¿El Nvidia Jetson Nano reemplazará la Raspberry Pi?
Anuncio
Es un momento emocionante para la informática de factor pequeño. Como si la Raspberry Pi no fuera suficiente como una máquina para todo uso, siguen apareciendo tableros más potentes capaces de hazañas increíbles.
El Jetson Nano de Nvidia es una adición reciente a las filas de tableros habilitados para aprendizaje automático superpotentes. ¿Qué lo hace especial? ¿Deberías comprar uno? ¿De qué se trata el Nvidia Jetson Nano?
¿Qué es el Nvidia Jetson Nano?
El Jetson Nano es una computadora de placa única (SBC) del tamaño de una Raspberry Pi, y está dirigida a la inteligencia artificial y el aprendizaje automático. Aparentemente un competidor directo del tablero de Google Coral Dev, es el tercero de la familia Jetson junto con los tableros de desarrollo TX2 y AGX Xavier ya disponibles.
Nvidia está aprovechando su destreza para la potencia de procesamiento de gráficos para estas pequeñas computadoras, utilizando redes neuronales paralelas para procesar múltiples videos y sensores simultáneamente.
Si bien los tres tableros Jetson tienen como objetivo ser accesibles para todos, el Nano es para desarrolladores aficionados y profesionales. El kit de desarrollo consta de dos partes: una placa base para la conectividad y un Módulo de sistema encendido (SOM) para las unidades de procesamiento reales.
¿Qué es el sistema en el módulo?
Sistema en módulo se refiere a cualquier placa de desarrollo que tenga todas las partes críticas del sistema en un módulo extraíble. El Nano cuenta con un conector de borde de 260 pines para conectarlo a una placa base para el desarrollo.
Una vez que finaliza el desarrollo, el SOM se puede quitar y agregar a un sistema integrado con entradas personalizadas, y un nuevo SOM se conecta a la placa base para un mayor desarrollo.
Si todo esto suena un poco familiar, ¡lo es!
Esta es la misma configuración que la placa Google Coral Dev ¿Es la placa Google Coral Dev mejor que una Raspberry Pi? ¿Es mejor la placa Google Coral Dev que una Raspberry Pi? Anunciando una nueva era en tableros de aficionados accesibles, ¿qué es el Coral Dev Board de Google? ¿Y puede reemplazar su Raspberry Pi? ¡Lea más, que tiene un tamaño similar, y también está dirigido al aprendizaje automático integrado para aficionados y profesionales por igual!
¿Cuáles son las especificaciones del Jetson Nano?
Nvidia ha empacado mucho en el Jetson Nano:
SOM :
- CPU: procesador ARM® Cortex-A57 MPCore de cuatro núcleos
- GPU: arquitectura Nvidia Maxwell ™ con 128 núcleos Nvidia CUDA
- RAM: 4 GB de LPDDR4 de 64 bits
- Almacenamiento: 16 GB eMMC 5.1 Flash
- Video: codificación 4k @ 30fps, decodificación 4k @ 60fps
- Cámara: 12 carriles (3 × 4 o 4 × 2) MIPI CSI-2 DPHY 1.1 (1.5 Gbps)
- Conectividad: Gigabit Ethernet
- Pantalla: HDMI 2.0 o DP1.2 | eDP 1.4 | DSI (1 x2) 2 simultáneas
- 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 / GPIO
- Dimensiones: 69, 6 mm x 45 mm.
Zócalo :
- USB: 4x USB 3.0, USB 2.0 Micro-B
- Cámara: 1x carriles MIPI CSI-2 DPHY (compatible con la cámara Raspberry Pi)
- LAN: Gigabit Ethernet, M.2 Clave E
- Almacenamiento: ranura microSD
- Pantalla: HDMI 2.0 y eDP 1.4
- Otras E / S: GPIO, I2C, I2S, SPI, UART
¿Qué puede hacer?
A nadie le sorprenderá que Nvidia haya producido una placa adecuada para tareas visuales. El reconocimiento de objetos es un enfoque clave aquí, y Visionworks SDK tiene muchas aplicaciones potenciales en este campo.
En lugar de usar una unidad de procesamiento separada para tareas de aprendizaje automático, el Jetson Nano usa una GPU Maxwell con 128 núcleos CUDA para el trabajo pesado.
El proyecto Jetson Inference presenta demostraciones de una red neuronal pre-entrenada que realiza reconocimiento de objetos múltiples de alto rendimiento en una variedad de entornos. El seguimiento de funciones, la estabilización de imagen, la predicción de movimiento y el procesamiento simultáneo de fuentes múltiples se presentan en los paquetes de demostración disponibles.
Quizás lo más impresionante es la tecnología DeepStream presentada en el video anterior. Ejecutar análisis en vivo en ocho transmisiones simultáneas de 1080p a 30 fps en una computadora pequeña de una sola placa es increíble y muestra la potencia potencial del hardware del Nano.
¿Para qué será utilizado?
Dada su destreza para el análisis de video y su factor de forma pequeño, el Jetson Nano seguramente brillará en la robótica y los vehículos autónomos. Muchas de las demostraciones muestran estas aplicaciones en acción.
Dada su potencia y tamaño, también es probable que funcione en sistemas integrados que dependen del reconocimiento facial y de objetos.
¿Para los aficionados como nosotros? Parece ser una combinación perfecta de potentes posibilidades de aprendizaje automático en un factor familiar para cualquiera que haya manipulado una Raspberry Pi. Si bien puede utilizar marcos de aprendizaje automático como TensorFlow en una Raspberry Pi, comience con el reconocimiento de imágenes con TensorFlow y Raspberry Pi Comience con el reconocimiento de imágenes con TensorFlow y Raspberry Pi ¿Desea familiarizarse con el reconocimiento de imágenes? Gracias a Tensorflow y una Raspberry Pi, puede comenzar de inmediato. Leer más, el Jetson Nano es mucho más adecuado para la tarea.
¿Qué más puede hacer el Jetson Nano?
El Jetson Nano ejecuta Ubuntu, aunque Nvidia tiene disponible una imagen de sistema operativo especializada con software específico para la plataforma. Si bien el enfoque principal de la placa es el aprendizaje automático, esto es Nvidia, por lo que también se esperaría que ocurra algo de magia gráfica.
No te decepcionará. Las demostraciones que muestran sistemas de partículas, representación fractal en tiempo real y una variedad de efectos visuales solo hasta hace poco se habrían encontrado en las tarjetas gráficas de escritorio insignia.
Dado que su codificación de video está clasificada para 4k @ 30fps, y la decodificación a 60fps, es seguro asumir que el Nano también será perfecto para aplicaciones de video.
Jetson Nano vs. Coral Dev Board: ¿Cuál es el mejor?
Es difícil decir cuál es el mejor tablero entre el tablero de Google Coral Dev y el Jetson Nano en esta etapa.
La red neuronal TensorFlow de Google es una fuerza dominante en el campo del aprendizaje automático. Seguiría que el propio coprocesador Edge TPU de Google podría funcionar mejor para aplicaciones de TensorFlow Lite.
Por otro lado, Nvidia ya ha mostrado una impresionante variedad de demostraciones basadas en aprendizaje automático para el Jetson Nano. Esto, junto con los impresionantes gráficos que el Nano es capaz de convertir en un verdadero competidor.
¿Cuánto cuesta Jetson Nano?
El precio es otro aspecto que aún no hemos cubierto. El tablero de Google Coral Dev se vende a $ 149.99, mientras que el Jetson Nano cuesta solo $ 99. A menos que la junta de Coral Dev pueda aportar algo único a la mesa, los aficionados y los pequeños desarrolladores pueden encontrar los $ 50 adicionales un tramo difícil de justificar.
Actualmente no hay un precio para el SOM solo para ninguna de las placas, pero me imagino que para la mayoría de los desarrolladores de pasatiempos esto no será tan importante. Desde un punto de vista comercial, el contraste rendimiento / precio será lo que marque la diferencia crítica entre el Jetson Nano y el tablero Coral Dev.
El Jetson Nano está disponible en Nvidia directamente junto con vendedores de terceros.
Comprar : Jetson Nano directo de Nvidia
¿Podría reemplazar mi Raspberry Pi?
Si bien la placa Google Coral Dev es potente, de alguna manera no se compara con la Raspberry Pi. La Raspberry Pi es una gran computadora para aficionados a la electrónica de bricolaje. También puede funcionar como una computadora de escritorio. Usar un Raspberry Pi como una PC de escritorio: 7 cosas que aprendí después de una semana Usar una Raspberry Pi como una PC de escritorio: 7 cosas que aprendí después de una semana ¿Puede un modesto Raspberry Pi reemplazar una PC de escritorio? Pasé siete días escribiendo y editando en el Pi, con resultados interesantes. Leer más en un apuro.
Claro, la placa Coral Dev es poderosa, pero sus propios documentos desaconsejan conectar un mouse y un teclado. El sistema operativo personalizado de Coral es principalmente para conexiones SSH. Sin embargo, es probable que sea capaz de soportar cualquier variación de Linux. Esto lo pone de nuevo allí como un competidor directo de Pi
Sin embargo hay un problema. Si desea un tablero para el aprendizaje automático, pero que también puede realizar otras tareas diarias, ¿por qué compraría el Coral Dev Board?
El Jetson Nano admite un puerto de pantalla y, como se mencionó anteriormente, tiene impresionantes ejemplos de video listos para usar. El escritorio Ubuntu personalizado será familiar para muchos y el precio más barato lo convertirá en una perspectiva atractiva para muchos, incluso para aquellos que no están interesados en el aprendizaje automático.
AI para todos
En esta etapa, es difícil decir cuál será la mejor tabla. También se desconoce cuál será más accesible para los desarrolladores domésticos. ¡Espero pasar tiempo con los tableros de Coral Dev y Jetson Nano para obtener una respuesta definitiva!
¡Es un momento emocionante para jugar con los SBC! Si es nuevo y desea un lugar para comenzar, obtenga una Raspberry Pi y siga nuestra guía de inicio definitiva Raspberry Pi: el tutorial no oficial Raspberry Pi: el tutorial no oficial Si usted es un propietario actual de Pi que desea obtener más información o propietario potencial de este dispositivo del tamaño de una tarjeta de crédito, esta no es una guía que quiera perderse. Lee mas !
Explore más sobre: Google TensorFlow, Jetson Nano, Machine Learning, Raspberry Pi.
