Jetson Nano: одноплатник для машинного обучения от Nvidia

[Ivanii]

Сегодня его уже продают www.seeedstudio.com/NVIDIA-Jetson-Nano-Development-Kit-p-2916.html — In Stock 170+ Available

[kSx]

И ниже кнопочка «Предзаказ» с ожидаемой датой поступления — 12 апреля.

[copylove]

Нашел уже растаможенное, запросил сроки.
e-components.ru/item/945-13450-0000-000

[DrBulkin]

У меня обработка картинки сеткой на 1080TI занимает 0,7 сек. Комп воет и шумит. Греется.
Интересно, а как бы пересчитать скорость обработки на такой плате?

[ZlodeiBaal]

Очень — очень примерно 15-20 секунд. Но лучше замерять. Вопрос и к архитектуре сети и тому как она к памяти лазит, и от числа полносвязных слоёв, и от фреймворка используемого, и.т.д., и.т.п.
Реально Tx2 примерно в 7-10 раз медленнее 1080Ti на многих задачах. Tx1 на 30% медленнее tx2 на большинстве задач. А Nano — по сути в 2 раза зарезанный Tx1 судя по спекам.
Вполне может оказаться что недавний Coral или Movidius 2 быстрее окажутся. Но надо руками сравнивать по разным задачам…

[Alex_ME]

Ну вроде как не нейронками единами. Можно, например, SLAM с помощью GPU делать, чего не сделать на Movidius.

[ZlodeiBaal]

Так вопрос то про сетку был.

[Godless]

Интересно как на нем Kodi зашевелится на 4к… Не совсем ИИ, конечно…

[DASM]

Кто мне скажет, почему задачу, по-сути перцептрона, называют искусственным интеллектом? Мне кажется разработчики слишком высокого мнения о своих творениях. Даже если опустить весь этот хайп по deep learning, который из все, что вижу — чаще всего просто неприменим

[kovserg]

И какая там операционная система? Будут те же грабли как и со всем одноплатниками или наконец-то будет работать из коробки?

[Alex_ME]

На TX2 — Ubuntu 16.04, в целом работает хорошо. Хотя какими-то особо специфичными извращенными задачами я не занимался.

[bazin]

Существует ли подобный одноплатник под Windows?

[a5b]

Для Windows 10 IoT Core есть список плат: docs.microsoft.com/en-us/windows/iot-core/learn-about-hardware/socsandcustomboards
Raspberry Pi (BCM2837, BCM2836 — ARM); что-то с атомными x86 (apollo lake, braswell, cherry trail, bay trail-i/m/d) от Advantech/Kontron/Aaeon; Qualcomm DragonBoard 410c (APQ8016, менее производительные ARM-ядра, чем в jetson nano); NXP i.MX* (ARM): Advantech RSB-4411, Keith & Koep pConXS, Kontron SMARC-sAMX6i, Solid Run Hummingboard Edge, Geniatech SoM-iMX6Q-Q7 и SoM-iMX7D, VIA VAB-820, Phytec phyBOARD-i.MX7.

Либо искать одноплатники на x86 процессорах (или даже небольшие материнские платы с припаяным процессором). На ряде из них возможен запуск Windows 10. Например Aaeon “UP Xtreme” SBC linuxgizmos.com/latest-up-board-combines-whiskey-lake-with-ai-core-x-modules

[Shurr-pl]

В тему одноплатников x86 под WIN10: в моей рабочей практике удачным получилось решение на базе плат от неттопов серии BRIX от Gigabyte (аналог intel NUC). Очень удобным оказалось размещение SoC на стороне платы, свободной от интерфейсов и разъемов (в отличие от предложенного выше Aaeon), что позволило устанавливать плату процессором на радиатор и иметь удобный доступ к слотам памяти, М.2, SATA и т. д.

[fyodorser]

Мы сделали измерения производительности библиотеки Fastvideo SDK для каждой стадии обработки RAW кадра на Jetson Nano. На GPU реализована схема обработки RAW кадров от камеры для получения RGB. Тесты с камерами сделаем в ближайшее время.

[strcpy]

Работаю с джетсоном несколько месяцев. В целом ощущение такое — железо нормальное, а софт сырой и кривой, саппорт не помогает исправить ошибки в софте, по-видимомум у саппорта нет выхода на разработчиков. Если вам надо портировать сложную модель из тензорфлоу на тензоррт, с большой вероятностью конверторы не сработают, придется по слоям собирать на С++. Поддержка gstreamer/deepstream глючная, там проблемы с памятью, на многих камерах падает, саппорт по существу проблему игнорит.