Nvidia’nın Jetson anakart serisi tipik değil Ahududu Pi alternatifler. Nvidia’nın odak noktası, giriş seviyesi AI tabanlı robotik, dronlar ve kameralardır. En son anakartı olan 499 $’lık Jetson Orin Nano, kiti kompakt tutmaya devam ederken işlem gücünü artırır.
Jetson Orin Nano, Nvidia Maxwell GPU’nun 128 CUDA çekirdeğini 1024 Amper tabanlı CUDA çekirdeği ile geliştiriyor. Ekstra çekirdekler ve daha yeni mimari, Orin Nano’nun Jetson Nano’nun AI performansının 80 katına kadar sahip olduğu anlamına gelir. Altı Arm A78AE CPU çekirdeği, Jetson Nano’nun performansının neredeyse yedi katını sağlar. Jetson AGX Orin modülüne güç veren aynı AI mimarisi, Orin Nano’da kullanılıyor, ancak çok daha uygun bir fiyata.
Nvidia, incelemem için bana bir Jetson Orin Nano örneği gönderdi, ancak bazı lojistik sorunlar nedeniyle, birim tam bir inceleme için çok az bir süre içinde geldi, bu yüzden burada panoya kısa bir giriş yapacağım ve ne bulduğumu açıklayacağım. Ne yazık ki, Orin Nano’nun ana kullanım durumu olan çıkarım ve makine öğrenimi ile ilgili herhangi bir test yapamadım çünkü bu beta düzeyindeki yazılımda denediklerim, sahip olduğum sınırlı süre içinde benim için çalışmadı. Orin Nano’nun yazılımının daha yeni bir sürümünü elde etmeyi umduktan sonra birkaç gün içinde çıkarım ölçütlerini içeren tam bir inceleme yayınlayacağız.
Anakartla birlikte verilen JetPack yazılımının özel bir önizleme olduğunu ve tüketicilere sunulacak nihai yazılımı yansıtmadığını unutmayın. Son yazılım sürümü kullanıma sunulduğunda, güçlü AI yetenekleri de dahil olmak üzere Orin Nano’nun tam bir incelemesini sunacağım.
Jetson Orin Nano Özellikleri
Başlık Hücresi – Sütun 0 | Jetson Orin Nano | jetson nano |
---|---|---|
İşlemci | 6 çekirdekli Arm Cortex-A78AE v8.2 64 bit CPU | Dört çekirdekli ARM Cortex-A57 MPCore işlemci |
1,5MB L2 + 4MB L3 | ||
GPU | 1024 Nvidia CUDA çekirdeği ile Nvidia Ampere mimarisi ve | 128 Nvidia CUDA çekirdeği ile Nvidia Maxwell mimarisi |
32 tensör çekirdeği | ||
Hafıza | 8 GB 128 bit LPDDR5 | 4 GB 64-bit LPDDR4, 1600MHz 25,6 GB/sn |
68 GB/sn | ||
Depolamak | Mikro SD | 16 GB eMMC 5.1 |
Taşıyıcı Kart aracılığıyla NVMe M.2 | Mikro SD | |
Güç | 7W – 15W (9-19V) | 20W (4 Amperde Maks. 5V) |
boyutlar | 69x45x21mm | 69,6 x 45 x 20 mm |
Jetson Orin Nano Taşıyıcı Kart Özellikleri
Başlık Hücresi – Sütun 0 | Jetson Orin Nano | jetson nano |
---|---|---|
Kamera | 2x MIPI CSI-2 22-pin Kamera Konnektörleri | 12 şeritli (3×4 veya 4×2) MIPI CSI-2 D-PHY 1.1 |
M.2 Anahtar M | x4 PCIe Gen 3 | |
x2 PCIe Gen3 | ||
M.2 Tuşu E | PCIe (x1), USB 2.0, UART, I2S ve I2C | 1 adet |
USB | 4 adet USB 3.2 Gen2 | 4 adet USB 3.0 |
Hata ayıklama ve cihaz modu için 1 x Tip C | 1 x USB 2.0 Mikro-B | |
ağ oluşturma | Gigabit Ethernet | Gigabit Ethernet |
RTL8822CE 802.11ac PCIe Kablosuz Ağ Adaptörü | ||
Görüntülemek | Ekran Bağlantı Noktası 1.2 | HDMI 2.0 ve eDP 1.4 |
GPIO | 40 Pinli GPIO | 40 Pinli GPIO |
12 Pimli Düğme Başlığı | ||
4 Pimli Fan Başlığı | ||
Güç | DC 9-19V Namlu Jakı | DC Varil Jakı 20W (4 Amperde Maks. 5V) |
boyutlar | 100 x 79 x 21 mm (Orin Nano modülü ve soğutma çözümü dahil yükseklik) | 100 x 80 x 29 mm (Yüksekliğe Jetson Nano modülü ve soğutma çözümü dahildir) |
Bir bakışta, Orin Nano ve Jetson Nano aynı görünüyor. Orin Nano’yu uzaklaştıran şey, bir soğutucuya yerleştirilmiş bir fan ve HDMI bağlantı noktasının olmamasıdır. USB-C bağlantı noktası, Jetson Nano’nun mikro USB’sinin yerini alır. Yukarıda bahsedilen fan, tam 15W’da çalışırken bile fısıltı kadar sessiz. Nvidia’nın önerilen çıkarım ölçütlerinden birini çalıştırdık ve fan, SBC’lerde test ettiğimiz diğer fanların aksine sessiz kaldı.
Çıkarım Testi
Şu anda bu bölüm kısa ve pek tatlı değil. Nvidia’nın, Orin Nano’nun Jetson Nano’nun performansının neredeyse 30 katını sağladığını (45 katına çıkmayı umduğunu) iddia ettiğini doğrulayamadım.
Bunun temel nedenleri kısa bir zaman ölçeği ve özel yazılım yapısıdır. Raspberry Pi Kamera Modülü 2 kullanarak Hello AI World örneğini göstermek istedim, ancak uyumlu olarak listelenmesine rağmen yazılım kodlayıcının kamerayı algılamamasına neden olan kamera sorunlarıyla karşılaştım. Bu sorunlar Nvidia’ya iletildi ve gelecekteki bir JetPack OS sürümünün bu sorunları çözeceğini umuyorum.
Masaüstü Deneyimi
Ubuntu 20.04’ün özel bir sürümü olan JetPack 5’i çalıştırmak, 8 GB LPDDR5 ve altı çekirdekli Arm CPU, genel masaüstü görevleri için yeterli güç sağlar. Ancak, sadece bir masaüstü bilgisayar olarak kullanmak için bu anakarta 500$ yatırım yapmanızı önermeyiz.
İlk açılış umduğumuzdan biraz daha yavaştı, ancak Nvidia inceleme kılavuzunda nihai üretim birimlerinde bu sorunun olmayacağını belirtti. Belirlediğimiz bir başka sorun da, önizleme yapısında yalnızca 6,3 GB RAM’in mevcut olmasıydı. Tam 8 GB, bir düzeltme aracılığıyla son kullanıcılara sunulacak. Ubuntu deneyimi, Orin Nano’nun güçlü yönlerine özel araçlar yükleme dışında, masaüstünde yapılan minimum miktarda özelleştirme ile hoştu.
Chromium’un kurulumu beklediğimizden biraz daha uzun sürdü. Görünüşe göre tarayıcıyı Canonical’ın tercih ettiği paketleme platformu Snap aracılığıyla yükledi. Bize eski kafalı diyebilirsiniz ama yine de APT’ye karşı çok sevgimiz var.
Kurulum tamamlandıktan sonra Chromium’u açtık ve ardından birkaç HDR ve 4K video izlemek için YouTube’a gittik. Birincisi LeePSPVideo’nun tam ekrana ve 1440p’ye ayarladığımız HDR video testiydi. İnekler için istatistikler, 1440p 30 fps video için çok az sayıda kare düştüğünü gösterdiğinden, video oynatma harikaydı.
İnekler için istatistikleri kullanmasaydık, asla fark etmeyecektik. Bir sonraki video, Kosta Rika ve vahşi yaşamı etrafında bir gezi 1440p tam ekranda oynatıldı, ancak bu 60 fps video daha kötüydü. Tüm çalışması boyunca karelerin yaklaşık %4’ünü düşürdü, büyük çoğunluğu videonun başlangıcında. Bu soruna rağmen, oynatma harikaydı.
Orin Nano’da eksik olan, özel bir donanım kodlayıcıdır (NVENC). Bunun yerine Nvidia, altı çekirdekli Arm A78AE CPU kullanan bir yazılım kodlayıcı sunar. Bu, Jetson Nano’dan bir sürüm düşürme gibi görünüyor, ancak belki de iki ek Arm CPU çekirdeği bunu telafi etmek için var mı?
Bir donanım kodlayıcının olmaması, Orin Nano ile bir kamerayı nasıl kullandığımızı da etkiler. Taşıyıcı kartın sol tarafında iki adet 15 pinli CSI konnektörü vardır. Bunlar, için üretilmiş CSI kablolarıyla uyumludur. Ahududu Pi Sıfır. Bir Raspberry Pi Kamera Modülü 2’yi CAM0’a bağladık ve video kaydetmek için hızlı bir komut dosyasını test ettik. Ne yazık ki bu, işletim sistemi önizleme derlememizde olmayacaktı. Raspberry Pi Camera Module 2’nin IMX219 sensörü uyumlu olmasına rağmen görüntü alamadık.
GPIO’yu kullanma
Orin Nano’nun 40 pinli GPIO’su, taşıyıcı kartın sağ tarafındadır ve işte ilk sayımız. Hangi pinlere bağlıyoruz? Jetson Nano’da pano referansını pimlerin yanında serigrafi olarak yazdırdık.
Orin Nano için, tahtayı ters çevirmeli ve her bir iğnenin nerede olduğunu hatırlamak için zihinsel bir ustalık göstermeliyiz. Bu, daha fazla kod çözme gerektiren bir Broadcom (BCM) eşleme (Raspberry Pi ayrıca tüm resmi eğitimlerinde BCM eşlemelerini kullanır) kullanan Python örnekleriyle birleştirildi. Python modülü, Raspberry Pi hayranlarının yakından haberdar olacağı bir modül olan RPi.GPIO’dur. Ben Croston tarafından yaratılan bu Python modülü, binlerce Pi projesine ve epeyce Jetson projesine güç verdi. Modül, Jetson kartlarında çalışacak şekilde ayarlandı ve bu gözler için her zamanki kadar tanıdık. BCM’den BOARD pin eşlemelerine dolaşmak için, Raspberry Pi tabanlı içeriği öğretme konusunda uzun yıllara dayanan deneyimimize rağmen, fiziksel (BOARD) pin eşlemelerini seçtik.
İşe yaradı ve yanıp sönen bir LED’imiz vardı. GPIO pinleri ayrıca olağan iletişim protokolleri bolluğunu da sağlar. Basit dijital IO’dan UART, SPI, I2C ve I2S’ye. Orin Nano’nun GPIO’su, kartın odak noktası değil, makine öğrenimini robotik veya bir dizi sensörle birleştirmek isteyenler için ek bir özellik.
Nvidia’nın Jetson Orin Nano geliştirici kiti şu anda yetkili distribütörler aracılığıyla 499$’a satılıyor.