NVIDIA Jetson Nano 2GB porta la potenza del machine learning a un prezzo Raspberry Pi
Lo sviluppo di macchine autonome è un campo in espansione, poiché l’apprendimento automatico si diffonde dal data center e dal cloud, ai dispositivi endpoint periferici che stanno diventando molto più capaci e utili con la visione artificiale e le tecnologie di inferenza. La sola robotica ha rivoluzionato la produzione, lo stoccaggio e molti altri settori. In quanto tale, NVIDIA ha mantenuto un forte focus su edge AI e ML, offrendo le sue soluzioni di calcolo small form factor Jetson e Jetson Nano che sfruttano le piattaforme di accelerazione GPU dell’azienda combinate con il suo modello di programmazione CUDA che è onnipresente anche nelle applicazioni AI per data center . Storicamente, le soluzioni di kit per sviluppatori Jetson di NVIDIA avevano un prezzo variabile, dalla più potente piattaforma Jetson Xavier NX dell’azienda a $ 399, al suo kit Jetson Nano a basso costo a $ 99. Tuttavia, più recentemente,
A soli $ 59 presso rivenditori come Amazon, Jetson Nano porta la CPU ibrida personalizzata Arm core e le tecnologie GPU Maxwell di NVIDIA fino a un prezzo Raspberry Pi 4 che sarà molto più accessibile al mondo accademico, agli sviluppatori professionisti e agli hobbisti. Il kit Jetson Nano da 2 GB è specificamente alimentato da un complesso CPU Arm Cortex-A57 quad-core a 1,43 GHz, insieme a una GPU NVIDIA Maxwell composta da 128 core CUDA. Come puoi immaginare, Jetson Nano 2GB ha solo 2 GB di RAM LPDDR4 a bordo rispetto alla scheda Nano standard che ha 4 GB. Tuttavia, la piattaforma palmare ha ancora molte opzioni IO, tra cui una USB 3.0 Type-A, 2 USB 2.0 Type-A, 1 USB 2.0 Micro-B, un’intestazione da 40 GPIO, un’intestazione di alimentazione / UART a 12 pin, 4 intestazione della ventola a pin, jack RJ45 Gigabit Ethernet, porta HDMI full-size e dongle USB wireless 802.11ac incluso. A bordo c’è anche uno slot per schede microSD per l’archiviazione (scheda non inclusa) e un connettore MIPI CSI-2 per collegare una fotocamera, per dare al Nano 2GB un paio di occhi. Il kit è installato in una scheda IO in stile mezzanino e in una configurazione slot SODIMM, in cui il motore di elaborazione si aggancia alla scheda IO con un dissipatore di calore integrato.
Quindi quelle sono tutte le velocità, i feed e le specifiche di go-in-go-out, ma ciò che puoi effettivamente fare con questo piccolo pezzo di skynet è dove le cose si fanno interessanti e decisamente divertenti. La piattaforma Jetson Nano da 2 GB è adatta per i principianti di intelligenza artificiale e machine learning che vogliono iniziare a dilettarsi nelle aree dell’inferenza edge o della robotica. Il portale per sviluppatori Jetson di NVIDIA ha preconfigurato le immagini desktop di Ubuntu 18.04 Linux che possono essere facilmente installate su una scheda SD per l’avvio e la visualizzazione rapidi.
Applicazioni di inferenza che possono essere elaborate da Jetson Nano 2GB
Inferenza di carichi di lavoro e applicazioni che Jetson Nano 2GB può elaborare NVIDIA
Protezione dei bambini in Venezuela durante la pandemia
Da lì, NVIDIA ospita un sacco di risorse e progetti su GitHub, incluso il suo progetto Hello AI World che offre una serie di modelli addestrati che possono essere utilizzati per l’inferenza in una varietà di applicazioni, come puoi vedere sopra. Ben Funk di HotHardware è arrivato al punto di prendere un sensore della fotocamera Sony IMX219 poco costoso, collegarlo alla porta CSI-2 (interfaccia seriale della fotocamera) del Jetson Nano 2GB e in un pomeriggio il suo Jetson ha riconosciuto pedoni e segnali stradali sul strada. Abbastanza bello, vero?
Ho anche avuto modo di passare un po ‘di tempo con un kit Jetson Nano da 2 GB e, a differenza di Ben, non sono uno sviluppatore ma ho trovato abbastanza facile essere installato e funzionante, anche se fondamentalmente sono solo un copia e incolla del codice . Tuttavia, a mio avviso come analista tecnologico, NVIDIA vede il potenziale di mercato di rendere la piattaforma Jetson accessibile e più conveniente per una fascia più ampia di utenti a un prezzo aggressivo. I computer con fattore di forma ultracompatto e scheda singola come questi sono molto apprezzati dai produttori di tutti i ceti sociali, quindi sono un veicolo eccellente per diffondere l’influenza dell’apprendimento automatico in lungo e in largo.
C’è stato un tempo, indietro nel tempo, in cui NVIDIA è diventato proverbiale Johnny Appleseed sul mercato, consentendo agli sviluppatori e al mondo accademico ovunque possibile con la sua piattaforma di sviluppo software CUDA di accelerare il data center e i carichi di lavoro HPC AI sulle sue potenti GPU. Ora la società sta facendo passi da gigante per abilitare più applicazioni edge e milioni di sviluppatori che lavorano nello spazio, con nuovi strumenti per accelerare i carichi di lavoro di inferenza AI anche sulle sue tecnologie GPU.
