untuk perusahaan yang ingin membuat sistem untuk pasar massal seharga $ 129.

Jetson Nano mendukung sensor resolusi tinggi, secara bersamaan dapat memproses informasi dari beberapa sensor dan menjalankan beberapa jaringan saraf pada saat bersamaan. Ini juga mendukung banyak kerangka kerja AI populer, yang memungkinkan pengembang untuk mengintegrasikan model dan kerangka kerja favorit mereka.

Menurut Nvidia, kartu single-board murah "sempurna untuk bisnis, pemula dan peneliti," yang sebelumnya tidak mampu membeli papan yang lebih mahal. Dengan demikian, platform Jetson secara signifikan memperluas audiensnya, dan akselerator AI benar-benar menjadi hampir produk konsumen. Setidaknya pembuat ini dapat membeli pembuat ini. Menurut Nvidia, dewan β€œmembawa kekuatan AI modern ke platform yang murah, merangsang gelombang inovasi baru dari produsen, penemu, pengembang dan siswa. Mereka dapat membuat proyek AI yang sebelumnya tidak mungkin, dan membawa proyek yang ada ke tingkat yang baru - robot dan drone seluler, asisten digital, perangkat otomatis dan banyak lagi. ”

Kit ini hadir dengan dukungan untuk Linux desktop penuh, kompatibel dengan banyak periferal dan aksesori populer. Buku referensi juga tersedia untuk membantu Anda mengetahui hal ini. Sebagai upaya terakhir, Anda dapat mengajukan pertanyaan di forum pengembang Jetson , tempat rekan kerja akan menjawab pertanyaan teknis.

Ini bukan produk Nvidia pertama dalam keluarga Jetson, yang juga mencakup sistem Jetson AGX Xavier yang kuat untuk mesin yang berdiri sendiri dan Jetson TX2 untuk aplikasi tertanam (AI at the Edge).


Jetson AGX Xavier

Sebagai perbandingan, Jetson AGX Xavier berjalan pada GPU Volta 512-core dengan tensor core, ada akselerator pembelajaran yang mendalam, memori 16 GB, akselerator penglihatan komputer khusus (VLIW Vision Processor 7-Way), kemampuan untuk menyandikan video dengan resolusi hingga 8K dan mendekode secara bersamaan. hingga 12 stream 4K. Banyak dari ini yang hilang dari papan mono Jetson Nano. Tapi kemudian itu jauh lebih kecil dan lebih murah daripada Jetson AGX Xavier: hanya 69,6 Γ— 45 mm terhadap 87 Γ— 100 mm dan harganya $ 99 melawan $ 1299. Seperti yang mereka katakan, rasakan perbedaannya.

Anggota ketiga keluarga Jetson TX2 datang dalam tiga versi: TX2 (8GB), TX2 4GB dan TX2i. Mereka juga berbeda dalam jumlah memori flash (16-32 GB) dan keberadaan built-in Wi-Fi, yang hanya di TX2 (8GB).


Jetson tx2

Jetson TX2 menjalankan GPU Pascal dengan 256 core Nvidia CUDA. Dalam spesifikasi dan ukuran lain (87 Γ— 50 mm), papan Jetson TX2 mirip dengan Jetson Nano, tetapi harganya jauh lebih mahal: sekitar $ 600 (devkit). Jadi Jetson Nano lebih murah daripada ratusan dolar - ini benar-benar sesuatu yang istimewa untuk Nvidia.

Source: https://habr.com/ru/post/id444442/


All Articles