Phenquestions
Az alábbiakban bemutatjuk a legjobb választásainkat:
1. NVIDIA Jetson Xavier NX fejlesztői készlet
A Jetson Xavier NX fejlesztőkészlet egy rajongói szintű eszköz, fogyasztói szintű árral. Ehhez a TX2 teljesítménye szükséges, és feljebb lép. Az NVidia szerint az NX teljesítménymátrixok 10x-ben körülbelül tízszeres teljesítményt nyújtanak a TX2-nél. Ez biztosan tetszik egy rendes bádogosnak. Képessége energiatakarékos, kis formátumú projektek kidolgozására és tesztelésére rendkívül precíz, multimodális AI következtetésekkel nyit kaput az új áttörésekhez.
A modul számítógépén 6 magos NVIDIA Carmel ARM v8 van.2 CPU, 6 MB L2 + 4 MB L3 gyorsítótár, 8 GB számítógépes memória és 16 GB hardverlemez. Emellett GPU-ja az NVIDIA legújabb Volta architektúrájára épül, 384 CUDA-val és 48 Tensor maggal. Ezek a fogyasztói szintű specifikációk.
Az egyetlen probléma ezzel a lehetőséggel az, hogy az L4T nagyon kicsi támogatói közösséggel rendelkezik, ami nem sok szoftveres támogatást jelent. Ha szoftverre van szüksége, valószínűleg magának kell majd elkészítenie.
Összességében elmondható, hogy az NVIDIA Jetson Xavier NX fejlesztőkészlet energiatakarékos, kompakt Jetson Xavier NX modullal rendelkezik az AI éleszközökhöz. Tökéletes hordozható megoldás a mesterséges intelligencia vagy robotikai alkalmazásokat vizsgáló bádogosok számára. És nem csak, szórakoztatás és termelékenység szempontjából is kiválóan működik.
Vásárlás itt: amazon
2. NVIDIA Jetson Nano 4GB fejlesztői készlet
A listánk második legjobb Nvidia Jeston fejlesztőkészlete talán a piacon alulértékeltebb SBC. Kiváló teljesítményt nyújt a modern mesterséges mesterséges intelligencia-munkaterhelések rendkívüli méretben, teljesítményben és áron történő futtatásához. Ez nagyszerű kis számítógéppé teszi, különösen gépi tanuláshoz és tanításhoz.
A Jetson Nano általános célú Ubuntu 18-ként is kiváló.04 LTS asztal. Míg a kép az előző LTS-re épül, akkor is az Nvidia egyik csiszoltabb képe. Csak 4 GB memóriával is kivételesen jól fut. A Nano nagyon frappánsan érzi magát, miközben egy igazi asztali Linux disztribúciót futtat. Igen, még a 8 GB-os RaspberryPi 4 sem képes legyőzni a teljesítményt.
És akkor itt van a fő vonzerő: a GPU, a programozás és annak gépi tanulási eszközkészlete. Minden előre telepített és előre konfigurált. A konténerképeken keresztül más eszközöket is gyorsan hozzáadhat. A fejlesztőkészlet egyetlen hátránya, hogy a Maxwell-alapú 128 Cuda mag kissé elavult. De, hé, mindaddig, amíg oktatóeszközként végzik a munkát, mindez jó.
A legfontosabb elvitel itt az, hogy eléggé önálló beállítás. Ha rajongsz a piteért, akkor ez olyan egyszerű, mint a pite. Minden csak 10 percet vesz igénybe, amíg felkel és fut. Az árért semmi sem éri el, főleg mint önálló tanulási eszköz.
Vásárlás itt: amazon
3. NVIDIA Jetson AGX Xavier fejlesztőkészlet (32 GB)
Bár a Nano nagyszerű, komoly fejlesztők számára lassú lehet. A Xavier legfrissebb Linux ARM64. Persze, az AGX Xavier érezhetően költséges, de a teljesítmény terén ütést nyújt. És ez is csak 30 W teljesítményszint mellett.
Beszéljünk egy kicsit a specifikációkról. A tábla egy szép ARMv8 fejlesztői doboz, kiegészítve CUDA, TensorRT és NVIDIA könyvtárakkal. Másrészt a modul nyolc ARM v8-mal rendelkezik.2 „Carmel” processzormag, 512 magos Volta GPU (tenzormagokkal), 16 GB LPDDR4x memória, 32 GB eMMC5.1 tárhely, 2 NVDLA mély tanulási gyorsító és egy hétirányú VLIW látásprocesszor. Ez valami lenyűgöző tűzerő.
Szeretjük azonban ezt a készletet, mert a „csendes” mód be van kapcsolva. Emiatt elhanyagolható fojtással passzívan hűl.
Van egy kisebb markolatunk. elektromos esemény esetén ennek az egységnek nincs automatikusan áramellátása. Ugrálhat néhány csapra, hogy automatikusan bekapcsoljon, de ezt a módszert nem próbáltuk ki a próbaüzem során. Összességében: Ha hálózatokat oktat, vagy valamilyen AI-t csinál, robotikát tesztel és más autonóm gépeket használ, az AGX Xavier a Jetson.
Vásárlás itt: amazon
4. NVIDIA Jetson TX2 fejlesztőkészlet
A Jetson TX2 egy újabb fejlesztői készlet a szakértők számára, amely kiválóan optimalizált különböző AI formákhoz. A kezdőknek meglehetősen nehéz elkezdenie ezt a készletet. De még akkor is, ha még soha nem képzett mély tanulási hálót, rengeteg értékelni való van itt.
Ami a specifikációkat illeti, a TX2 kétmagos NVIDIA Denver 2 processzorral és négymagos ARM Cortex-A57 MPCore processzorral, 4 GB 128 bites LPDDR4 memóriával, 256 magos NVIDIA Pascal GPU-val és 16 GB-os eMMC 5-vel rendelkezik.1 tároló. Ez háromszor gyorsabb teljesítményt jelent, mint a Raspberry 3. (A Jetson TX2 fejlesztőkészlet 2017-ben jelent meg).
A teljesítményének teszteléséhez mély hálókat futtattunk a képfelismeréshez a Tensorflow segítségével. Kezdetben a hálókat az Amazon AWS segítségével képezték ki. A hálók hibátlanul szálltak át a TX2-be. De természetesen némi erőfeszítéssel. Ez nem játék. Ez egy profi mérnöki eszköz. Ez egy modul, amely egy önvezető autót vagy egy videofelvételt készítő quadcoptert működtet. Ezek a feladatok gyors feldolgozási képességet igényelnek alacsony fogyasztási költség mellett.
Ezért nincs más ilyen eszköz. Ha csak 15 wattot leíró gyors processzorra van szüksége, az NVIDIA Jetson TX2 fejlesztőkészlet logikus választásnak tűnik.
Vásárlás itt: amazon
5. NVIDIA Jetson TK1 fejlesztőkészlet
Végül megvan az egyik legrégebbi NVIDIA Jetson fejlesztői készlet. Természetesen még mindig érdemes utánanézni 2021-ben. Ha az Nvidia fejlesztőkészleteivel teszteli a vizeket, a TK1 még mindig kiváló belépési pont és olcsó GPU platform a fejlesztéshez.
A TK1 az NVIDIA Tegra K1 SOC köré épül. Egy NVIDIA Kepler számítási magot használ, amely ma kissé elavultnak érzi magát. Ez azonban még mindig egy teljes NVIDIA CUDA platform, amely lehetővé teszi számításigényes rendszerek kifejlesztését és telepítését a számítógépes látás, a robotika, a mezőgazdaság, az orvostudomány és más területek számára.
Ennek a modellnek a lábnyoma meglehetősen nagy és magas. Annak ellenére, hogy a rendszer hűvösen működik, maga a ventilátor elég magasan van a készleten. Mivel ez egy régebbi modell, a RAM is meg van osztva a GPU és a CPU között, korlátozva annak teljesítményét.
A korábban említett opciókhoz hasonlóan az NVIDIA is a teljes BSP és szoftverköteget kínálja ehhez a modellhez. Ide tartozik a CUDA, az OpenGL 4.4, valamint az NVIDIA Vision Works készlete. A teljes fejlesztői csomaggal, valamint a dobozon kívüli kompatibilitással és a kamerák és egyéb perifériák támogatásával az NVIDIA egy szép bevezető megoldást kínál a beágyazott rendszerek használatának megkezdéséhez.
Vásárlás itt: amazon
A legjobb NVIDIA Jetson fejlesztői készlet vevői útmutatója
Az NVIDIA nem rendelkezik a Jetson Developer Kits hiányosságaival. Tehát tartsa szem előtt ezeket a döntő tényezőket, amikor belép a vásárlás piacára:
Lábnyom
Az első dolog, amit észre kell vennie, amikor kicsomagolja a legjobb NVIDIA Jetson fejlesztői készletet, az első szempont lehet:. Mennyi helyet igényel a készlet a munkaterületén? Nehéz? Túl magasan van a ventilátor?? A nagyobb alapterületű készletek nem hordozhatók. Ha a gyereked nem hordozható, akkor mi értelme van egy ilyen megszerzésének?
Egyszerű használat
A fejlesztőkészletnek készen kell állnia a dobozon kívüli használatra. Nem korlátozhatja kíváncsiságát, hogy különböző érzékelőkkel és perifériákkal fedezze fel az AI-t.
Támogatás
A következő szolgáltatás, amelyet meg kell vizsgálnia, a támogatás és a kompatibilitás. Elsősorban a modern AI-keretrendszerek támogatása, mint a TensorFlow, a PyTorch és az MXNet. A lehető legtöbb népszerű érzékelőt támogatnia kell az AI közösségben is. Nagy és élénk fejlesztői közösség is hasznos. Ezután elháríthatja a problémákat, megoszthatja a nyílt forráskódú projekteket, valamint a valós alkalmazásokat.
Hogyan kell használni (vagy akár használni?)
Miután megkapta a terméket, töltse be az operációs rendszert és csatlakozzon az internethez. Ezután nyissa meg a böngésző szövegszerkesztőjét, és hagyja ott ülni legalább 6 órán keresztül. Az éjszakai pihenés általában jobb. Utána, ha nincs jele az újraindításnak, akkor jónak kell lenned. Ha azonban újraindulást észlel, ellenőrizze, hogy van-e kernel crash fájl a “/ var / log” alatt? Nyissa meg, és keresse meg a „kernel hopp” kifejezést. Ha mégis megjelenik, ne pazarolja az energiáját vagy az idejét. Csak adja vissza a terméket!
Végső gondolatok
A szélén lévő mesterséges intelligencia hihetetlen lehetőségeket rejthet mindenben. Legyen szó egészségügyről, gyártásról vagy mezőgazdaságról, a legjobb NVIDIA Jetson fejlesztői készlet használata hihetetlenül kifizetődővé teheti a feladatot. Ezek a készletek csökkentik a szoftverfejlesztési költségeket, és skálázható AI stratégiát biztosítanak az önálló gépeihez. Reméljük, hogy ez a cikk segített a döntés meghozatalában. Ez minden most. Köszönöm, hogy elolvasta.
