NVIDIA 推出了最初的 Jetson NANO開發(fā)者工具包，使開發(fā)者、學(xué)生和愛好者能夠?qū)W習(xí)、探索和構(gòu)建邊緣設(shè)備的人工智能應(yīng)用程序?？駸嵴呱鐓^(qū)的迅速采用使它成為我們最喜愛的開發(fā)工具包，并引發(fā)了一場 Jetson 運(yùn)動。新的 NVIDIA Jetson Nano 2GB 開發(fā)工具包的價(jià)格為 59 美元，這使得它對于學(xué)習(xí)人工智能和機(jī)器人技術(shù)來說更加實(shí)惠。這款開發(fā)工具包是終極的入門級人工智能電腦，從 2020 年 10 月底開始在全球范圍內(nèi)發(fā)售。

Jetson Nano 2GB 開發(fā)工具包包括一個(gè)帶有 2GB 內(nèi)存的 Jetson NANO 模塊，通過 128 核 NVIDIA Maxwell GPU 和 64 位四核 Arm A57CPU 提供 472 GFLOPS 的計(jì)算性能。附帶的載體板配備了 edge 和嵌入式項(xiàng)目開發(fā)中常用的接口，包括 USB 3 . 0 和 USB 2 . 0 端口，用于連接包括 USB 攝像頭在內(nèi)的外圍設(shè)備，一個(gè) MIPI CSI-2 攝像頭連接器，一個(gè) 40 針頭，可與許多外設(shè)和附加組件兼容， HDMI 顯示接口，和一個(gè)千兆以太網(wǎng)端口。開發(fā)工具包還包括一個(gè) 802 . 11ac 無線網(wǎng)絡(luò) USB 適配器。

強(qiáng)大的性能

Jetson Nano 2GB 開發(fā)工具包是學(xué)習(xí)現(xiàn)代人工智能的理想選擇。人工智能計(jì)算的科學(xué)變化很快，研究人員不斷發(fā)明新的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，以提供更好的準(zhǔn)確性和性能。如今，人工智能實(shí)踐者在他們的項(xiàng)目中使用了各種各樣的人工智能模型和框架，因此學(xué)習(xí)和創(chuàng)建人工智能項(xiàng)目的理想平臺是一個(gè)足夠靈活的平臺，能夠運(yùn)行一系列不同的人工智能模型，并且能夠提供創(chuàng)造有意義的交互式人工智能體驗(yàn)所需的性能。 Jetson Nano 2GB 開發(fā)工具包不僅支持所有流行的人工智能框架和網(wǎng)絡(luò)，還提供了強(qiáng)大的人工智能性能。

圖 2 顯示了在圖像分類、分割、目標(biāo)檢測、圖像處理和姿勢估計(jì)等方面使用流行的 DNN 模型測量的 AI 推理性能。利用 NVIDIA TensorRT 對網(wǎng)絡(luò)進(jìn)行優(yōu)化，并加速推理過程，以提高實(shí)時(shí)性。 Jetson Nano 2GB 開發(fā)工具包在這個(gè)價(jià)格范圍內(nèi)提供如此強(qiáng)大的推理性能是獨(dú)一無二的。

圖 2 。 Jetson Nano 2GB 顯影劑套件推斷性能（ FP16 ），適用于 JetPack 4 . 4 . 1 和 TensorRT 7 . 1 的各種基于視覺的 DNN 模型。

易用性和探索的靈活性

Jetson Nano 2GB 開發(fā)工具包提供了一個(gè)隨時(shí)可用的平臺的開發(fā)體驗(yàn)，而不會限制您使用各種相機(jī)、傳感器和外圍設(shè)備親自探索人工智能的好奇心。它由 JetPack 軟件開發(fā)工具包（ SDK ）提供支持，其中包括熟悉的 Linux 桌面開發(fā)體驗(yàn)。 JetPack 附帶構(gòu)建端到端人工智能應(yīng)用程序所需的庫。例如， OpenCV 和 VisionWorks 可用于計(jì)算機(jī)視覺和圖像處理； CUDA 、 cuDNN 和 TensorRT 可加速人工智能推斷；還包括用于相機(jī)和傳感器處理的庫等。

與純云學(xué)習(xí)平臺不同，開發(fā)者工具包支持人工智能社區(qū)中許多流行的傳感器，如 Raspberry Pi 攝像頭、 Intel Real sense 攝像頭、 ZED 3D 攝像頭以及其他 USB 攝像頭和外圍設(shè)備，這些都是現(xiàn)成的。 Jetpack4 . 4 . 1 引入了對這種新的開發(fā)工具包的支持，并將于 2020 年 10 月底開始提供，與開發(fā)工具包的可用性保持一致。有關(guān)詳細(xì)信息，請參閱 Jetpack 頁。

您可以使用您選擇的 AI 框架學(xué)習(xí)和開發(fā)，包括 TensorFlow 、 PyTorch 和 MXNet 。 TensorFlow 和 PyTorch 的開發(fā)容器托管在 NVIDIA NGC 上，這提供了一種快速的一步到位的方法來啟動和運(yùn)行框架環(huán)境。預(yù)裝了 TensorFlow 、 PyTorch 、 NumPy 、 scikit learn 、 SciPy 和 pandas 的 Jupyter 筆記本學(xué)習(xí)環(huán)境也可以使用同樣托管在 NGC 上的 機(jī)器學(xué)習(xí)容器 輕松安裝到開發(fā)人員工具包上。

關(guān)于作者

Suhas Sheshadri 是 NVIDIA 的產(chǎn)品經(jīng)理，專注于 Jetson 軟件。此前，他曾在 NVIDIA 與自主駕駛團(tuán)隊(duì)合作，為 NVIDIA 驅(qū)動平臺優(yōu)化系統(tǒng)軟件。

Dustin Franklin 是 NVIDIA 的 Jetson 團(tuán)隊(duì)的開發(fā)人員布道者。 Dustin 擁有機(jī)器人和嵌入式系統(tǒng)方面的背景，他樂于在社區(qū)中提供幫助，并與 Jetson 一起參與項(xiàng)目。你可以在 NVIDIA Developer Forums 或 Github 上找到他。

審核編輯：郭婷