В настоящее время на рынке представлено множество недорогих и мощных платформ, которые можно использовать в задачах, связанных с машинным обучением. Но какова реальная производительность этих платформ? Автор в статье проводит сравнительные тесты производительности нескольких популярных отладочных плат.
Компания Nvidia представила новую плату Jetson Xavier NX, которая сочетает вычислительную мощность AGX Xavier и сверхкомпактный форм-фактор Jetson Nano (70 x 45 мм).
С Nvidia Jetson Nano вы можете создавать автономные устройства, работающие с моделями глубокого обучения и GPU-ускорителем при небольшом бюджете. Они будут работать достаточно быстро.
Высокопроизводительный компьютер для встраиваемых приложений, задач искусственного интеллекта и интернета вещей в форм-факторе SoM с размерами 69.6 мм х 45 мм. В основе модуля – 128-ядерный графический процессор NVIDIA с архитектурой Maxwell и четырехъядерный процессор ARM Cortex-A57. Изделие сопровождается полным пакетом программного обеспечения JetPack SDK для глубокого обучения, компьютерного зрения, графики, мультимедиа и пр. Модуль обладает производительностью и возможностями, необходимыми для работы современных систем искусственного интеллекта, предоставляя разработчику возможность добавить продвинутый AI в свой продукт.
Первый в мире полноценный суперкомпьютер на модуле с размерами кредитной карты. Изделие представляет собой малопотребляющую систему на модуле на основе революционной архитектуры NVIDIA Maxwell™ с 256 ядрами CUDA, которые обеспечивают производительность более 1 TeraFLOPs. 64-разрядный процессор, возможности кодирования и декодирования видео 4K, а также интерфейс камеры, поддерживающий скорость до 1400 мегапикселей/сек. делают эту систему лучшей для встраиваемых приложений глубокого обучения, задач компьютерного зрения, графики, GPU вычислений и искусственного интеллекта (AI).
Система на модуле в форм-факторе SODIMM-260 размером 45x69.6 мм с 6-ядерным 64-битным NVIDIA Carmel ARM®v8.2 CPU и 384-ядерный NVIDIA Volta GPU с 48 тензорными ядрами, с оперативная памятью 8 ГБ LPDDR4x@1600 МГц с пропускной способностью до 51,2 ГБ/с и пр. SoM сочетает в себе исключительную производительность и энергопотребление с малыми размерами и богатым набором линий ввода-вывода и позволяет использовать его для широкого спектра встраиваемых устройств и приложений искусственного интеллекта.
В руководстве доктора наук (PhD) Адриана Роузброка, специализирующегося на вопросах разработки алгоритмов обработки изображений и машинного обучения, подробно рассмотрены практические вопросы решения таких задач, как обнаружение и классификация объектов на основе бюджетного AI высокопроизводительного компьютера Jetson Nano от компании NVIDIA и предварительно установленных сценариев. В частности, рассмотрены вопросы установки системных пакетов, настройки среды разработки, установки открытой нейросетевой библиотеки Keras и библиотеки для машинного обучения TensorFlow на Jetson Nano и пр.
Небольшой высокопроизводительный компьютер для систем искусственного интеллекта, который позволяет параллельно запускать несколько нейронных сетей для таких приложений, как классификация изображений, обнаружение объектов, сегментация и обработка речи. В основе изделия система на модуле (SoM) cо 128-ядерным графическим процессором NVIDIA Maxwell, 4-ядерным ARM Cortex-A57@1.43ГГц процессором, оперативной памятью 4 GB 64-bit LPDDR4 25.6 GB/s и слотом для microSD для установки образа Linux и хранения файлов проектов. Модуль обеспечивает производительность до 472 Gflops. Изделие предназначено для разработчиков встраиваемых систем, исследователей, студентов и всех, кто увлечен техническим творчеством.
