[譯] 邊緣AI計算新品：NVIDIA Jetson Nano

最近下單了NVIDIA Jetson Nano開發套件，由於國內沒有現貨，需要過一段時間才能拿到。這幾天在收集相關的資料，現翻譯一篇介紹NVIDIA Jetson Nano的文章：NVIDIA Jetson Nano, a Raspberry Pi on steroids。原文地址：blog.raccoons.be/nvidia-jets… ，略有刪減。

在上週測試了Google Coral USB加速棒之後，我們在本週也對NVidia Jetson Nano進行了評測。

首次開箱

盒子有啥？

盒子裡有Jetson Nano...這個答案有點簡短，所以讓我們來談談Jetson Nano究竟是什麼：

它基本上是NVidia用來對付谷歌釋出的Coral Edge TPU的一款產品，其目標是在邊緣執行人工智慧（EdgeAI）。有趣的是，他們實現處理大模型的計算能力的方式完全不同。

Jetson Nano基本規格為：四核ARM Cortex-A57, 4GB LPDDR4 RAM，128CUDA核心Maxwell GPU。

NVIDIA

區別在哪裡？

如果說谷歌Coral TPU就是ASIC（專用積體電路），NVidia Jetson則是一個結合了128核GPU的ARM CPU，一個更傳統和抽象的裝置。

ASIC，抽象，啥？

抽象裝置是一種可以做許多不同事情的裝置，它有多種用途。相反，ASIC開發出來只做一件事。但是：當然，沒有什麼是免費的，Jetson也如此，它帶來了效率成本。從網際網路上查到的資料，使用MobileNet V2時，Coral的得分要好得多，而且Jetson Nano功耗比Google Coral還高。但是MobileNet V2是目前Coral僅能執行的網路。（因為它是一個ASIC，它只執行為其開發的模型，定製的網路通過Google編譯器編譯也可用）

我可能會做另一個關於Jetson Nano和Coral Edge TPU之間比較的部落格，我認為這是一個有趣的故事。

對比 - 來源：NVIDIA

是的，當使用MobileNet檢測物件時，效能上它被Google Coral完爆。但那不是重點，重點是它是一款強大的64位ARM，擁有128核GPU。它可以執行任何東西。我已經安裝和測試過TensorFlow-GPU，就像任何其他具有CUDA能力的NVIDIA GPU的桌面系統一樣。

一則軼事可展示它有多麼強大：今天我忘記了我的macbook，我決定在Jetson Nano上進行工作。是的，作業系統的UI部分似乎比我的舊主力機上的macOS響應性稍差，但由於CUDA加速，所有ML的任務都更快。

測試之路

Jetson Nano的作業系統（JetPack，Ubuntu 18.04 LTS）似乎沒有預先安裝TensorFlow。當然，大多數所需的軟體包都可非常容易的通過pip或apt-get安裝。

用GPU正確識別皮卡丘分類

結論

NVIDIA Jetson Nano看起來像一個很好的工程產品，小巧、酷炫、功能強大。我很確定很快就可以輕鬆地從桌面移植一些人工智慧專案，但與谷歌Coral相比，它易用性較差。但我認為它應該與樹莓派進行比較（正如標題所示）：它是類RPi的產品！我真的很期待在上面做一些工作，並預感將它與Coral USB加速棒組合起來將會非常性感！我認為沒預置TensorFlow是一個遺憾，這會讓它更容易上手。

今天先到這兒，我很快就會做一些效能測試，屆時我將比較Jetson Nano、Raspberry Pi、RPi + Coral、Jetson Nano + Coral和桌面i7 + GTX1080，使用MobileNet V2進行圖片分類，敬請關注！

來源：NVIDIA