Hardware

El Jetson Nano estilo Raspberry Pi es una poderosa computadora con IA de bajo costo de Nvidia

El Jetson Nano Developer Kit de $99 es una placa de desarrollo diseñada para ejecutar modelos de aprendizaje automático y usarlos para realizar tareas como la visión por computadora.

Los desarrolladores que desean utilizar el aprendizaje automático en dispositivos caseros o prototipos acaban de obtener una nueva y poderosa opción de bajo costo, Nvidia mostró el Jetson Nano.

Este Kit de desarrollador Jetson Nano de $ 99 son tableros diseñados para ejecutar modelos de aprendizaje automático y usarlos para realizar tareas como visión por computadora.

Nvidia tiene tablero de visualización Se utiliza para resaltar personas y automóviles capturados por transmisiones de CCTV, mientras se ejecuta la detección de objetos en tiempo real en ocho transmisiones de 1080p30, utilizando un modelo basado en ResNet que se ejecuta a resolución completa y procesa un rendimiento de 500 megapíxeles por segundo.

La diminuta placa contiene una CPU basada en Arm y una GPU Nvidia basada en la arquitectura Maxwell de 2014, que en conjunto ofrecen 472 GFLOP de rendimiento informático con un consumo de solo 5 vatios.

Ver también: Cursos gratuitos de aprendizaje automático de Google, Amazon y Microsoft: ¿Qué ofrecen? (Estudios Técnicos Profesionales)

nvidia Publicó una serie de puntos de referencia Se demostró que el Jetson Nano supera a la competencia al ejecutar varios modelos de visión por computadora.Los resultados mostraron que el Jetson Nano venció al Raspberry Pi 3 de $35 (modelo no mencionado), al Pi 3 con el Intel Neural Compute Stick 2 de $90 y al recién lanzado Placa Google Coral con Edge TPU (Unidad de procesamiento de tensores)Estas pruebas implican ejecutar una serie de modelos de visión por computadora, realizar detección de objetos, clasificación, segmentación de estimación de pose y procesamiento de imágenes. Específicamente, Jetson muestra un rendimiento superior cuando ejecuta inferencias en modelos bien entrenados ResNet-18, ResNet-50, Inception V4, Tiny YOLO V3, OpenPose, VGG-19, Super-Resolution y Unet.

LEER  Guía de regalos navideños de supervivencia para padres con exceso de trabajo

La Jetson Nano es la única placa capaz de ejecutar muchos modelos de aprendizaje automático, y donde otras placas pueden ejecutar los modelos, la Jetson Nano suele ser muchas veces más rápida que sus competidores.

Jesse Clayton, gerente senior de productos para máquinas autónomas de Nvidia, le dijo al sitio hermano de Tecnopedia, ZDNet, que la GPU de Jetson Nano Puede ejecutar una gama más amplia de modelos de aprendizaje automático que los chips especializados en Google Edge TPU.

No todo fue fácil para el Jetson Nano, sin embargo, cuando se ejecutó un modelo SSD Mobilenet-V2 capacitado en imágenes de resolución de 300×300, la placa Coral de Google superó al Jetson Nano, que podía funcionar a 48 cuadros por segundo. (FPS) en comparación con 39FPS en el Jetson Nano.

La prueba anterior también es un punto de referencia proporcionado por Nvidia, en las propias pruebas de Google de la placa Coral. Afirma ser capaz de «ejecutar MobileNet v2 a más de 100 FPS de manera eficiente en energía»Las publicaciones en línea también son Comenzó con los propietarios de Google Coral que afirmaban que debería funcionar mejor cuando se ejecuta MobileNet v2 de lo que afirma Nvidia.

Jetson Nano también se puede usar para entrenar modelos de aprendizaje automático que superan al tablero Edge de Google, Esto también requiere que cargues el modelo a Google para su compilación.Sin embargo, dado el costo de la placa, el rendimiento del entrenamiento puede ser limitado, especialmente en comparación con el uso de GPU para PC más costosas o arreglos de GPU basados ​​en la nube. Solo debe ser realizado por aquellos «dispuestos a esperar más tiempo para obtener resultados».

El Jetson Nano se basa en una CPU de cuatro núcleos de 64 bits basada en Arm, una GPU Nvidia integrada de 128 núcleos y 4 GB de memoria LPDDR4.

nuevo Kit de desarrollo de software JetPack 4.2 Proporcione un entorno Linux de escritorio completo para la placa de desarrollo, basado en Ubuntu 18.04, el sistema operativo se incluye con NVIDIA CUDA Toolkit 10.0 y bibliotecas como cuDNN 7.3 y TensorRT 5.

Kit de desarrollo Incluye la capacidad de instalar localmente marcos populares de ML de código abiertocomo TensorFlow, PyTorch, Caffe, Keras y MXNet, así como marcos para el desarrollo de robótica y visión artificial, como OpenCV y ROS.

Nvidia dice que se puede conectar una variedad de periféricos al Jetson Nano a través de sus puertos y encabezados GPIO, como el aprendizaje profundo imprimible en 3D robot a reacción NVIDIA lo ha abierto en GitHub y también es compatible con el módulo de cámara Raspberry Pi v2, que se puede conectar al puerto MIPI CSI-2 de la placa.

Para aquellos que comienzan con el aprendizaje automático en Jetson Nano, Nvidia ofrece hola mundo de la inteligencia artificial La guía, que dice permitirá a los nuevos usuarios entrenar la clasificación de imágenes en vivo y la detección de objetos que se ejecutan en el tablero en «horas».

Las empresas que deseen convertir un Jetson Nano en un producto terminado pueden comprar el producto en un factor de forma de sistema en módulo (SOM) de 70 x 45 mm.

El SOM estilo SODIMM de 260 pines comenzará a enviarse en junio de 2023 por $ 129; ordene 1,000 unidades. El módulo de cómputo dirigido a la producción incluirá almacenamiento integrado eMMC de 16 GB y E/S mejorada con PCIe Gen2 x4/x2/x1, MIPI DSI, GPIO adicional y 12 carriles MIPI CSI-2 para conectar varias cámaras hasta tres x4 o hasta cuatro cámaras en una configuración x4/x2.

Especificaciones del kit de desarrollo Jetson Nano

UPC ARM A57 de cuatro núcleos de 64 bits a 1,43 GHz
procesador de gráficos Nvidia Maxwell de 128 núcleos a 921 MHz
memoria LPDDR4 de 4 GB y 64 bits a 1600 MHz | 25,6 GB/s
Codificador de vídeo* 4Kp30 | (4x) 1080p30 | (2x) 1080p60
Códec de vídeo* 4Kp60 | (2x) 4Kp30 | (8x) 1080p30 | (4x) 1080p60
USB 4x USB 3.0 A (Anfitrión) | USB 2.0 Micro B (Dispositivo)
cámara MIPI CSI-2 x2 (conector Flex de 15 posiciones)
anexo HDMI | Puerto de pantalla
redes Ethernet Gigabit (RJ45)
inalámbrica M.2 Clave-E con PCIe x1
almacenamiento Tarjeta MicroSD (se recomienda un mínimo de 16 GB UHS-1)
Otras E/S (3x) I2C | (2x) SPI | Serie | I2S | GPIO

nvidiaboard

LEER  Compaq TFT7020: gran valor para usuarios empresariales

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Botón volver arriba