我和jetson-nano的故事（1）——初见面

我和Jetson-Nano的故事（1）——初见面

摘要: Jetson Nano Developer Kit，是一款体积小巧、功能强大的人工智能(AI)开发套件，可助你快速入门学习AI技术，并将其应用到各种智能设备。

  自2019年3月19号，NVIDIA（英伟达）发布Jetson Nano以来，配合NVIDIA不断更新的AI教程资料，这一款官方售价99美刀的AI开发套件大受创客和教育者欢迎。如果你想入门AI，但是又苦于囊中羞涩，如果你想接触AI，但是又困于资料匮乏的话，相信我，Jetson Nano Developer Kit会是你不二的选择。

关于Jetson Nano Developer Kit

  Jetson nano搭载四核Cortex-A57 MPCore 处理器，采用128 核 Maxwell™ GPU。支持JetPack SDK. 支持主流的AI框架和算法，例如TensorFlow， PyTorch, Caffe/Caffe2, Keras, MXNet等。
支持人脸识别，物体识别追踪，对象检测和定位等应用。

技术规格：

GPU	NVIDIA Maxwell™ 架构，配备 128 个 NVIDIA CUDA® 核心
CPU	四核 ARM® Cortex®-A57 MPCore 处理器
内存	4 GB 64 位 LPDDR4
存储	Micro SD 卡卡槽（需要另购16G以上SD卡接入）
视频编码	4K @ 30 (H.264/H.265)
视频解码	4K @ 60 (H.264/H.265)
摄像头	12 通道（3x4 或 4x2）MIPI CSI-2 DPHY 1.1 (1.5 Gbps)
连接	千兆以太网
显示器	HDMI 2.0 或 DP1.2
UPHY	1 x1/2/4 PCIE、1x USB 3.0、3x USB 2.0
I/O	1x SDIO/2x SPI/4x I2C/2x I2S/GPIO

外观图片

1.Micro SD 卡卡槽: 可接入TF卡（16G以上），烧写系统镜像
2.40PIN GPIO扩展接口（兼容树莓派40PIN接口）
3.Micro USB接口：用于5V电源输入或者USB数据传输
4.千兆以太网口: 10/100/1000Base-T 自适应以太网端口
5.USB3.0接口：4个USB3.0接口
6.HDMI高清接口：用于外接HDMI屏幕
7.DisplayPort接口：用于外接DP屏幕
8.DC电源接口：用于外接5V电源（外径5.5， 内径2.1）
9.MIPS CSI 摄像头接口：兼容树莓派摄像头接口

性能

下面这一份表格是NVIDIA官方给出的性能对比表格，以供参考
DNR表示无法运行。

Model	Application	Framework	NVIDIA Jetson Nano	Raspberry Pi 3	Raspberry Pi 3 + Intel Neural Compute Stick 2
ResNet-50	(224×224)	Classification	TensorFlow	36 FPS
1.4 FPS	16 FPS	DNR
MobileNet-v2 (300×300)	Classification	TensorFlow	64 FPS	2.5 FPS	30 FPS
SSD ResNet-18 (960×544)	Object Detection	TensorFlow	5 FPS	DNR	DNR
SSD ResNet-18 (480×272)	Object Detection	TensorFlow	16 FPS	DNR	DNR
SSD ResNet-18 (300×300)	Object Detection	TensorFlow	18 FPS	DNR	DNR
SSD Mobilenet-V2 (960×544)	Object	Detection	TensorFlow	8 FPS	DNR
SSD Mobilenet-V2 (480×272)	Object Detection	TensorFlow	27 FPS	DNR	7 FPS
SSD Mobilenet-V2(300×300)	Object Detection	TensorFlow	39 FPS	1 FPS	11 FPS
Inception V4(299×299)	Classification	PyTorch	11 FPS	DNR	DNR
Tiny YOLO V3(416×416)	Object Detection	Darknet	25 FPS	0.5 FPS	DNR
OpenPose(256×256)	Pose Estimation	Caffe	14 FPS	DNR	5 FPS
VGG-19 (224×224)	Classification	MXNet	10 FPS	0.5 FPS	0.5 FPS
Super Resolution (481×321)	Image Processing	PyTorch	15 FPS	DNR	0.6 FPS
Unet(1x512x512)	Segmentation	Caffe	18 FPS	DNR	5 FPS

---

薛之谦-刚刚好

---

参考资料

• Getting Started With Jetson Nano Developer Kit
• Jetson Nano Developer Kit