Новости по тегу Jetson Nano, страница 1 из 1

Google Coral Edge TPU против NVIDIA Jetson Nano: сравнение производительности

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. 

Самый маленький в мире «суперкомпьютер» для встраиваемых приложений с искусственным интеллектом от Nvidia

Компания Nvidia представила новую плату Jetson Xavier NX, которая сочетает вычислительную мощность AGX Xavier и сверхкомпактный форм-фактор Jetson Nano (70 x 45 мм).

Создание системы распознавания лиц за 150 долларов с Nvidia Jetson Nano и Python

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.

Система-на-Модуле Jetson Nano Module от NVIDIA

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.

Самый маленький  AI суперкомпьютер для встраиваемых приложений и новейших систем

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.

Как запустить модель Keras на Jetson Nano

Статья содержит руководство по подготовке модели Keras к запуску на Jetson Nano и последующим распознаванием изображений. Подготовленные модели позволят быстро протестировать возможности этого микрокомпьютера.

Начало работы с NVIDIA Jetson Nano

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.

Гибкий двухцветный e-Ink HAT дисплей с диагональю 2.13 дюйма для Raspberry Pi

Благодаря конструктивным особенностям (HAT), дисплей удобно и просто можно подключить к Raspberry Pi, Jetson Nano, а наличие контроллера с SPI интерфейсом позволяет использовать его с любой МК платой с 3-проводным или 4-проводным SPI, например, Arduino, STM32 NUCLEO и т.д. В результате пользователь получит возможность визуализировать информацию с использованием гибкого дисплея и с минимальным увеличением общего энергопотребления системы на <0.017 мВт в режиме отображения и 26.4 мВт (тип.) при обновлении страницы.

Комплект разработчика Jetson Nano Developer Kit

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.

Сравнение позиций

  • ()