Zal de Nvidia Jetson Nano de Raspberry Pi vervangen?
Advertentie
Het is een spannende tijd voor kleine factor computing. Alsof de Raspberry Pi niet genoeg was van een machine voor alle doeleinden, verschijnen er steeds krachtigere boards met ongelooflijke prestaties.
De Jetson Nano van Nvidia is een recente toevoeging aan de rangen van superkrachtige boards voor machinaal leren. Wat maakt het speciaal? 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) met de grootte van een Raspberry Pi en gericht op AI en machine learning. Schijnbaar een directe concurrent van het Google Coral Dev-bord, is het de derde in de Jetson-familie naast de al beschikbare TX2- en AGX Xavier-ontwikkelborden.
Nvidia maakt gebruik van hun bekwaamheid voor grafische verwerkingskracht voor deze kleine computers, met behulp van parallelle neurale netwerken om meerdere video's en sensoren tegelijkertijd te verwerken.
Hoewel alle drie de Jetson-boards voor iedereen toegankelijk willen zijn, is de Nano voor zowel hobby- als professionele ontwikkelaars. De ontwikkelaarskit bestaat uit twee delen: een plint voor connectiviteit en een System On Module (SOM) voor de daadwerkelijke verwerkingseenheden.
Wat is een systeem op module?
Systeem op module verwijst naar elk ontwikkelbord dat alle systeemkritieke onderdelen in een verwijderbare module heeft. De Nano beschikt over een 260-pins randconnector om hem voor ontwikkeling aan 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 verbonden met de baseboard voor verdere ontwikkeling.
Als dit allemaal een beetje bekend klinkt, is het dat wel!
Dit is dezelfde opstelling als het Google Coral Dev-bord. Is het Google Coral Dev-bord beter dan een Raspberry Pi? Is het Google Coral Dev Board beter dan een Raspberry Pi? Een nieuw tijdperk aankondigen in toegankelijke hobbyborden, wat is Coral Dev Board van Google? En kan het uw Raspberry Pi vervangen? Lees meer, van vergelijkbare grootte, en ook gericht op embedded machine learning voor zowel hobbyisten als professionals!
Wat zijn de specificaties van de Jetson Nano?
Nvidia heeft veel ingepakt in de Jetson Nano:
SOM :
- CPU: Quad-core ARM® Cortex-A57 MPCore-processor
- GPU: Nvidia Maxwell ™ -architectuur met 128 Nvidia CUDA-kernen
- RAM: 4 GB 64-bit 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 x1 / 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 rijstroken (compatibel met Raspberry Pi-camera)
- LAN: Gigabit Ethernet, M.2 Key E
- Opslag: microSD-slot
- Beeldscherm: HDMI 2.0 en eDP 1.4
- Andere I / O: GPIO, I2C, I2S, SPI, UART
Wat kan het doen?
Het zal niemand verbazen dat Nvidia een bord heeft geproduceerd dat 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 taken van machine learning, gebruikt de Jetson Nano een Maxwell GPU met 128 CUDA-kernen voor het zware werk.
Het Jetson Inference-project biedt demo's van een vooraf getraind neuraal netwerk dat hoogwaardige, meervoudige objectherkenning uitvoert in verschillende omgevingen. Functietracking, beeldstabilisatie, bewegingsvoorspelling en multi-source gelijktijdige feedverwerking zijn allemaal opgenomen in de beschikbare demopakketten.
Misschien wel het meest indrukwekkend is de DeepStream-technologie die in de bovenstaande video wordt weergegeven. Het uitvoeren van live analyses op acht gelijktijdige 1080p-streams met 30 fps op een kleine enkele boardcomputer is ongelooflijk en toont de potentiële kracht van de hardware van de Nano.
Waarvoor wordt het gebruikt?
Gezien zijn dapperheid voor video-analyse en kleine vormfactor, zal de Jetson Nano vrijwel zeker schitteren in robotica en autonome voertuigen. Veel van de demo's tonen deze applicaties in actie.
Gezien zijn kracht en grootte, zal het waarschijnlijk ook werken in ingebedde systemen die afhankelijk zijn van gezichts- en objectherkenning.
Voor hobbyisten zoals wij? Het lijkt een perfecte mix van krachtige mogelijkheden voor machine learning te zijn in een factor die iedereen kent die aan een Raspberry Pi heeft gespeeld. Terwijl u machine learning frameworks zoals TensorFlow op een Raspberry Pi kunt gebruiken Aan de slag met beeldherkenning met behulp van TensorFlow en Raspberry Pi Aan de slag met beeldherkenning met behulp van TensorFlow en Raspberry Pi Wilt u grip krijgen op beeldherkenning? Dankzij Tensorflow en een Raspberry Pi kun je meteen aan de slag. Lees meer, de Jetson Nano is veel meer geschikt voor de taak.
Wat kan de Jetson Nano doen?
De Jetson Nano voert Ubuntu uit, hoewel een gespecialiseerde OS-image beschikbaar is van Nvidia met software die specifiek is voor het platform. Hoewel de primaire focus van het bord machine learning is, is dit Nvidia, dus je zou verwachten dat er ook wat grafische tovenarij aan de hand is.
U zult niet teleurgesteld worden. Demo's met deeltjessystemen, real-time fractale weergave en een scala aan visuele effecten zouden tot voor kort alleen te vinden zijn geweest op vlaggenschip grafische videokaarten.
Aangezien de videocodering geschikt is voor 4k @ 30fps en decodering op 60fps, is het veilig om aan te nemen dat de Nano ook perfect is voor videotoepassingen.
Jetson Nano vs. Coral Dev Board: Welke is het beste?
Het is moeilijk om te zeggen wat in dit stadium het betere bord is tussen het Google Coral Dev-bord en de Jetson Nano.
Het neurale netwerk TensorFlow van Google is een dominante kracht op het gebied van machine learning. Hieruit zou volgen dat de eigen Edge TPU-coprocessor van Google mogelijk beter werkt voor toepassingen van TensorFlow Lite.
Aan de andere kant heeft Nvidia al een indrukwekkend scala aan op machine learning gebaseerde demo's voor de Jetson Nano getoond. Dit, naast de indrukwekkende graphics, is de Nano in staat om er een echte concurrent van 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 kost. Tenzij het Coral Dev-bord iets unieks voor de tafel kan brengen, kunnen hobbyisten en kleine ontwikkelaars de extra $ 50 moeilijk vinden om 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 rechtstreeks bij Nvidia verkrijgbaar samen met externe verkopers.
Koop : Jetson Nano rechtstreeks van Nvidia
Kan het mijn Raspberry Pi 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-zelf-elektronica. Het kan ook verdubbelen als een desktopcomputer Een Raspberry Pi gebruiken als een desktop-pc: 7 dingen die ik na een week heb geleerd Een Raspberry Pi als een desktop-pc gebruiken: 7 dingen die ik na een week heb geleerd Kan een bescheiden Raspberry Pi een desktop-pc vervangen? Ik heb zeven dagen aan de Pi geschreven en bewerkt, met interessante resultaten. Lees meer in een snuifje.
Natuurlijk, het Coral Dev-bord is krachtig, maar hun eigen documenten raden af om een muis en toetsenbord aan te sluiten. Het aangepaste besturingssysteem van de Coral is voornamelijk bedoeld voor SSH-verbindingen. Het is echter waarschijnlijk in staat om elke variatie van Linux te ondersteunen. Dit brengt het terug daar als een directe Pi-concurrent
Er is echter een probleem. Als u een bord wilt om machine learning te leren, maar een bord dat ook andere dagelijkse taken kan uitvoeren, waarom zou u het Coral Dev-bord kopen?
De Jetson Nano ondersteunt een weergavepoort en zoals eerder vermeld, heeft hij direct indrukwekkende videovoorbeelden. De aangepaste Ubuntu-desktop is bij velen bekend en de goedkopere prijs maakt het een aantrekkelijk vooruitzicht voor velen, zelfs voor degenen die niet geïnteresseerd zijn in machine learning.
AI voor iedereen
In dit stadium is het moeilijk te zeggen welke het beste board zal zijn. Het is ook onbekend die beter toegankelijk zal zijn voor ontwikkelaars. Ik kijk ernaar uit om tijd door te brengen met zowel de Coral Dev en Jetson Nano boards om een definitief antwoord te krijgen!
Het is een spannende tijd om te sleutelen aan SBC's! Als je nieuw bent en een plek wilt om te beginnen, koop dan een Raspberry Pi en volg onze ultieme startgids Raspberry Pi: De onofficiële zelfstudie Raspberry Pi: De onofficiële zelfstudie Of je een huidige Pi-eigenaar bent die meer wil leren of een potentiële eigenaar van dit apparaat met creditcardformaat, dit is geen gids die u wilt missen. Lees verder !
Ontdek meer over: Google TensorFlow, Jetson Nano, Machine Learning, Raspberry Pi.
