[译] 边缘AI计算新品：NVIDIA Jetson Nano

最近下单了NVIDIA Jetson Nano开发套件，由于国内没有现货，需要过一段时间才能拿到。这几天在收集相关的资料，现翻译一篇介绍NVIDIA Jetson Nano的文章：NVIDIA Jetson Nano, a Raspberry Pi on steroids。原文地址：blog.raccoons.be/nvidia-jets… ，略有删减。

在上周测试了Google Coral USB加速棒之后，我们在本周也对NVidia Jetson Nano进行了评测。

首次开箱

盒子有啥？

盒子里有Jetson Nano...这个答案有点简短，所以让我们来谈谈Jetson Nano究竟是什么：

它基本上是NVidia用来对付谷歌发布的Coral Edge TPU的一款产品，其目标是在边缘运行人工智能（EdgeAI）。有趣的是，他们实现处理大模型的计算能力的方式完全不同。

Jetson Nano基本规格为：四核ARM Cortex-A57, 4GB LPDDR4 RAM，128CUDA核心Maxwell GPU。

NVIDIA

区别在哪里？

如果说谷歌Coral TPU就是ASIC（专用集成电路），NVidia Jetson则是一个结合了128核GPU的ARM CPU，一个更传统和抽象的装置。

ASIC，抽象，啥？

抽象装置是一种可以做许多不同事情的设备，它有多种用途。相反，ASIC开发出来只做一件事。但是：当然，没有什么是免费的，Jetson也如此，它带来了效率成本。从互联网上查到的数据，使用MobileNet V2时，Coral的得分要好得多，而且Jetson Nano功耗比Google Coral还高。但是MobileNet V2是目前Coral仅能运行的网络。（因为它是一个ASIC，它只运行为其开发的模型，定制的网络通过Google编译器编译也可用）

我可能会做另一个关于Jetson Nano和Coral Edge TPU之间比较的博客，我认为这是一个有趣的故事。

对比 - 来源：NVIDIA

是的，当使用MobileNet检测对象时，效能上它被Google Coral完爆。但那不是重点，重点是它是一款强大的64位ARM，拥有128核GPU。它可以运行任何东西。我已经安装和测试过TensorFlow-GPU，就像任何其他具有CUDA能力的NVIDIA GPU的桌面系统一样。

一则轶事可展示它有多么强大：今天我忘记了我的macbook，我决定在Jetson Nano上进行工作。是的，操作系统的UI部分似乎比我的旧主力机上的macOS响应性稍差，但由于CUDA加速，所有ML的任务都更快。

测试之路

Jetson Nano的操作系统（JetPack，Ubuntu 18.04 LTS）似乎没有预先安装TensorFlow。当然，大多数所需的软件包都可非常容易的通过pip或apt-get安装。

用GPU正确识别皮卡丘分类

结论

NVIDIA Jetson Nano看起来像一个很好的工程产品，小巧、酷炫、功能强大。我很确定很快就可以轻松地从桌面移植一些人工智能项目，但与谷歌Coral相比，它易用性较差。但我认为它应该与树莓派进行比较（正如标题所示）：它是类RPi的产品！我真的很期待在上面做一些工作，并预感将它与Coral USB加速棒组合起来将会非常性感！我认为没预置TensorFlow是一个遗憾，这会让它更容易上手。

今天先到这儿，我很快就会做一些性能测试，届时我将比较Jetson Nano、Raspberry Pi、RPi + Coral、Jetson Nano + Coral和桌面i7 + GTX1080，使用MobileNet V2进行图片分类，敬请关注！

来源：NVIDIA

转载于:https://juejin.im/post/5cc6dccce51d456e3a5f089a