[译] 边缘AI计算新品：NVIDIA Jetson Nano

最近下单了NVIDIA Jetson Nano开发套件，因为国内没有现货，须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加速棒以后，咱们在本周也对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，因此让咱们来谈谈Jetson Nano到底是什么：

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彻底不一样。

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？

若是说谷歌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？

抽象装置是一种能够作许多不一样事情的设备，它有多种用途。相反，ASIC开发出来只作一件事。可是：固然，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，并且Jetson Nano功耗比Google Coral还高。可是MobileNet V2是目前Coral仅能运行的网络。（由于它是一个ASIC，它只运行为其开发的模型，定制的网络经过Google编译器编译也可用）

我可能会作另外一个关于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。它能够运行任何东西。我已经安装和测试过TensorFlow-GPU，就像任何其余具备CUDA能力的NVIDIA GPU的桌面系统同样。

一则轶事可展现它有多么强大：今天我忘记了个人macbook，我决定在Jetson Nano上进行工做。是的，操做系统的UI部分彷佛比个人旧主力机上的macOS响应性稍差，但因为CUDA加速，全部ML的任务都更快。

测试之路

Jetson Nano的操做系统（JetPack，Ubuntu 18.04 LTS）彷佛没有预先安装TensorFlow。固然，大多数所需的软件包均可很是容易的经过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。我很肯定很快就能够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作一些工做，并预感将它与Coral USB加速棒组合起来将会很是性感！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，我很快就会作一些性能测试，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