A Nvidia Jetson Nano substituirá o Raspberry Pi?

Propaganda

É um momento emocionante para a computação com pequenos fatores. Como se o Raspberry Pi não fosse uma máquina multifuncional, placas mais poderosas, capazes de feitos incríveis, continuam aparecendo.

O Jetson Nano da Nvidia é uma adição recente às fileiras de placas super poderosas habilitadas para aprendizado de máquina. O que o torna especial? Você deveria comprar um? O que é o Nvidia Jetson Nano?

O que é o Nvidia Jetson Nano?

O Jetson Nano é um computador de placa única (SBC) do tamanho de um Raspberry Pi, voltado para IA e aprendizado de máquina. Aparentemente um concorrente direto da diretoria do Google Coral Dev, é o terceiro da família Jetson ao lado das já existentes TX2 e AGX Xavier.

A Nvidia está aproveitando sua capacidade de processamento de gráficos para esses pequenos computadores, usando redes neurais paralelas para processar vários vídeos e sensores simultaneamente.

Enquanto todas as três placas da Jetson pretendem ser acessíveis a todos, o Nano é para desenvolvedores profissionais e para hobby. O kit de desenvolvimento compreende duas partes - um rodapé para conectividade e um System On Module (SOM) para as unidades de processamento reais.

O que é o sistema no módulo?

System on Module refere-se a qualquer placa de desenvolvimento que possua todas as partes críticas do sistema em um módulo removível. O Nano possui um conector de borda de 260 pinos para conectá-lo a um rodapé para desenvolvimento.

Depois que o desenvolvimento termina, o SOM pode ser removido e adicionado a um sistema incorporado com entradas personalizadas, e um novo SOM se conecta ao rodapé para desenvolvimento adicional.

Se tudo isso soa um pouco familiar, é!

Esta é a mesma configuração que o Placa do Google Coral Dev O Google Coral Dev Board é melhor que um Raspberry Pi?Anunciando uma nova era em pranchas amadores acessíveis, exatamente o que é o Coral Dev Board do Google? E ele pode substituir o seu Raspberry Pi? consulte Mais informação , que é de tamanho semelhante e também visa o aprendizado de máquina incorporado para amadores e profissionais!

Quais são as especificações do Jetson Nano?

A Nvidia incluiu muito no Jetson Nano:

SOM:

• CPU: Processador ARM® Cortex-A57 MPCore de quatro núcleos
• GPU: arquitetura Nvidia Maxwell ™ com 128 núcleos Nvidia CUDA
• RAM: LPDDR4 de 4 GB e 64 bits
• Armazenamento: 16 GB eMMC 5.1 Flash
• Vídeo: codificação 4k a 30fps, decodificação 4k a 60fps
• Câmera: 12 pistas (3 × 4 ou 4 × 2) MIPI CSI-2 DPHY 1.1 (1.5 Gbps)
• Conectividade: Gigabit Ethernet
• Tela: HDMI 2.0 ou DP1.2 | eDP 1.4 | DSI (1 x2) 2 simultâneo
• PCIE / USB: 1 x1 / 2/4 PCIE, 1x USB 3.0, 3x USB 2.0
• E / S: 1x SDIO / 2x SPI / 6x I2C / 2x I2S / GPIOs
• Dimensões: 69,6 mm x 45 mm

Rodapé:

• USB: 4x USB 3.0, USB 2.0 Micro-B
• Câmera: 1x pistas DPI MIPI CSI-2 (compatível com câmera Raspberry Pi)
• LAN: Gigabit Ethernet, M.2 Chave E
• Armazenamento: slot microSD
• Monitor: HDMI 2.0 e eDP 1.4
• Outras E / S: GPIO, I2C, I2S, SPI, UART

O que é que isso pode fazer?

Não será um choque para ninguém que a Nvidia tenha produzido uma placa adequada para tarefas visuais. O reconhecimento de objetos é um foco principal aqui, e o Visionworks SDK possui muitos aplicativos em potencial neste campo.

Em vez de usar uma unidade de processamento separada para tarefas de aprendizado de máquina, o Jetson Nano usa uma GPU Maxwell com 128 núcleos CUDA para o trabalho pesado.

O projeto Jetson Inference apresenta demonstrações de uma rede neural pré-treinada, realizando reconhecimento de múltiplos objetos de alto desempenho em uma variedade de ambientes. O rastreamento de recursos, a estabilização de imagem, a previsão de movimento e o processamento simultâneo de feeds com várias fontes são todos apresentados nos pacotes de demonstração disponíveis.

Talvez o mais impressionante seja a tecnologia DeepStream apresentada no vídeo acima. A execução de análises ao vivo em oito fluxos simultâneos de 1080p a 30fps em um pequeno computador de placa única é incrível e mostra a potência potencial do hardware do Nano.

Para que será usado?

Dado seu talento para análise de vídeo e seu pequeno formato, o Jetson Nano quase certamente brilhará em robótica e veículos autônomos. Muitas das demos mostram esses aplicativos em ação.

Dado seu poder e tamanho, provavelmente também funcionará em sistemas embarcados que dependem do reconhecimento facial e de objetos.

Para os entusiastas como nós? Parece ser uma mistura perfeita de poderosas possibilidades de aprendizado de máquina, um fator familiar para quem já brincou com um Raspberry Pi. Embora você possa usar estruturas de aprendizado de máquina como TensorFlow em um Raspberry Pi Introdução ao reconhecimento de imagens usando o TensorFlow e o Raspberry PiDeseja entender o reconhecimento de imagem? Graças ao Tensorflow e um Raspberry Pi, você pode começar imediatamente. consulte Mais informação , o Jetson Nano é muito mais adequado para a tarefa.

O que mais o Jetson Nano pode fazer?

O Jetson Nano roda o Ubuntu, embora uma imagem especializada do sistema operacional esteja disponível na Nvidia com software específico para a plataforma. Embora o foco principal da placa seja o aprendizado de máquina, essa é a Nvidia, portanto, você também deve esperar alguma mágica gráfica.

Você não ficará desapontado. As demonstrações de sistemas de partículas, renderização fractal em tempo real e uma variedade de efeitos visuais só seriam encontradas até recentemente em placas gráficas de desktop.

Dado que sua codificação de vídeo é classificada para 4k a 30fps e decodifica a 60fps, é seguro assumir que o Nano também será perfeito para aplicativos de vídeo.

Jetson Nano vs. Coral Dev Board: Qual é o melhor?

É difícil dizer qual é a melhor placa entre a placa do Google Coral Dev e o Jetson Nano nesta fase.

A rede neural TensorFlow do Google é uma força dominante no campo do aprendizado de máquina. Conclui-se que o coprocessador Edge TPU do Google pode funcionar melhor para aplicativos do TensorFlow Lite.

Por outro lado, a Nvidia já mostrou uma impressionante variedade de demos baseadas em aprendizado de máquina para o Jetson Nano. Isto, juntamente com os gráficos impressionantes, o Nano é capaz de torná-lo um verdadeiro concorrente.

Quanto custa o Jetson Nano?

O preço é outro aspecto que ainda não abordamos. O conselho do Google Coral Dev é vendido por US $ 149,99, enquanto o Jetson Nano custa apenas US $ 99. A menos que o conselho da Coral Dev possa trazer algo único para a mesa, entusiastas e pequenos desenvolvedores podem achar os US $ 50 extras um esforço difícil para justificar.

Atualmente, não há preço apenas para o SOM para qualquer placa, mas eu imagino que para a maioria dos desenvolvedores de hobby isso não será tão importante. Do ponto de vista comercial, o contraste desempenho / preço será o que faz a diferença crítica entre o Jetson Nano e o Coral Dev.

O Jetson Nano está disponível na Nvidia diretamente junto com vendedores de terceiros.

Comprar: Jetson Nano direto da Nvidia

Poderia substituir o meu Raspberry Pi?

Embora o quadro do Google Coral Dev seja poderoso, ele não se compara ao Raspberry Pi de alguma maneira. O Raspberry Pi é um ótimo computador de hobby para eletrônicos de bricolage. Também pode dobra como um computador de mesa Usando um Raspberry Pi como um PC de mesa: 7 coisas que aprendi depois de uma semanaUm Raspberry Pi modesto pode substituir um PC de mesa? Passei sete dias escrevendo e editando no Pi, com resultados interessantes. consulte Mais informação em uma pitada.

Certamente, a placa Coral Dev é poderosa, mas seus próprios documentos desaconselham a conexão de um mouse e teclado. O SO personalizado do Coral é principalmente para conexões SSH. É, no entanto, provavelmente capaz de sustentar qualquer variação do Linux. Isso o coloca de volta como concorrente direto do Pi

Há um problema, porém. Se você deseja um quadro para o aprendizado de máquinas, mas que também pode executar outras tarefas diárias, por que você compraria o Coral Dev Board?

O Jetson Nano suporta uma porta de exibição e, como mencionado anteriormente, tem exemplos de vídeo impressionantes diretamente da caixa. O desktop Ubuntu personalizado será familiar para muitos e o preço mais baixo o tornará uma perspectiva atraente para muitos, mesmo para aqueles que não estão interessados ​​em aprendizado de máquina.

AI para todos

Nesta fase, é difícil dizer qual será o melhor conselho. Também não se sabe qual será mais acessível para os desenvolvedores domésticos. Estou ansioso para passar um tempo com os conselhos de Coral Dev e Jetson Nano para obter uma resposta definitiva!

É um momento emocionante para mexer com os SBCs! Se você é novo e quer um lugar para começar, obtenha um Raspberry Pi e siga nossas guia de introdução final Raspberry Pi: o tutorial não oficialSe você é um proprietário atual do Pi que deseja saber mais ou um proprietário em potencial desse dispositivo de tamanho de cartão de crédito, este não é um guia que você deseja perder. consulte Mais informação !