Phenquestions
Nedenfor er våre toppvalg:
1. NVIDIA Jetson Xavier NX Developer Kit
Jetson Xavier NX-utviklerpakken er en entusiastenivå med en forbrukernivåpris. Det tar TX2-ytelsen og øker den et hakk. I følge NVidia overgår NX-ytelsesmatriser TX2 omtrent ti ganger på så lite som 10W. Det vil sikkert glede en vanlig tinker. Dens evne til å utvikle og teste energieffektive, små formfaktorprosjekter med svært presis, multimodal AI-inferens, åpner porten for nye gjennombrudd.
Modulens datamaskin har en 6-kjerne NVIDIA Carmel ARM v8.2 CPU, 6 MB L2 + 4 MB L3 cache, 8 GB minnestørrelse og 16 GB harddiskstørrelse. Videre er GPU-en basert på NVIDIAs nyeste Volta-arkitektur med 384 CUDA og 48 Tensor Cores. Dette er ganske spesielle spesifikasjoner for forbrukernivå.
Det eneste problemet med dette alternativet er at L4T har et veldig lite støttesamfunn, noe som ikke betyr mye programvarestøtte. Hvis du trenger programvare, må du sannsynligvis bygge den selv.
Samlet sett har NVIDIA Jetson Xavier NX Developer Kit en strømeffektiv, kompakt Jetson Xavier NX-modul for AI edge-enheter. Det er en perfekt bærbar løsning for tinker som ser på AI- eller robotikkapplikasjoner. Og ikke bare det, det fungerer også bra for underholdning og produktivitet.
Kjøp her: Amazon
2. NVIDIA Jetson Nano 4GB Developer Kit
Det nest beste Nvidia Jeston-utviklerpakket på listen vår er kanskje den mest undervurderte SBC på markedet. Det gir utmerket ytelse for å kjøre moderne AI-arbeidsbelastninger til en ekstraordinær størrelse, kraft og pris. Det gjør det til en flott liten datamaskin, spesielt for maskinlæring og undervisning.
Jetson Nano er også utmerket som en generell Ubuntu 18.04 LTS stasjonær. Mens bildet er basert på den foregående LTS, er det fortsatt et av Nvidias mer polerte bilde. Selv med bare 4 GB minne kjører det eksepsjonelt bra. Nano har en veldig snappy følelse mens du kjører en REAL full desktop Linux-distribusjon. Ja, selv 8 GB RaspberryPi 4 kan ikke slå ytelsen.
Og så er det hovedtegningen: GPU, programmering og maskinlæringsverktøy. Alt kommer forhåndsinstallert og forhåndskonfigurert. Du kan også legge til andre verktøy raskt via containerbilder. Den eneste ulempen med dette utviklersettet er at de Maxwell-baserte 128 Cuda-kjernene er noe utdaterte. Men hei, så lenge de får jobben gjort som et undervisningsverktøy, er alt bra.
Hovedtaket her er at det er ganske et selvstendig oppsett. Hvis du er en fan av kaken, er det like enkelt som kaken (ordspill absolutt ment). Alt tar bare 10 minutter å stå opp og løpe. For prisen slår ingenting det, spesielt som et uavhengig læringsverktøy.
Kjøp her: Amazon
3. NVIDIA Jetson AGX Xavier Developer Kit (32 GB)
Mens Nano er flott, kan det være tregt for seriøse utviklere. Xavier er Linux ARM64 på sitt beste. Visst, AGX Xavier er merkbart kostbar, men den pakker et slag når det gjelder ytelse. Og det også på bare et 30 W effektnivå.
La oss snakke litt om spesifikasjonene. Styret er en fin ARMv8 utviklerboks komplett med CUDA, TensorRT og NVIDIAs biblioteker. På den annen side har modulen åtte ARM v8.2 “Carmel” prosessorkjerner, 512-kjerner Volta GPU (med tensorkjerner), 16 GB LPDDR4x-minne, 32 GB eMMC5.1 lagringsplass, 2 NVDLA deep learning-akseleratorer og en syvveis VLIW visjonsprosessor. Det er imponerende ildkraft.
Vi elsker imidlertid dette settet fordi det kommer med en "stille" modus. På grunn av dette avkjøles det passivt med ubetydelig struping.
Vi har en mindre grep, skjønt. i tilfelle en elektrisk hendelse har ikke denne enheten automatisk strøm. Du kan hoppe i noen pinner for å få den til å slå seg på automatisk, men vi prøvde ikke denne metoden under prøveperioden. Samlet sett, hvis du trener nettverk eller gjør noe video-AI, tester robotikk og andre autonome maskiner, er AGX Xavier Jetson for deg.
Kjøp her: Amazon
4. NVIDIA Jetson TX2 utviklingssett
Jetson TX2 er en annen utviklersett for ekspertene som er pent optimalisert for ulike AI-former. Det er ganske vanskelig for nybegynnere å komme i gang med dette settet. Men selv om du aldri har trent et dyp læringsnett, er det mye å sette pris på her.
Når det gjelder spesifikasjoner, har TX2 en dual-Core NVIDIA Denver 2 CPU og Quad-Core ARM Cortex-A57 MPCore-prosessor, 4 GB 128-biters LPDDR4-minne, 256-core NVIDIAs Pascal GPU og en 16 GB eMMC 5.1 lagringsplass. Det betyr tre ganger raskere enn Raspberry 3. (Jetson TX2 Development Kit kom ut i 2017).
For å teste ytelsen kjørte vi dype nett for bildegjenkjenning ved hjelp av Tensorflow. Opprinnelig ble garnene trent med Amazon AWS. Nettene ble overført feilfritt til TX2. Men selvfølgelig med litt innsats. Dette er ikke et leketøy. Dette er et pro engineering verktøy. Det er en modul som driver en selvkjørende bil eller en videoopptakende quadcopter. Disse oppgavene krever rask prosesseringsevne med et lavt strømbudsjett.
Derfor er det ikke noe annet verktøy som dette. Hvis du trenger en rask CPU som bare trekker 15 watt, virker NVIDIA Jetson TX2 Development Kit som et logisk valg.
Kjøp her: Amazon
5. NVIDIA Jetson TK1 utviklingssett
Til slutt har vi en av de eldste NVIDIA Jetson-utviklerne. Selvfølgelig er det fortsatt verdt å se nærmere på i 2021. Hvis du tester vannet med Nvidia-utviklerpakker, er TK1 fortsatt et flott inngangspunkt og en billig GPU-plattform for utvikling.
TK1 er bygget rundt NVIDIAs Tegra K1 SOC. Den bruker en NVIDIA Kepler-datakjerne som føles litt utdatert i dag. Imidlertid er det fortsatt en fullstendig NVIDIA CUDA-plattform som lar deg utvikle og distribuere beregningskrevende systemer for datasyn, robotteknologi, landbruk, medisin og mer.
Fotavtrykket til denne modellen er ganske stort og høyt. Selv om systemet går kult, er selve viften plassert ganske høyt på settet. Siden dette er en eldre modell, deles RAM også mellom GPU og CPU, noe som begrenser ytelsen.
I likhet med alternativene som er nevnt tidligere, tilbyr NVIDIA hele BSP og programvarestakken for denne modellen. Dette inkluderer CUDA, OpenGL 4.4, og NVIDIAs Vision Works-sett. Med en komplett utviklingsserie, pluss out-of-the-box-kompatibilitet og støtte for kameraer og annet periferiutstyr, gir NVIDIA deg en fin introduksjonsløsning for å komme i gang med innebygde systemer.
Kjøp her: Amazon
Kjøperhåndbok for det beste NVIDIA Jetson Developer Kit
NVIDIA har ingen mangel på Jetson Developer Kits. Så husk disse viktige faktorene når du ser på markedet for et kjøp:
Fotspor
Det første du må legge merke til når du pakker ut det beste NVIDIA Jetson Developer Kit, bør være din første vurdering: fotavtrykket. Hvor mye plass trenger settet på arbeidsområdet ditt? Er det tungt?? Er viften plassert for høyt? Kits med større fotavtrykk er ikke bærbare. Hvis barnet ditt ikke er bærbart, hva er poenget med å få en i utgangspunktet?
Brukervennlighet
Utviklersettet skal være klart til bruk ut av esken. Det bør ikke begrense nysgjerrigheten din til å utforske AI med forskjellige sensorer og eksterne enheter.
Brukerstøtte
Den neste funksjonen du bør se på er støtte og kompatibilitet. Først og fremst er støtten til moderne AI-rammer som TensorFlow, PyTorch og MXNet. Det skal også støtte så mange populære sensorer i AI-samfunnet som mulig. Å ha et stort og levende utviklermiljø kommer også godt med. Deretter kan du feilsøke problemer, dele åpen kildekildeprosjekter samt virkelige applikasjoner.
Hvordan bruke (eller til og med bruke?)
Etter at du har mottatt produktet, laster du inn operativsystemet og kobler til internett. Åpne deretter en tekstredigerer for nettleseren, og la den sitte der i ca. 6 timer eller mer. Å la den hvile over natten er vanligvis bedre. Etterpå, hvis det ikke er noe tegn på omstart, bør du være god å gå. Men hvis du merker omstart, se om det er noen kjerne-krasjfil under "/ var / log"? Åpne den og søk etter “kernel oops”. Hvis det dukker opp, må du ikke kaste bort energien eller tiden din. Bare returner produktet!
Siste tanker
AI på kanten kan frigjøre utrolig potensial i alt. Enten det er helsevesen, produksjon eller jordbruk, kan du gjøre oppgaven din utrolig givende ved å bruke det beste NVIDIA Jetson-utviklerpakket. Disse settene reduserer programvarens utviklingskostnader og gir en skalerbar AI-strategi for dine autonome maskiner. Vi håper denne artikkelen hjalp deg med å bestemme deg. Det er alt for nå. Takk for at du leser.
