這是一款走心的最新測評：英偉達史上最便宜AI硬體抗造不？

Raspberry Pi是製造商選擇的單板計算機，但AI不是它的強項。 Nvidia新推出的99美元Jetson Nano開發套件可以讓業餘愛好者和程式設計師都有機會以實惠的價格玩深度學習和神經網路。

Nvidia多年來一直在生產其Jetson系列AI電腦，但它們的價格遠遠超出了大多數消費者的需求，而且也不適合用於製造商專案。與Raspberry Pi一樣，Jetson Nano可在相對較小的主機板上安裝全套埠和40個GPIO引腳，您可以使用一個標準的2.5安培微型USB電源介面卡進行充電。

我有機會花了幾天玩了玩Jetson Nano，並在其上執行了一些AI演示。該平臺顯然很有潛力成為製造商針對特定用例工具箱的一個有趣的部分，但缺乏車載Wi-Fi確實阻礙了它的發展。而且，即使它具有無線連線，也不可能直接與Raspberry Pi競爭。

規格配置強大，但無線的在哪裡？

與Raspberry Pi相比，Jetson Nano的效能要好得多，專為AI應用而設計，採用1.4 GHz四核ARM A57 CPU，128核Nvidia Maxwell GPU和4 GB RAM。它有四個USB A型埠，包括一個USB 3.0，HDMI和DisplayPort輸出用於視訊和一個千兆乙太網聯結器。有一個攝像頭插槽，您也可以通過USB連線攝像頭。

微型USB埠連線到電源，但也有一個桶式聯結器，您可以使用可選的高功率電源。 CPU上面有一個散熱器，但是如果你要執行需要更多散熱的處理器密集型任務，你可以在水槽頂部安裝一個可選的風扇。

與Raspberry Pi一樣，作業系統和軟體儲存在可移動的microSD卡上。此外，與Pi一樣，Jetson Nano具有40個GPIO（通用輸入/輸出）引腳，可用於連線燈、電機和感測器。這些引腳是製造商社群的賭注，因為你會很需要它們來構建機器人和其他iOT裝置。

然而，Jetson Nano缺少車載無線連線，這對於大多數的製造商來說是至關重要的。除了5美元的Raspberry Pi Zero外，每一款當前的Raspberry Pi都配有內建Wi-Fi和藍芽功能。但是要使用Jetson Nano，您必須使用以下三種連線選項的其中之一：連線到乙太網，只編寫離線執行的程式，不需要藍芽，或者附加一個第三方USB Wi-Fi /藍芽介面卡。

連線第三方Wi-Fi加密狗並不像您想象的那麼容易。您可以使用USB加密狗或M.2 Wi-Fi卡，它們位於CPU和GPU下面的M.2插槽中（稍後會詳細介紹）。無論哪種方式，Jetson Nano使用的Ubuntu 18.04版本都沒有內建的Wi-Fi介面卡驅動程式，根據我讀過的所有支援文件，獲取它們的唯一方法是編譯自己的驅動程式。

在辦公室，我們有一個TP-Link Archer AC600 T2UH USB Wi-Fi介面卡，我花了兩到三個小時搜尋關於如何編譯Jetson驅動程式的指令，並在我放棄之前嘗試不同的方法，最終決定堅持使用乙太網。可能還有其他可能很容易找到或編譯驅動程式的加密狗，比如Nvidia推薦的10美元的Edimax-7811UN。但你不應該只是為了連線網際網路這一種功能就這麼繁瑣，更不用說配對藍芽裝置之類的。當價值10美元的Raspberry Pi Zero W內建Wi-Fi /藍芽時，開箱即用，很難找到英偉達把它放在價格10倍的電腦之外的理由。

SODIMM卡上的電腦

雖然我們的評測單元組合在一起，但很容易看出CPU和GPU實際上是在一個單獨的電路板上，插入主PCB上的260針SODIMM插槽，該插槽容納埠和聯結器。考慮到Nvidia還製造了一個獨立的Jetson Nano計算單元，售價129美元，擁有16GB的內建儲存空間但沒有埠，因此開發人員套件的處理器也可以放在附加板上。順便說一下，如果你想要129美元的電路板，Nvidia說你需要訂購1000個或更多的單元才能以這個價格買到它。因此，除非您將Jetson Nano製作成批量生產的產品，否則開發工具包是您唯一的選擇。

尺寸和重量

Jetson Nano Developer套件非常小，但比最大的Raspberry Pi，Pi 3B +要大得多。顯然，它需要增加空間，特別是因為散熱器和SODIMM插槽，但是當你計劃你的專案時，你需要容納一塊3.8 x 3英寸（95.3 x 76.2 mm）的板子，重量為4.8盎司（136克）而Pi 3B +僅為3.4 x 2.3英寸（87毫米×58.5毫米），重量僅為1.8盎司（49.7克）

Linux作業系統

Jetson Nano和其他Jetson主機板的官方作業系統稱為Linux4Tegra，它實際上是Ubuntu 18.04的一個版本，設計用在Nvidia的硬體上執行。桌面的外觀和感覺與標準的Ubuntu Linux相同，並且有一個龐大的Linux應用程式生態系統，從開發軟體到可以從捆綁的“軟體”應用程式（這是一種應用程式商店）中獲得的遊戲。

也許並不奇怪，Nvidia在其文件中推薦的AI軟體和演示不在商店中，需要從命令列下載、編譯和呼叫。顯然，如果軟體全部預裝在Linux4Tegra上，整個過程對初學者來說會更容易，但使用命令列下載和安裝程式是Linux開發經驗的典型部分。

AI體驗：很快但有時奇怪的結果

Jetson Nano的真正存在理由是它能夠執行AI工作負載，如物件識別、運動跟蹤和視訊平滑。而且，基於Nvidia提供的深度視覺演示/教程，它似乎可以快速工作，但結果的質量更多地取決於軟體而不是硬體。

我首先嚐試了imagenet-console程式，該程式獲取影像檔案並嘗試識別其中的內容。當我嘗試使用Nvidia提供的示例JPG時，程式執行得非常好，正確識別出一隻橙子和一個黑色的熊。然而，當我給它一些我拍攝的影像時，結果很有趣。我兒子拿著樂高機器人的照片被標記為注射器，一組氣球被標記為聖誕襪，Nvidia執行長Jensen Huang的照片被標記為“西裝，衣服套裝。”最後一張從主題上來說，也不是完全不符合，黃教主穿著皮衣，但我不能認同，將皮夾克標記為西裝。

該應用程式在某些影像上表現得更好一些，在背景中用開放式紙板箱識別出一張照片作為“紙盒”和我兒子使用卡諾計算機套件的圖片識別為膝上型電腦，卡諾電腦套件不是膝上型電腦。公平點說，這個應用程式使用了1,000個物件型別的離線庫，如果使用更廣泛的資料集可能會產生更好的結果。

我還使用了imagenet-camera，它與imagenet-console相同，只是它使用的是來自網路攝像頭的實時視訊源。我用C920和C930e對羅技的網路攝像頭進行了測試，結果顯示，與使用靜止影像時相比，羅技攝像頭的識別結果更加不準確。

當我坐在網路攝像頭前時，它認為我是“浴帽”，大概是因為我的光頭吧。而另一位朋友在做測試時，被不同地貼上標籤，一個是出氣筒，一個是牛仔帽，要麼兩者兼而有之。他們襯衫上有按鈕或標誌的人被貼上了“軍裝”的標籤。然而，當我拿著一張橘子的照片放（在電話螢幕上） ）在相機前面，它正確地識別了該水果。

VisionWorks特徵跟蹤、運動估計和視訊穩定演示中得到的結果給我留下了深刻的印象。這個功能跟蹤演示程式處理了一段汽車在金門大橋上行駛的視訊，並在汽車的車牌等細節處加上紅色和綠色標記，大概是為了顯示它可以在這些物體移動時跟蹤它們。

這個運動估計演示使用了一段人們走在人行道上的視訊剪輯，並在他們穿過視野時跟蹤他們。視訊穩定演示展示了在應用穩定技術之前和之後，一個跳動的電影是什麼樣子的。

效能

作為工具包的一部分，Nvidia向我們提供了一份測試結果列表，它將各種AI基準測試結果與Jetson Nano與附帶英特爾神經計算棒的Raspberry Pi 3和帶有Edge TPU的Google Coral板進行比較。我們沒有時間在Jetson Nano上驗證這些數字，也沒有進行必要的競爭性測試。然而，至少在與Raspberry Pi相比時，人們很容易相信Jetson Nano的速度要快得多，特別是在AI任務中。

Jetson Nano擁有比Raspberry Pi和帶有Edge TPU的Coral Board更強大的處理器，兩者都有基於Arm Cortex A53的CPU，而Nano則使用更高階的Cortex A57平臺。 Nano還擁有4GB記憶體，而競爭對手只有1GB。即使您沒有執行AI應用程式，只想執行Linux應用程式，您也可以從Nvidia的計算機中獲得更多功能。

底線

Jetson Nano Developer Kit提供了一種經濟實惠且功能強大的方式來開始開發AI應用程式並將其部署到製造商專案中。除了演示之外，Nvidia還提供了一些非常詳細的教程來幫助您建立自己獨特的AI應用程式，我期待將來嘗試這些應用程式。

然而，對於大多數非AI製造商專案，Raspberry Pi仍然是最佳選擇。 99美元，Jetson Nano的成本幾乎是Raspberry Pi 3B +的三倍，它的體積更大，就是缺乏內建的Wi-Fi /藍芽。 Nvidia或其粉絲也很難與Raspberry Pi擁有的大量社群支援相匹配，或者複製其背後的配件、書籍和學校課程計劃的巨大生態系統。

但是，對於剛剛入門的AI開發人員或想要製作依賴於推理的專案的業餘愛好者來說，Jetson Nano是一個不錯的進步。

來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/31509949/viewspace-2638780/，如需轉載，請註明出處，否則將追究法律責任。