Nvidia

Paras Nvidia Jetson -kehittäjäsarja

Paras Nvidia Jetson -kehittäjäsarja
Katso modernin tekoälyn saavutuksia. Nvidia tuo nykyaikaisen tekoälyn voiman oppijoille, luojille ja sulautetuille kehittäjille kaikkialla. Sen ammattilaiset ja opiskelijat käyttävät sen Jetson-kehityspaketteja ohjelmistojen testaamiseen, autonomisen koneen nopeampaan käyttämiseen pienemmällä virrankulutuksella. Jokaisessa sarjassa on ei-tuotettu Jetson-moduuli sekä vertailukantolevy nopeaan prototyyppien muodostamiseen.Eri kehittäjäsarjat on kuitenkin tarkoitettu eri tarkoituksiin. Väärä lauta jättää sinut käyttämättä päiviä vaan viikkoja yrittäessään tehdä siitä käyttökelpoisen. Paras Nvidia Jetson -kehittäjäsarja sisältää paljon muutakin kuin helppokäyttöisyyden ja alhaisen virrankulutuksen. Joten, sukellamme tänään tekoälyn maailmaan auttaaksemme sinua valitsemaan ihanteellisen tekoälyalustasi itsenäiseen kaikkeen.

Alla on suosikkimme:

1. NVIDIA Jetson Xavier NX -kehittäjäsarja

Jetson Xavier NX -kehittäjäsarja on harrastajatason laite, jolla on kuluttajatason hinta. Se vie TX2-suorituskyvyn ja kasvattaa sitä. NVidian mukaan NX-suorituskyvyn matriisit ylittävät TX2: n noin kymmenen kertaa niinkin vähän kuin 10 W. Se varmasti miellyttää säännöllistä näppärää. Sen kyky kehittää ja testata energiatehokkaita, pienikokoisia faktaprojekteja erittäin tarkalla, multimodaalisella tekoälypäätelmällä avaa oven uusille läpimurtoille.

Moduulin tietokoneessa on 6-ytiminen NVIDIA Carmel ARM v8.2 suoritinta, 6 Mt L2 + 4 Mt L3-välimuistia, 8 Gt: n tietokoneen muistikoko ja 16 Gt: n laitteistolevykoko. Lisäksi sen GPU perustuu NVIDIA: n uusimpaan Volta-arkkitehtuuriin, jossa on 384 CUDA ja 48 Tensor-ydintä. Nämä ovat melko petoja kuluttajatasolle.

Ainoa ongelma tässä vaihtoehdossa on, että L4T: llä on hyvin pieni tukiyhteisö, mikä tarkoittaa, että ohjelmistotukea ei ole paljon. Jos tarvitset ohjelmistoa, sinun on todennäköisesti rakennettava se itse.

Kaiken kaikkiaan NVIDIA Jetson Xavier NX -kehittäjäpaketissa on tehokas, kompakti Jetson Xavier NX -moduuli tekoälyn reunalaitteille. Se on täydellinen kannettava ratkaisu tekoäly- tai robotiikkasovelluksia tutkiville tahraajille. Eikä vain, se toimii myös viihteen ja tuottavuuden kannalta.

Osta tästä: Amazon

2. NVIDIA Jetson Nano 4GB -kehittäjäsarja

Luettelomme toiseksi paras Nvidia Jeston -kehittäjäsarja on kenties markkinoiden aliarvioitu SBC. Se tarjoaa erinomaisen suorituskyvyn nykyaikaisen tekoälyn työmäärän suorittamiseksi poikkeuksellisen suurella, tehokkaalla ja hintaisella tasolla. Se tekee siitä suuren pienen tietokoneen, erityisesti koneoppimiseen ja opettamiseen.

Jetson Nano on erinomainen myös yleiskäyttöisenä Ubuntu 18: na.04 LTS-työpöytä. Vaikka kuva perustuu edelliseen LTS: ään, se on silti yksi Nvidian kiillotetusta kuvasta. Vaikka vain 4 Gt muistia, se toimii poikkeuksellisen hyvin. Nano tuntuu erittäin hämmentyneeltä, kun hän käyttää REAL-työpöydän Linux-jakelua. Kyllä, edes 8 Gt: n RaspberryPi 4 ei pysty voittamaan suorituskykyä.

Ja sitten on tärkein piirre: GPU, ohjelmointi ja sen koneoppimisen työkalut. Kaikki on esiasennettu ja konfiguroitu. Voit myös lisätä muita työkaluja nopeasti konttikuvien kautta. Tämän kehityspaketin ainoa haittapuoli on, että Maxwell-pohjaiset 128 Cuda -ydintä ovat jonkin verran vanhentuneita. Mutta hei, niin kauan kuin he saavat työn opetusvälineenä, kaikki on hyvä.

Tärkein takeaway on, että se on melko itsenäinen asennus. Jos olet piirakan fani, se on yhtä helppoa kuin piirakka (sanat ehdottomasti tarkoitettu). Kaikki kestää vain 10 minuuttia nousta ja juosta. Hintansa puolesta mikään ei voita sitä, etenkään itsenäisenä oppimisvälineenä.

Osta tästä: Amazon

3. NVIDIA Jetson AGX Xavier -kehittäjäsarja (32 Gt)

Vaikka Nano on loistava, se voi olla hidasta vakaville kehittäjille. Xavier on hienoimmillaan Linux ARM64. Toki, AGX Xavier on huomattavan kallista, mutta suorituskyvyn suhteen se on lyönyt. Ja se vain 30 W: n tehotasolla.

Puhutaan vähän teknisistä tiedoista. Alusta on mukava ARMv8-kehittäjälaatikko, joka sisältää CUDA-, TensorRT- ja NVIDIA-kirjastot. Toisaalta moduulissa on kahdeksan ARM v8.2 “Carmel” -prosessorin ydintä, 512 ytimen Volta-GPU (tensorisydämillä), 16 Gt LPDDR4x-muistia, 32 Gt eMMC5.1 tallennustila, 2 syvällistä NVDLA-kiihdytintä ja seitsemäsuuntainen VLIW-näköprosessori. Se on vaikuttavaa tulivoimaa.

Rakastamme tätä sarjaa, koska sen mukana tulee "hiljainen" tila. Tämän vuoksi se jäähtyy passiivisesti merkityksettömällä kuristuksella.

Meillä on kuitenkin yksi pieni kahva. sähkötapahtuman sattuessa tällä laitteella ei ole automaattisesti virtaa. Voit hypätä joihinkin nastoihin saadaksesi sen automaattisesti päälle, mutta emme kokeille tätä menetelmää koeajon aikana. Kaiken kaikkiaan, jos harjoittelet verkostoja tai teet video-AI-tekniikkaa, testaat robotiikkaa ja muita itsenäisiä koneita, AGX Xavier on sinulle Jetson.

Osta tästä: Amazon

4. NVIDIA Jetson TX2 -kehityspaketti

Jetson TX2 on toinen kehittäjäpaketti asiantuntijoille, joka on mukavasti optimoitu erilaisille tekoälymuodoille. Aloittelijoille on melko vaikea päästä alkuun tämän sarjan kanssa. Mutta vaikka et ole koskaan kouluttanut syvää oppimisverkkoa, täällä on paljon arvostettavaa.

Teknisten ominaisuuksien osalta TX2: lla on kaksiytiminen NVIDIA Denver 2 -prosessori ja neliytiminen ARM Cortex-A57 MPCore -prosessori, 4 Gt 128-bittistä LPDDR4-muistia, 256-ytiminen NVIDIA: n Pascal-GPU ja 16 Gt: n eMMC 5.1 tallennustila. Se tarkoittaa suorituskykyä kolme kertaa nopeammin kuin Vadelma 3. (Jetson TX2 -kehityspaketti ilmestyi vuonna 2017).

Testataksemme sen suorituskykyä, käytimme syviä verkkoja kuvan tunnistamiseksi Tensorflow-tekniikalla. Aluksi verkot koulutettiin Amazon AWS: n avulla. Verkot siirtyivät virheettömästi TX2: een. Mutta tietysti jonkin verran. Tämä ei ole lelu. Tämä on ammattisuunnittelutyökalu. Se on moduuli, joka ohjaa itse ajavaa autoa tai videota sieppaavaa quadcopteria. Nämä tehtävät edellyttävät nopeaa prosessointikykyä pienellä virrabudjetilla.

Siksi ei ole muuta tällaista työkalua. Jos tarvitset nopean prosessorin, joka vetää vain 15 wattia, NVIDIA Jetson TX2 -kehityspaketti näyttää loogiselta valinnalta.

Osta tästä: Amazon

5. NVIDIA Jetson TK1 -kehityspaketti

Lopuksi meillä on yksi vanhimmista NVIDIA Jetson -kehittäjäpaketeista. Tietenkin kannattaa silti tutkia vuonna 2021. Jos testaat vedet Nvidia-kehittäjäsarjoilla, TK1 on edelleen loistava lähtökohta ja halpa GPU-kehitysalusta.

TK1 on rakennettu NVIDIA: n Tegra K1 SOC: n ympärille. Se käyttää NVIDIA Kepler -tietokoneen ydintä, joka tuntuu hieman vanhentuneelta tänään. Se on kuitenkin edelleen täydellinen NVIDIA CUDA -alusta, jonka avulla voit kehittää ja ottaa käyttöön tietojenkäsittelyintensiivisiä järjestelmiä tietokonenäköön, robotiikkaan, maatalouteen, lääketieteeseen ja muuhun.

Tämän mallin jalanjälki on melko iso ja pitkä. Vaikka järjestelmä toimii viileänä, tuuletin itsessään on melko korkealla sarjassa. Koska tämä on vanhempi malli, RAM-muistia jaetaan myös GPU: n ja suorittimen välillä, mikä rajoittaa sen suorituskykyä.

Kuten aiemmin mainituissa vaihtoehdoissa, NVIDIA tarjoaa koko mallin BSP- ja ohjelmistopinon. Tämä sisältää CUDA, OpenGL 4.4 ja NVIDIA: n Vision Works -sarja. NVIDIA tarjoaa täydellisen kehityspaketin sekä valmiiden pakettien yhteensopivuuden ja tuen kameroille ja muille oheislaitteille mukavan esittelyratkaisun sulautettujen järjestelmien käytön aloittamiseen.

Osta tästä: Amazon

Paras NVIDIA Jetson -kehittäjasarjan ostajan opas

NVIDIA: lla ei ole Jetsonin kehittäjäsarjojen puutetta. Joten pidä nämä tärkeät tekijät mielessä ostaessasi markkinoita:

Jalanjälki

Ensimmäinen asia, joka on huomioitava, kun purat parhaan NVIDIA Jetson -kehittäjäsarjan, pitäisi olla ensimmäinen huomio: jalanjälki. Kuinka paljon tilaa pakki tarvitsee työtilassa? Onko se raskasta? Onko tuuletin asetettu liian korkealle? Suuremman jalanjäljen omaavat sarjat eivät ole kannettavia. Jos lapsesi ei ole kannettava, niin mitä järkeä on saada yksi ensin?

Helppokäyttöisyys

Kehityspaketin tulee olla käyttövalmis heti pakkauksesta. Sen ei pitäisi rajoittaa uteliaisuuttasi tutkia tekoälyä erilaisilla antureilla ja oheislaitteilla.

Tuki

Seuraava ominaisuus, jota sinun pitäisi tutkia, on tuki ja yhteensopivuus. Ensinnäkin on tuki nykyaikaisille tekoälykehyksille, kuten TensorFlow, PyTorch ja MXNet. Sen tulisi myös tukea mahdollisimman monta suosittua anturia tekoälyyhteisössä. Laaja ja elinvoimainen kehittäjäyhteisö on myös hyödyllistä. Tämän jälkeen voit tehdä vianmääritystä, jakaa avoimen lähdekoodin projekteja sekä reaalimaailman sovelluksia.

Kuinka käyttää (tai jopa käyttää?)

Kun olet saanut tuotteesi, lataa käyttöjärjestelmä ja muodosta yhteys Internetiin. Avaa sitten selaimen tekstieditori ja anna sen istua siellä vähintään 6 tuntia. Antaa sen levätä yön yli on yleensä parempi. Jälkeenpäin, jos ei ole merkkejä uudelleenkäynnistyksestä, sinun pitäisi olla hyvä mennä. Jos huomaat uudelleenkäynnistyksen, tarkista, onko ”/ var / log” -kohdassa ytimen kaatumistiedostoa? Avaa se ja etsi hakusanalla "kernel oops". Jos se näkyy, älä tuhlaa energiaa tai aikaa. Palauta vain tuote!

Lopulliset ajatukset

Äärellä oleva tekoäly voi avata uskomattoman potentiaalin kaikessa. Olipa kyse terveydenhuollosta, valmistuksesta tai maataloudesta, paras NVIDIA Jetson -kehittäjasarja voi tehdä tehtävästäsi uskomattoman palkitsevan. Nämä sarjat vähentävät ohjelmistokehityskustannuksiasi ja tarjoavat skaalautuvan tekoälystrategian itsenäisille koneillesi. Toivomme, että tämä artikkeli auttoi sinua päättämään. Tässä kaikki tältä erää. Kiitos, että luit.

How to Change Mouse and Touchpad Settings Using Xinput in Linux
Most Linux distributions ship with “libinput” library by default to handle input events on a system. It can process input events on both Wayland and X...
Remap your mouse buttons differently for different software with X-Mouse Button Control
Maybe you need a tool that could make your mouse's control change with every application that you use. If this is the case, you can try out an applica...
Microsoft Sculpt Touch Wireless Mouse Review
I recently read about the Microsoft Sculpt Touch wireless mouse and decided to buy it. After using it for a while, I decided to share my experience wi...