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

Added 2019-04-12

C’est une période passionnante pour l’informatique à petit facteur. Comme si le Raspberry Pi n’était pas assez polyvalent, de plus en plus de planches puissantes capables d’incroyables exploits apparaissent.

Le Jetson Nano de Nvidia est un ajout récent dans les rangs des tableaux super puissants activés pour l’apprentissage automatique. Qu'est-ce qui le rend spécial? Devriez-vous en acheter un? Qu'est-ce que la Nvidia Jetson Nano?

Qu'est-ce que le Nvidia Jetson Nano?

Le Jetson Nano est un ordinateur monocarte de la taille d’un Raspberry Pi, conçu pour l’intelligence artificielle et l’apprentissage automatique. Apparemment concurrent direct de Google Coral Dev, il s’agit du troisième membre de la famille Jetson aux côtés des cartes de développement déjà disponibles TX2 et AGX Xavier.

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

Bien que les trois tableaux Jetson aient pour objectif d'être accessibles à tous, le Nano est destiné aux développeurs amateurs et professionnels. Le kit de développement comprend deux parties: une carte mère pour la connectivité et un système sur module (SOM) pour les unités de traitement réelles.

Qu'est-ce qu'un système sur un module?

Système sur module fait référence à toute carte de développement contenant tous les composants critiques du système dans un module amovible. Le Nano est doté d’un connecteur latéral à 260 broches permettant de le connecter à une carte mère pour le développement.

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

Si tout cela vous semble un peu familier, c'est le cas!

Quelles sont les spécifications de 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 LPDDR4 64 bits
Stockage: eMMC 5.1 Flash de 16 Go
Vidéo: encodage 4k à 30fps, décodage 4k à 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: Ethernet Gigabit, clé M.2 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?

Personne ne sera choqué que Nvidia ait créé une carte parfaitement adaptée aux tâches visuelles. La reconnaissance des 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 machine, Jetson Nano utilise un GPU Maxwell doté de 128 cœurs CUDA pour les tâches lourdes.

Le projet Jetson Inference propose des démonstrations d’un réseau de neurones pré-formé effectuant une reconnaissance multi-objets hautes performances dans divers environnements. Le suivi des fonctionnalités, la stabilisation d'image, la prédiction de mouvement et le traitement simultané de plusieurs sources sont tous présentés dans les packages de démonstration disponibles.

Le plus impressionnant est peut-être la technologie DeepStream présentée dans la vidéo ci-dessus. Exécuter des analyses en direct sur huit flux 1080p simultanés à 30 images par seconde sur un petit ordinateur monocarte est incroyable, et montre la puissance potentielle du matériel du Nano.

A quoi va-t-il servir?

Compte tenu de sa capacité d'analyse vidéo et de son format compact, le Jetson Nano brillera certainement dans les domaines de la robotique et des véhicules autonomes. Beaucoup de démos montrent ces applications en action.

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

Que peut faire le Jetson Nano?

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’apprentissage automatique soit l’objet principal du forum, il s’agit de Nvidia, vous vous attendez donc à une certaine magie graphique.

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

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

Jetson Nano vs Coral Dev Board: 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 neuronal TensorFlow de Google est une force dominante dans le domaine de l’apprentissage automatique. Il en résulterait que le coprocesseur Edge TPU de Google pourrait fonctionner mieux pour les applications de TensorFlow Lite.

D'autre part, Nvidia a déjà présenté une gamme impressionnante de démos d'apprentissage automatique pour le Jetson Nano. Ceci, aux côtés des graphismes impressionnants que le Nano est capable de faire en fait un vrai concurrent.

Combien coûte Jetson Nano?

Le prix est un autre aspect que nous n’avons pas encore abordé. Le tableau Google Coral Dev se vend à 149,99 $, tandis que celui de Jetson Nano ne coûte que 99 $. À moins que le conseil d'administration de Coral Dev n'apporte quelque chose d'unique à la table, les amateurs et les petits développeurs trouveront peut-être 50 dollars supplémentaires à justifier.

Pour l’un ou l’autre des conseils, il n’ya actuellement aucun prix pour la seule MOS, mais j’imagine que pour la plupart des développeurs passionnés, ce n’est pas aussi important. D'un point de vue commercial, c'est le contraste performance / prix qui fera la différence essentielle entre les cartes Jetson Nano et Coral Dev.

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

Acheter : Jetson Nano en direct de Nvidia

Pourrait-il remplacer mon Raspberry Pi?

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. Il est cependant probablement capable de supporter toute variante de Linux. Cela le place comme un concurrent direct de Pi

Il y a un problème cependant. Si vous voulez un tableau pour apprendre l’apprentissage automatique, mais que vous puissiez également effectuer d’autres tâches quotidiennes, pourquoi voudriez-vous acheter le tableau Coral Dev?

Le Jetson Nano prend en charge un port d’affichage et, comme indiqué précédemment, propose d’impressionnants exemples vidéo tout de suite. Le bureau personnalisé Ubuntu sera familier à beaucoup et le prix plus bas en fera une perspective attrayante pour beaucoup, même pour ceux qui ne s'intéressent pas à l'apprentissage automatique.

L'IA pour tous

À ce stade, il est difficile de dire quel sera le meilleur conseil. Il est également inconnu qui sera plus accessible aux développeurs à la maison. Je suis impatient de passer du temps avec les cartes Coral Dev et Jetson Nano pour obtenir une réponse définitive!