[译] 边缘AI计算新品:NVIDIA Jetson Nano

最近下单了NVIDIA Jetson Nano开发套件,由于国内没有现货,需要过一段时间才能拿到。这几天在收集相关的资料,现翻译一篇介绍NVIDIA Jetson Nano的文章:NVIDIA Jetson Nano, a Raspberry Pi on steroids。原文地址:https://blog.raccoons.be/nvidia-jetson-nano ,略有删减。

在上周测试了Google Coral USB加速棒之后,我们在本周也对NVidia Jetson Nano进行了评测。

image

首次开箱

盒子有啥?

盒子里有Jetson Nano…这个答案有点简短,所以让我们来谈谈Jetson Nano究竟是什么:

它基本上是NVidia用来对付谷歌发布的Coral Edge TPU的一款产品,其目标是在边缘运行人工智能(EdgeAI)。有趣的是,他们实现处理大模型的计算能力的方式完全不同。

Jetson Nano基本规格为:四核ARM Cortex-A57, 4GB LPDDR4 RAM,128CUDA核心Maxwell GPU。

image

NVIDIA

区别在哪里?

如果说谷歌Coral TPU就是ASIC(专用集成电路),NVidia Jetson则是一个结合了128核GPU的ARM CPU,一个更传统和抽象的装置。

ASIC,抽象,啥?

抽象装置是一种可以做许多不同事情的设备,它有多种用途。相反,ASIC开发出来只做一件事。但是:当然,没有什么是免费的,Jetson也如此,它带来了效率成本。从互联网上查到的数据,使用MobileNet V2时,Coral的得分要好得多,而且Jetson Nano功耗比Google Coral还高。但是MobileNet V2是目前Coral仅能运行的网络。(因为它是一个ASIC,它只运行为其开发的模型,定制的网络通过Google编译器编译也可用)

我可能会做另一个关于Jetson Nano和Coral Edge TPU之间比较的博客,我认为这是一个有趣的故事。

image

对比 - 来源:NVIDIA

是的,当使用MobileNet检测对象时,效能上它被Google Coral完爆。但那不是重点,重点是它是一款强大的64位ARM,拥有128核GPU。它可以运行任何东西。我已经安装和测试过TensorFlow-GPU,就像任何其他具有CUDA能力的NVIDIA GPU的桌面系统一样。

一则轶事可展示它有多么强大:今天我忘记了我的macbook,我决定在Jetson Nano上进行工作。是的,操作系统的UI部分似乎比我的旧主力机上的macOS响应性稍差,但由于CUDA加速,所有ML的任务都更快。

测试之路

Jetson Nano的操作系统(JetPack,Ubuntu 18.04 LTS)似乎没有预先安装TensorFlow。当然,大多数所需的软件包都可非常容易的通过pip或apt-get安装。

image

用GPU正确识别皮卡丘分类

结论

NVIDIA Jetson Nano看起来像一个很好的工程产品,小巧、酷炫、功能强大。我很确定很快就可以轻松地从桌面移植一些人工智能项目,但与谷歌Coral相比,它易用性较差。但我认为它应该与树莓派进行比较(正如标题所示):它是类RPi的产品!我真的很期待在上面做一些工作,并预感将它与Coral USB加速棒组合起来将会非常性感!我认为没预置TensorFlow是一个遗憾,这会让它更容易上手。

今天先到这儿,我很快就会做一些性能测试,届时我将比较Jetson Nano、Raspberry Pi、RPi + Coral、Jetson Nano + Coral和桌面i7 + GTX1080,使用MobileNet V2进行图片分类,敬请关注!

image

来源:NVIDIA

image

展开阅读全文

没有更多推荐了,返回首页