Le Nvidia Jetson Nano remplacera-t-il le Raspberry Pi?

Publicité

C'est une période passionnante pour l'informatique à petit facteur. Comme si le Raspberry Pi n'était pas assez une machine polyvalente, des cartes plus puissantes capables de prouesses incroyables continuent d'apparaître.

Le Jetson Nano de Nvidia est un ajout récent aux rangs des cartes ultra-performantes activées pour l'apprentissage automatique. Qu'est-ce qui le rend spécial? Devriez-vous en acheter un? Qu'est-ce que le Nvidia Jetson Nano?

Qu'est-ce que le Nvidia Jetson Nano?

Le Jetson Nano est un ordinateur monocarte (SBC) de la taille d'un Raspberry Pi, destiné à l'IA et à l'apprentissage automatique. Apparemment un concurrent direct de la carte Google Coral Dev, il est le troisième de la famille Jetson aux côtés des cartes de développement TX2 et AGX Xavier déjà disponibles.

Nvidia tire parti de ses prouesses pour la puissance de traitement graphique de ces petits ordinateurs, en utilisant des réseaux de neurones parallèles pour traiter simultanément plusieurs vidéos et capteurs.

Alors que les trois cartes Jetson visent à être accessibles à tous, la Nano est destinée aux développeurs amateurs et professionnels. Le kit de développement comprend deux parties: une carte de base pour la connectivité et un système sur module (SOM) pour les unités de traitement réelles.

Qu'est-ce que le système sur le module?

Le système sur module fait référence à toute carte de développement qui a toutes les parties critiques du système dans un module amovible. Le Nano dispose d'un connecteur de bord à 260 broches pour le fixer à une plinthe pour le développement.

Une fois le développement terminé, le SOM peut être supprimé et ajouté dans un système intégré avec des entrées personnalisées, et un nouveau SOM se connecte à la carte de base pour un développement ultérieur.

Si tout cela vous semble un peu familier, ça l'est!

Il s'agit de la même configuration que le Tableau Google Coral Dev La carte de développement Google Coral est-elle meilleure qu'un Raspberry Pi?Annonçant une nouvelle ère dans les conseils d'amateur accessibles, qu'est-ce que le conseil Coral Dev de Google? Et peut-il remplacer votre Raspberry Pi? Lire la suite , qui est d'une taille similaire, et vise également l'apprentissage automatique intégré pour les amateurs et les professionnels!

Quelles sont les spécifications du Jetson Nano?

Nvidia a beaucoup emballé dans le Jetson Nano:

SOM:

• CPU: Processeur Quad-core ARM® Cortex-A57 MPCore
• GPU: architecture Nvidia Maxwell ™ avec 128 cœurs Nvidia CUDA
• RAM: 4 Go 64 bits LPDDR4
• Stockage: 16 Go eMMC 5.1 Flash
• Vidéo: encodage 4k @ 30fps, décodage 4k @ 60fps
• Caméra: 12 voies (3 × 4 ou 4 × 2) MIPI CSI-2 DPHY 1.1 (1,5 Gbps)
• Connectivité: Gigabit Ethernet
• Affichage: HDMI 2.0 ou DP1.2 | eDP 1.4 | DSI (1 x2) 2 simultanés
• 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
• Dimensions: 69,6 mm x 45 mm

Plinthe:

• USB: 4x USB 3.0, USB 2.0 Micro-B
• Caméra: 1x voies MIPI CSI-2 DPHY (compatible avec la caméra Raspberry Pi)
• LAN: Gigabit Ethernet, M.2 clé E
• Stockage: emplacement microSD
• Affichage: HDMI 2.0 et eDP 1.4
• Autres E / S: GPIO, I2C, I2S, SPI, UART

Qu'est-ce que ça peut faire?

Cela ne choquera personne que Nvidia ait produit une planche bien adaptée aux tâches visuelles. La reconnaissance d'objets est un objectif clé ici, et le SDK Visionworks a de nombreuses applications potentielles dans ce domaine.

Plutôt que d'utiliser une unité de traitement distincte pour les tâches d'apprentissage automatique, le Jetson Nano utilise un processeur graphique Maxwell avec 128 cœurs CUDA pour le levage de charges lourdes.

Le projet Jetson Inference propose des démonstrations d'un réseau neuronal pré-formé effectuant une reconnaissance multi-objets haute performance dans une variété d'environnements. Le suivi des fonctionnalités, la stabilisation d'image, la prédiction de mouvement et le traitement de flux simultané multi-source sont tous présentés dans les packages de démonstration disponibles.

Le plus impressionnant est peut-être la technologie DeepStream présentée dans la vidéo ci-dessus. L'exécution d'analyses en direct sur huit flux 1080p simultanés à 30 ips sur un petit ordinateur à carte unique est incroyable et montre la puissance potentielle du matériel du Nano.

À quoi servira-t-il?

Compte tenu de ses prouesses pour l'analyse vidéo et de son petit facteur de forme, le Jetson Nano brillera presque certainement dans la robotique et les véhicules autonomes. De nombreuses démos montrent ces applications en action.

Compte tenu de sa puissance et de sa taille, il fonctionnera également probablement dans des systèmes embarqués qui reposent sur la reconnaissance faciale et d'objets.

Pour les amateurs comme nous? Il semble être un mélange parfait de puissantes possibilités d'apprentissage automatique dans un facteur familier à tous ceux qui ont joué avec un Raspberry Pi. Bien que vous puissiez utiliser des cadres d'apprentissage automatique comme TensorFlow sur un Raspberry Pi Premiers pas avec la reconnaissance d'image à l'aide de TensorFlow et Raspberry PiVous voulez vous familiariser avec la reconnaissance d'image? Grâce à Tensorflow et à un Raspberry Pi, vous pouvez commencer immédiatement. Lire la suite , le Jetson Nano est beaucoup plus adapté à la tâche.

Que peut faire le Jetson Nano?

Le Jetson Nano exécute Ubuntu, bien qu'une image de système d'exploitation spécialisée soit disponible auprès de Nvidia avec un logiciel spécifique à la plate-forme. Bien que l'objectif principal de la carte soit l'apprentissage automatique, il s'agit de Nvidia, vous vous attendez donc à ce que de la magie graphique se poursuive également.

Vous ne serez pas déçu. Des démos montrant des systèmes de particules, un rendu fractal en temps réel et un éventail d'effets visuels n'auraient été trouvées que récemment sur des cartes graphiques de bureau phares.

Étant donné que son encodage vidéo est évalué à 4k @ 30fps et son décodage à 60fps, il est sûr de supposer que le Nano sera également parfait pour les applications vidéo.

Jetson Nano vs. Conseil de développement de corail: quel est le meilleur?

Il est difficile de dire quelle est la meilleure carte entre la carte Google Coral Dev et la Jetson Nano à ce stade.

Le réseau de neurones TensorFlow de Google est une force dominante dans le domaine de l'apprentissage automatique. Il s'ensuit que le propre coprocesseur Edge TPU de Google pourrait mieux fonctionner pour les applications de TensorFlow Lite.

D'un autre côté, Nvidia a déjà montré une impressionnante gamme de démos basées sur l'apprentissage automatique pour le Jetson Nano. En plus des graphismes impressionnants, le Nano est capable d'en faire un véritable concurrent.

Combien coûte Jetson Nano?

Le prix est un autre aspect que nous n'avons pas encore couvert. La carte Google Coral Dev se vend à 149,99 $ tandis que le Jetson Nano n'est que de 99 $. À moins que la carte Coral Dev ne puisse apporter quelque chose d'unique à la table, les amateurs et les petits développeurs pourraient trouver les 50 $ supplémentaires difficiles à justifier.

Il n'y a actuellement aucun prix pour le SOM seul pour les deux cartes, mais j'imagine que pour la plupart des développeurs amateurs, cela ne sera pas aussi important. D'un point de vue commercial, c'est le contraste performance / prix qui va faire la différence critique entre la Jetson Nano et la carte Coral Dev.

Le Jetson Nano est disponible auprès de Nvidia directement auprès de vendeurs tiers.

Acheter: Jetson Nano directement de Nvidia

Pourrait-il remplacer mon Raspberry Pi?

Bien que la carte Google Coral Dev soit puissante, elle ne se cumule pas au Raspberry Pi à certains égards. Le Raspberry Pi est un excellent ordinateur de loisir pour l'électronique de bricolage. Ça peut aussi double comme ordinateur de bureau Utilisation d'un Raspberry Pi comme ordinateur de bureau: 7 choses que j'ai apprises après une semaineUn modeste Raspberry Pi peut-il remplacer un PC de bureau? J'ai passé sept jours à écrire et éditer sur le Pi, avec des résultats intéressants. Lire la suite dans un pincement.

Bien sûr, la carte Coral Dev est puissante, mais leurs propres documents déconseillent de connecter une souris et un clavier. Le système d'exploitation personnalisé du Coral est principalement destiné aux connexions SSH. Cependant, il est probablement capable de supporter toute variation de Linux. Cela le remet là-bas en tant que concurrent direct de Pi

Il y a cependant un problème. Si vous voulez une planche pour l'apprentissage automatique, mais qui peut également effectuer d'autres tâches quotidiennes, pourquoi acheter la planche Coral Dev?

Le Jetson Nano prend en charge un port d'affichage et, comme mentionné précédemment, il présente des exemples vidéo impressionnants directement à la sortie de la boîte. Le bureau Ubuntu personnalisé sera familier à beaucoup et le prix moins élevé en fera une perspective attrayante pour beaucoup, même ceux qui ne sont pas intéressés par l'apprentissage automatique.

L'IA pour tous

À ce stade, il est difficile de dire quelle sera la meilleure planche. Il est également inconnu qui sera plus accessible aux développeurs à domicile. J'ai hâte de passer du temps avec les planches Coral Dev et Jetson Nano pour obtenir une réponse définitive!

C'est un moment passionnant pour bricoler avec les SBC! Si vous êtes nouveau dans ce domaine et que vous souhaitez commencer, procurez-vous un Raspberry Pi et suivez nos guide de démarrage ultime Raspberry Pi: le tutoriel non officielQue vous soyez un propriétaire Pi actuel qui veut en savoir plus ou un propriétaire potentiel de cet appareil de la taille d'une carte de crédit, ce n'est pas un guide que vous voulez manquer. Lire la suite !