Nvidia

Bedste Nvidia Jetson-udviklersæt

Bedste Nvidia Jetson-udviklersæt
Se bedrifterne ved moderne AI. Nvidia bringer kraften fra moderne AI til elever, skabere og integrerede udviklere overalt. Dets Jetson-udviklersæt bruges af både fagfolk og studerende til at teste software, køre den autonome maskine hurtigere med mindre strømforbrug. Hvert sæt leveres med et Jetson-modul, der ikke er fremstillet, sammen med et referencebærerkort til hurtig prototyping.Imidlertid er forskellige udviklersæt beregnet til forskellige formål. Et forkert tavle giver dig ikke dage, men spildte uger på at gøre det brugbart. Der er meget mere end brugervenlighed og lavt strømforbrug til et bedste Nvidia Jetson-udviklersæt. Så i dag dykker vi ind i AI At The Edge-verdenen for at hjælpe dig med at vælge din ideelle AI-platform til autonom alt.

Nedenfor er vores topvalg:

1. NVIDIA Jetson Xavier NX Developer Kit

Jetson Xavier NX-udviklersættet er en enhed på entusiasteniveau med en pris på forbrugerniveau. Det tager TX2-ydelsen og øger det et hak. Ifølge NVidia overgår NX-ydelsesmatricerne TX2 ca. ti gange på så lidt som 10 W. Det vil helt sikkert behage en almindelig tinker. Dens evne til at udvikle og teste energieffektive, små formfaktorprojekter med meget præcis, multimodal AI-inferens åbner porten for nye gennembrud.

Modulets computer har en 6-core NVIDIA Carmel ARM v8.2 CPU, 6 MB L2 + 4 MB L3 cache, 8 GB computerhukommelsesstørrelse og 16 GB harddiskstørrelse. Desuden er GPU'en baseret på NVIDIAs nyeste Volta-arkitektur med 384 CUDA og 48 Tensor Cores. Disse er ganske specielle specer for et forbrugerniveau.

Det eneste problem med denne mulighed er, at L4T har et meget lille supportfællesskab, hvilket betyder ikke meget softwaresupport. Hvis du har brug for software, bliver du sandsynligvis nødt til at bygge det selv.

Samlet set har NVIDIA Jetson Xavier NX Developer Kit et energieffektivt, kompakt Jetson Xavier NX-modul til AI edge-enheder. Det er en perfekt bærbar løsning til tinkere, der undersøger AI- eller robotapplikationer. Og ikke kun det, det fungerer også godt til underholdning og produktivitet.

Køb her: Amazon

2. NVIDIA Jetson Nano 4GB Developer Kit

Det næstbedste Nvidia Jeston-udviklersæt på vores liste er måske den mest undervurderede SBC på markedet. Det leverer fremragende ydeevne til at køre moderne AI-arbejdsbelastninger i en ekstraordinær størrelse, effekt og pris. Det gør det til en dejlig lille computer, især til maskinindlæring og undervisning.

Jetson Nano er også fremragende som en almindelig Ubuntu 18.04 LTS desktop. Mens billedet er baseret på den foregående LTS, er det stadig et af Nvidias mere polerede billede. Selv med kun 4 GB hukommelse kører den usædvanligt godt. Nano har en meget snappy følelse, mens du kører en REAL fuld desktop Linux-distribution. Ja, selv 8GB RaspberryPi 4 kan ikke slå præstationen.

Og så er der hovedtrækningen: GPU, programmering og dens værktøjssæt til maskinindlæring. Alt kommer forudinstalleret og forudkonfigureret. Du kan også tilføje andre værktøjer hurtigt via containerbilleder. Den eneste ulempe ved dette udviklersæt er, at de Maxwell-baserede 128 Cuda-kerner er noget forældede. Men hej, så længe de får jobbet gjort som et undervisningsværktøj, er det alt sammen godt.

Den vigtigste afhentning her er, at det er en ganske selvstændig opsætning. Hvis du er fan af tærte, er det lige så let som tærte (ordspil absolut beregnet). Alt tager kun 10 minutter at rejse sig og løbe. For prisen slår intet det, især som et uafhængigt læringsværktøj.

Køb her: Amazon

3. NVIDIA Jetson AGX Xavier Developer Kit (32 GB)

Mens Nano er fantastisk, kan det være langsomt for seriøse udviklere. Xavier er Linux ARM64 når det er bedst. Sikker på, at AGX Xavier er mærkbart dyrt, men det pakker et slag, når det kommer til ydeevne. Og det også på kun et 30 W effektniveau.

Lad os tale lidt om specifikationerne. Tavlen er en dejlig ARMv8-udviklerboks komplet med CUDA, TensorRT og NVIDIAs biblioteker. På den anden side har modulet otte ARM v8.2 “Carmel” processorkerner, 512-kerner Volta GPU (med tensorkerner), 16 GB LPDDR4x hukommelse, 32 GB eMMC5.1 lager, 2 NVDLA dyb læringsacceleratorer og en syvvejs VLIW-visionprocessor. Det er imponerende ildkraft.

Vi elsker dog dette sæt, fordi det er aktiveret med en "stille" tilstand. På grund af dette køler det passivt ned med ubetydelig gasregulering.

Vi har dog et mindre greb. i tilfælde af en elektrisk begivenhed har denne enhed ikke automatisk strøm. Du kan hoppe i nogle ben for at få det til automatisk tænding, men vi prøvede ikke denne metode under vores prøvekørsel. Samlet set, hvis du træner netværk eller laver noget video-AI, tester robotteknologi og andre autonome maskiner, er AGX Xavier Jetson for dig.

Køb her: Amazon

4. NVIDIA Jetson TX2 udviklingssæt

Jetson TX2 er en anden udviklersæt til eksperterne, der er pænt optimeret til forskellige AI-former. Det er ret svært for begyndere at komme i gang med dette sæt. Men selvom du aldrig har trænet et dybt læringsnet, er der masser at sætte pris på her.

Med hensyn til specifikationer har TX2 en dual-Core NVIDIA Denver 2 CPU og Quad-Core ARM Cortex-A57 MPCore-processor, 4 GB 128-bit LPDDR4-hukommelse, 256-core NVIDIAs Pascal GPU og en 16 GB eMMC 5.1 lagerplads. Det oversætter til en forestilling tre gange hurtigere end Raspberry 3. (Jetson TX2 Development Kit kom ud i 2017).

For at teste dens ydeevne løb vi dybe net til billedgenkendelse ved hjælp af Tensorflow. Oprindeligt blev netene trænet ved hjælp af Amazon AWS. Netene blev overført fejlfrit til TX2. Men selvfølgelig med en vis indsats. Dette er ikke et legetøj. Dette er et pro-engineering værktøj. Det er et modul, der driver en selvkørende bil eller en videooptagende quadcopter. Disse opgaver kræver hurtig behandlingskapacitet med et lavt strømbudget.

Derfor er der ikke noget andet værktøj som dette. Hvis du har brug for en hurtig CPU, der kun trækker 15 watt, virker NVIDIA Jetson TX2 Development Kit som et logisk valg.

Køb her: Amazon

5. NVIDIA Jetson TK1 udviklingssæt

Endelig har vi et af de ældste NVIDIA Jetson-udviklerpakker. Det er selvfølgelig stadig værd at undersøge i 2021. Hvis du tester vandet med Nvidia-udviklerpakker, er TK1 stadig et godt indgangspunkt og en billig GPU-platform til udvikling.

TK1 er bygget op omkring NVIDIAs Tegra K1 SOC. Det bruger en NVIDIA Kepler-computerkerne, der føles lidt forældet i dag. Det er dog stadig en komplet NVIDIA CUDA-platform, der giver dig mulighed for at udvikle og implementere computerintensive systemer til computersyn, robotteknologi, landbrug, medicin og mere.

Fodaftrykket af denne model er ret stort og højt. Selvom systemet kører køligt, er selve blæseren placeret ganske højt på sættet. Da dette er en ældre model, deles RAM også mellem GPU og CPU, hvilket begrænser dens ydeevne.

Som de tidligere nævnte muligheder tilbyder NVIDIA hele BSP og softwarestak til denne model. Dette inkluderer CUDA, OpenGL 4.4 og NVIDIAs Vision Works-sæt. Med en komplet udviklingspakke plus out-of-the-box-kompatibilitet og support til kameraer og andet perifert udstyr giver NVIDIA dig en god introduktionsløsning til at komme i gang med indlejrede systemer.

Køb her: Amazon

Købers vejledning til det bedste NVIDIA Jetson Developer Kit

NVIDIA har ingen mangel på Jetson Developer Kits. Så husk disse vigtige faktorer, når du ser på markedet for et køb:

Fodspor

Den første ting at bemærke, når du pakker det bedste NVIDIA Jetson Developer Kit ud, skal være din første overvejelse: fodaftrykket. Hvor meget plads har sættet brug for i dit arbejdsområde? Er det tungt?? Er blæseren placeret for højt? Kits med et større fodaftryk er ikke bærbare. Hvis dit barn ikke er bærbart, hvad er meningen med at få en i første omgang?

Brugervenlighed

Udviklersættet skal være klar til brug ud af kassen. Det bør ikke begrænse din nysgerrighed at udforske AI med forskellige sensorer og perifert udstyr.

Support

Den næste funktion, du skal se på, er support og kompatibilitet. Først og fremmest er understøttelsen af ​​moderne AI-rammer som TensorFlow, PyTorch og MXNet. Det skal også understøtte så mange populære sensorer i AI-samfundet som muligt. At have et stort og levende udviklerfællesskab er også nyttigt. Du kan derefter foretage fejlfinding af problemer, dele open source-projekter såvel som applikationer i den virkelige verden.

Sådan bruger du (eller endda bruger?)

Når du har modtaget dit produkt, skal du indlæse operativsystemet og oprette forbindelse til internettet. Åbn derefter en browser teksteditor, og lad den sidde der i ca. 6 timer eller mere. At lade det hvile natten over er normalt bedre. Bagefter, hvis der ikke er noget tegn på genstart, skal du være god at gå. Men hvis du bemærker genstart, skal du se, om der er en kernekrashfil under "/ var / log"? Åbn den, og søg efter “kernel oops”. Hvis det dukker op, skal du ikke spilde din energi eller tid. Bare returner produktet!

Afsluttende tanker

AI ved kanten kan frigøre utroligt potentiale i alt. Uanset om det er sundhedspleje, fremstilling eller landbrug, kan det bedste NVIDIA Jetson-udviklersæt gøre din opgave lige ved hånden utrolig givende. Disse sæt reducerer dine softwareudviklingsomkostninger og giver en skalerbar AI-strategi til dine autonome maskiner. Vi håber, at denne artikel hjalp dig med at beslutte dig. Det er alt for nu. Tak fordi du læste.

Sådan installeres og afspilles Doom på Linux
Introduktion til undergang Doom-serien opstod i 90'erne efter frigivelsen af ​​den originale Doom. Det var et øjeblikkeligt hit, og fra den tid af har...
Vulkan til Linux-brugere
Med hver nye generation af grafikkort ser vi spiludviklere skubbe grænserne for grafisk troskab og komme et skridt tættere på fotorealisme. Men på tro...
OpenTTD vs Simutrans
Oprettelse af din egen transportsimulering kan være sjovt, afslappende og ekstremt lokkende. Derfor skal du sørge for at prøve så mange spil som mulig...