OKdo通过新的开发工具包为制造商和嵌入式设计师带来了人工智能

OKdo最近宣布了他们产品系列的最新添加，theNVIDIA Jetson Nano开发工具包。新的开发工具包提供了对全桌面Linux的开箱即用支持，并与许多支持4K的外设兼容，包括以太网、USB和HDMI。

英伟达Jetson Nano开发工具包允许用户以472 Gflops来满足他们的人工智能需求。从图片英伟达

它还拥有128核的NVIDIA Maxwell GPU，允许用户在视频分析和机器人领域开发人工智能应用。

不仅仅是对创造者

虽然该单元主要面向制造商和学习者，但这个工具包也可以作为工程师和嵌入式开发人员的价值。Jetson Nano开发工具包允许开发人员并行运行多个神经网络，用于图像分类、目标检测、分割和语音处理等应用。

我们之前已经讨论过了神经网络正在改变工程师在各个领域的工作方式而这个新套件有助于为工程师提供必要的人工智能硬件和软件，以实现这一目标。该平台易于使用，运行仅为5瓦。

Jetson Nano套件的目标是并行运行多个神经网络，用于受益于人工智能的应用。从图片英伟达

该工具包使用了英伟达的Deepstream SDK，它提供了一个完整的流分析工具包，使用多传感器处理基于人工智能的视频和图像理解。

把杰森Nano当做专业车

《Jetson》的开发工具包并不是用于生产;相反，它们应该用于在预生产环境中开发和测试软件。Jetson模块适用于生产部署，可提供5至10年的使用寿命。

Jetson Nano开发工具包的演示。从图片英伟达

然而，Jetson Nano对于专业的嵌入式工程师和研究人员仍然是有用的。凭借472 Gflops的计算性能，Jetson Nano可以帮助工程师进行目标检测、视频搜索、视频增强、姿态估计、人脸识别和热图等项目。

Jetson Nano如何与其他机器学习边缘设备相比

NVIDIA提供了大量的社区资源来说明如何使用Jetson Nano，包括一系列的机器学习边缘设备上的基准测试由机器学习工程师Juan Pablo Gonzalez表演。Gonzalez的报告以五种新型edge设备为基准:Jetson Nano、谷歌Coral Dev Board、Intel Neural Compute Stick、Raspberry Pi和2080ti NVIDIA GPU。

该测试通过一次一次的图像分类任务实时度量推理吞吐量。这是通过评估一个特定子集的top-1推理精度来实现的ImageNetV2并将它们与回旋网模型。

结果发现，Jetson Nano(当与ResNet-50、TensorRT和PyTorch一起使用时)的推断时间最好，达到了2.67毫秒或375帧每秒。在相对精度方面，Jetson Nano与trt - trt和EfficientNet-B3配合使用的结果也最好，准确率为85%。

使用带有FP16 precious和batch size 1的Jetson Nano和TensorRT的深度学习推理性能。从图片英伟达

NVIDIA还提供了一系列基准测试在Jetson Nano上使用TensorFlow、PyTorch、Darknet、Caffe和MXNet在各种型号上使用，包括ResNet-50、MovileNet-v2和Unet。这些基准测试结果代表了用户可以使用的一些最流行的网络，但也可以与自定义体系结构一起使用。

NVIDIA还表示，Jetson Nano不仅限于深度神经网络推理，还可以用于计算机视觉和数字信号处理(DSP)。