Nvidia Jetson Nano sostituirà il Raspberry Pi?

• Fai da te

Annuncio pubblicitario

È un momento entusiasmante per l'elaborazione di piccoli fattori. Come se il Raspberry Pi non fosse abbastanza per una macchina per tutti gli usi, continuano a comparire schede più potenti in grado di prodezze incredibili.

Il Jetson Nano di Nvidia è una recente aggiunta ai ranghi di schede super potenti abilitate all'apprendimento automatico. Cosa lo rende speciale? Dovresti comprarne uno? In cosa consiste Nvidia Jetson Nano?

Cos'è Nvidia Jetson Nano?

Il Jetson Nano è un computer a scheda singola (SBC) delle dimensioni di un Raspberry Pi e mirato all'intelligenza artificiale e all'apprendimento automatico. Apparentemente un concorrente diretto della scheda Google Coral Dev, è il terzo della famiglia Jetson a fianco delle schede di sviluppo TX2 e AGX Xavier già disponibili.

Nvidia sta sfruttando le sue capacità per la potenza di elaborazione grafica di questi piccoli computer, utilizzando reti neurali parallele per elaborare più video e sensori contemporaneamente.

Mentre tutte e tre le schede Jetson mirano ad essere accessibili a tutti, Nano è sia per gli appassionati che per gli sviluppatori professionisti. Il kit di sviluppo comprende due parti: una scheda di base per la connettività e un System On Module (SOM) per le unità di elaborazione effettive.

Che cos'è System on Module?

Sistema su modulo si riferisce a qualsiasi scheda di sviluppo che abbia tutte le parti critiche del sistema in un modulo rimovibile. Il Nano è dotato di un connettore perimetrale a 260 pin per collegarlo a una scheda base per lo sviluppo.

Al termine dello sviluppo, SOM può essere rimosso e aggiunto in un sistema incorporato con input personalizzati e un nuovo SOM si collega alla scheda di base per un ulteriore sviluppo.

Se tutto ciò suona un po 'familiare, lo è!

Questa è la stessa configurazione della scheda Google Coral Dev È la scheda Google Coral Dev migliore di un Raspberry Pi? Google Coral Dev Board è migliore di un Raspberry Pi? Annunciando una nuova era nelle schede per hobbisti accessibili, qual è la Coral Dev Board di Google? E può sostituire il tuo Raspberry Pi? Leggi di più, che ha dimensioni simili, e mirava anche all'apprendimento automatico incorporato per hobbisti e professionisti!

Quali sono le specifiche di Jetson Nano?

Nvidia ha impacchettato molto nel Jetson Nano:

SOM :

• CPU: processore quad-core ARM® Cortex-A57 MPCore
• GPU: architettura Nvidia Maxwell ™ con core CUDA 128 Nvidia
• RAM: 4 GB a 64 bit LPDDR4
• Memoria: 16 GB eMMC 5.1 Flash
• Video: codifica 4k @ 30fps, decodifica 4k @ 60fps
• Fotocamera: 12 corsie (3 × 4 o 4 × 2) MIPI CSI-2 DPHY 1.1 (1, 5 Gbps)
• Connettività: Gigabit Ethernet
• Display: HDMI 2.0 o DP1.2 | eDP 1.4 | DSI (1 x2) 2 contemporaneamente
• 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
• Dimensioni: 69, 6 mm x 45 mm

Battiscopa :

• USB: 4x USB 3.0, USB 2.0 Micro-B
• Fotocamera: 1x corsie MIPI CSI-2 DPHY (compatibile con fotocamera Raspberry Pi)
• LAN: Gigabit Ethernet, chiave M.2 E
• Conservazione: slot microSD
• Display: HDMI 2.0 ed eDP 1.4
• Altro I / O: GPIO, I2C, I2S, SPI, UART

Cosa può fare?

Non sarà uno shock per nessuno che Nvidia abbia prodotto una scheda adatta per compiti visivi. Il riconoscimento degli oggetti è un obiettivo chiave qui e Visionworks SDK ha molte potenziali applicazioni in questo campo.

Anziché utilizzare un'unità di elaborazione separata per le attività di apprendimento automatico, Jetson Nano utilizza una GPU Maxwell con 128 core CUDA per il sollevamento di carichi pesanti.

Il progetto Jetson Inference presenta demo di una rete neurale pre-addestrata che esegue il riconoscimento di oggetti multipli ad alte prestazioni in una varietà di ambienti. Tracciamento delle funzionalità, stabilizzazione dell'immagine, previsione del movimento ed elaborazione simultanea di feed multi-source sono tutti presenti nei pacchetti demo disponibili.

Forse la più impressionante è la tecnologia DeepStream descritta nel video sopra. L'esecuzione di analisi dal vivo su otto flussi simultanei a 1080p a 30 fps su un piccolo computer a scheda singola è incredibile e mostra la potenza potenziale dell'hardware di Nano.

A cosa servirà?

Data la sua abilità nell'analisi video e nel fattore di forma ridotto, Jetson Nano brillerà quasi sicuramente nella robotica e nei veicoli autonomi. Molte demo mostrano queste applicazioni in azione.

Data la sua potenza e dimensioni, probabilmente funzionerà anche in sistemi embedded che si basano sul riconoscimento di oggetti e volti.

Per gli hobbisti come noi? Sembra essere una miscela perfetta di potenti possibilità di apprendimento automatico in un fattore familiare a chiunque abbia giocato con un Raspberry Pi. Mentre puoi usare framework di machine learning come TensorFlow su un Raspberry Pi Inizia con il riconoscimento delle immagini usando TensorFlow e Raspberry Pi Inizia con il riconoscimento delle immagini usando TensorFlow e Raspberry Pi Vuoi fare i conti con il riconoscimento delle immagini? Grazie a Tensorflow e un Raspberry Pi, puoi iniziare subito. Per saperne di più, il Jetson Nano è molto più adatto al compito.

Che altro può fare il Jetson Nano?

Jetson Nano esegue Ubuntu, sebbene da Nvidia sia disponibile un'immagine del sistema operativo specializzata con software specifico per la piattaforma. Mentre l'obiettivo principale della scheda è l'apprendimento automatico, questo è Nvidia, quindi ti aspetteresti che anche alcuni maghi grafici continuino.

Non rimarrete delusi. Demo che mostravano sistemi di particelle, rendering in tempo reale dei frattali e una serie di effetti visivi sarebbero stati trovati solo fino a poco tempo fa su schede grafiche desktop di punta.

Dato che la sua codifica video è classificata per 4k a 30 fps e la decodifica a 60 fps, è sicuro che Nano sia perfetto anche per le applicazioni video.

Jetson Nano vs. Coral Dev Board: qual è la migliore?

È difficile dire quale sia la tavola migliore tra la scheda Google Coral Dev e la Jetson Nano in questa fase.

La rete neurale TensorFlow di Google è una forza dominante nel campo dell'apprendimento automatico. Ne conseguirebbe che il coprocessore Edge TPU di Google potrebbe funzionare meglio per le applicazioni di TensorFlow Lite.

D'altra parte, Nvidia ha già mostrato una serie impressionante di demo basate sull'apprendimento automatico per Jetson Nano. Questo, insieme alla grafica impressionante, Nano è in grado di renderlo un vero concorrente.

Quanto costa Jetson Nano?

Il prezzo è un altro aspetto che non abbiamo ancora trattato. La scheda Google Coral Dev viene venduta a $ 149, 99 mentre la Jetson Nano costa solo $ 99. A meno che la scheda Coral Dev non riesca a portare qualcosa di unico sul tavolo, hobbisti e piccoli sviluppatori potrebbero trovare un extra di $ 50 per giustificare.

Al momento non esiste un prezzo per la SOM da sola per entrambe le schede, ma immagino che per la maggior parte degli sviluppatori di hobby questo non sarà altrettanto importante. Da un punto di vista commerciale, il contrasto prestazioni / prezzo sarà ciò che fa la differenza fondamentale tra la Jetson Nano e la scheda Coral Dev.

Jetson Nano è disponibile direttamente da Nvidia insieme a venditori di terze parti.

Acquista : Jetson Nano direttamente da Nvidia

Potrebbe sostituire il mio Raspberry Pi?

Mentre la scheda Google Coral Dev è potente, in qualche modo non si accumula con il Raspberry Pi. Il Raspberry Pi è un ottimo computer per hobby per l'elettronica fai-da-te. Può anche raddoppiare come computer desktop Uso di Raspberry Pi come PC desktop: 7 cose che ho imparato dopo una settimana Uso di Raspberry Pi come PC desktop: 7 cose che ho imparato dopo una settimana Un Raspberry Pi modesto può sostituire un PC desktop? Ho trascorso sette giorni a scrivere e modificare il Pi, con risultati interessanti. Maggiori informazioni in un pizzico.

Certo, la scheda Coral Dev è potente, ma i loro documenti sconsigliano di collegare mouse e tastiera. Il sistema operativo personalizzato di Coral è principalmente per le connessioni SSH. Tuttavia, è probabilmente in grado di sostenere qualsiasi variazione di Linux. Questo lo riporta lassù come un concorrente Pi diretto

C'è un problema però. Se desideri una scheda per l'apprendimento automatico delle macchine, ma una che può anche svolgere altre attività quotidiane, perché dovresti acquistare la Coral Dev Board?

Jetson Nano supporta una porta di visualizzazione e, come accennato in precedenza, ha esempi video impressionanti immediatamente pronti all'uso. Il desktop Ubuntu personalizzato sarà familiare a molti e il prezzo più economico lo renderà una prospettiva attraente per molti, anche per coloro che non sono interessati all'apprendimento automatico.

AI per tutti

In questa fase, è difficile dire quale sarà la tavola migliore. È anche sconosciuto che sarà più accessibile agli sviluppatori domestici. Non vedo l'ora di trascorrere del tempo con entrambe le schede Coral Dev e Jetson Nano per ottenere una risposta definitiva!

È un momento entusiasmante per armeggiare con gli SBC! Se sei nuovo e vuoi un punto di partenza, prendi un Raspberry Pi e segui la nostra guida introduttiva definitiva Raspberry Pi: il tutorial non ufficiale Raspberry Pi: il tutorial non ufficiale Sia che tu sia un attuale proprietario Pi che desideri saperne di più o un potenziale proprietario di questo dispositivo delle dimensioni di una carta di credito, questa non è una guida da non perdere. Leggi di più !

Ulteriori informazioni su: Google TensorFlow, Jetson Nano, Machine Learning, Raspberry Pi.