Spis treści:
- 1 Wydajny procesor graficzny
- 2 Znakomite narzędzie do tworzenia aplikacji sztucznej inteligencji
- 3 Nvidia Jetson Nano – groźna konkurencja dla Raspberry Pi?
- 4 Porty GPIO
- 5 Nvidia Jetson Nano – zasilanie
- 6 Nvidia Jetson Nano – komunikacja przez Wi-Fi i Bluetooth
- 7 Nvidia Jetson Nano – kompletna specyfikacja techniczna
- 8 Nvidia Jetson Nano – podsumowanie
Jetson Nano to najnowsza propozycja od Nvidia na rynku komputerów jednopłytkowych i platform sprzętowo-programowych dla systemów wbudowanych. Ma stanowić konkurencję dla takich popularnych produktów pośród platform rozwojowych jak np. Raspberry Pi.
Poprzednie wersje platformy Jetson były skierowane głównie do profesjonalistów tworzących aplikacje komercyjne. Najnowsza odsłona z tej serii otwiera szereg wielu nowych możliwości, które z pewnością spodobają się również osobom zajmującym się elektroniką i programowaniem w zakresie hobbystycznym. Jetson Nano wykorzystuje oprogramowanie oparte na tym, którego używa słynny Raspberry Pi i podobnie jak „malinka” jest także wyposażony w zestaw portów USB, gniazdo na karty micro-SD, złącze wyjściowe HDMI, wyprowadzenia GPIO, złącze do podłączenia kamery (można podłączyć moduł kamery dedykowany do Raspberry Pi), a także port Ethernet. Jetson Nano, choć podobny, to jednak nie jest kopią Raspberry Pi – płytka jest innych rozmiarów niż konkurent i jest wyposażona w duży radiator zapewniający dobre odprowadzanie ciepła, zwłaszcza przy używaniu aplikacji wymagających wzmożonej aktywności procesora.
Pod radiatorem znajduje się główny moduł Jetson Nano z chipsetem typu System-On-Module. W przypadku aplikacji komercyjnych wielu konstruktorów chciałoby tworzyć swoje urządzenia w oparciu o architekturę System-On-Module. Jetson Nano to w zasadzie zestaw rozwojowy, którego najważniejszym elementem jest płytka wyposażona w niezbędny osprzęt. Podczas gdy seria minikomputerów Jetson jest kierowana głównie do profesjonalistów, celem producenta jest także dotarcie do elektroników i programistów-hobbystów, którzy chcieliby realizować swoje projekty w podobny sposób jak na Raspberry Pi.
Wydajny procesor graficzny
Najczęściej firma Nvidia kojarzona jest z kartami graficznymi do komputerów klasy PC oraz z procesorami graficznymi (GPU), które znakomicie sprawdzają się przy obsługiwaniu gier komputerowych z trójwymiarową grafiką.
Znajdują one również zastosowanie w aplikacjach typu machine learning wykorzystujących złożone algorytmy sztucznej inteligencji. Jednopłytkowy komputer Jetson Nano jest wyposażony w 128-rdzeniowy procesor graficzny o architekturze Maxwell. Każda z kolejnych generacji procesorów GPU od Nvidia opiera się na nowym projekcie mikroarchitektury. Projekt procesora zastosowanego w Jetson Nano był wcześniej używany do tworzenia innych procesorów graficznych tej samej generacji, które względem siebie różniły się np. liczbą rdzeni składowych. Architektura Maxwell po raz pierwszy została użyta w projekcie kart graficznych GeForce GTX 750 oraz GTX 750Ti. Następna generacja procesorów graficznych zaprojektowanych w tej samej architekturze została zapoczątkowana przez kartę GeForce GTX 970. Model TX1 będący inicjatorem serii Jetson wykorzystywał procesor GPU zbudowany w oparciu o rewolucyjną architekturę CUDA. Chip składający się z 256 rdzeni dysponował mocą obliczeniową wynoszącą 1024 GFLOPS. Płytka Jetson Nano wykorzystuje ekonomiczną wersję tego procesora, tj. zbudowanego ze 128 rdzeni składowych, który w dalszym ciągu oferuje znakomite parametry sprzętowe i programowe umożliwiające uruchamianie gier 3D charakteryzujących się bardzo płynnym przechodzeniem obrazu.
Znakomite narzędzie do tworzenia aplikacji sztucznej inteligencji
Dobry procesor graficzny wykorzystujący architekturę CUDA o mocy obliczeniowej wystarczającej do sprawnej obsługi gier 3D to ważna zaleta produktu od Nvidia, ale jego prawdziwa moc tkwi w możliwościach wykorzystania w aplikacjach sztucznej inteligencji.
Producent utworzył projekt Jetson Interference na licencji open source, który jest obsługiwany przez wszystkie platformy serii Nano. Projekt obrazuje rozmaite techniki uczenia się maszyn, łącznie z takimi aplikacjami jak rozpoznawanie i wykrywanie obiektów. Takie narzędzie stanowi znakomity start dla konstruktorów prototypujących aplikacje bazujące na machine learningu. Sieć neuronowa przeznaczona do rozpoznawania obiektów ma zaimplementowane dane parametryczne dla ok. 1000 obiektów bazowych. Aplikacja może rozpoznawać zarówno obiekty przedstawione na obrazie nieruchomym, jak i na obrazie przechwytywanym z kamery w czasie rzeczywistym. Fabryczny algorytm wykrywania obiektów może rozpoznać m.in. zwierzęta, ludzkie twarze, meble, pojazdy, przedmioty użytku codziennego (np. butelki czy ubrania) i wiele innych. Jeśli korzystasz z kamery podczas rozpoznawania obiektu, obraz jest przechwytywany z prędkością ok. 17 klatek na sekundę, natomiast w procesie wykrywania obiektu prędkość przechwytywania wynosi ok. 10 klatek na sekundę. Z kolei oprogramowanie Visionworks będące częścią pakietu SDK stanowi rozszerzenie dla standardu Khronos OpexVX, które zostało zoptymalizowane pod kątem procesorów graficznych wykorzystujących architekturę CUDA, tak jak jest to spotykane również w Jetson Nano. Oprogramowanie Visionworks dostępne jest w kilku wersjach demonstracyjnych, które oferują wykonywanie takich zadań, jak przewidywanie kolejnego ruchu obiektu, a także śledzenie i stabilizacja obrazu. W ujęciu praktycznym oprogramowanie Visionworks sprawdzi się w robotach, dronach, a także inteligentnych systemach analizy obrazów. Jetson Nano wspiera nagrywanie filmów w jakości 720p HD z prędkością powyżej 100 klatek na sekundę. Na podstawie monitorowanego obrazu można wykonać obliczenia prędkości każdego z osobna (maksymalnie do ok. siedmiu) jednocześnie przechodzących przed obiektywem kamery ludzi lub zwierząt, w jakości 480 p z prędkością 40 klatek na sekundę. Oprogramowanie dedykowane do obsługi kamery dla płytki Jetson Nano zapewnia antywstrząsową stabilizację obrazu w jakości 480 p z prędkością od 50 do 100 klatek na sekundę, co jest istotną zaletą podczas nagrywania filmów, w których chcemy dokładnie uchwycić najdrobniejsze detale, tak jak ma to miejsce np. w makrofotografii roślin.
Nvidia Jetson Nano – groźna konkurencja dla Raspberry Pi?
Oprócz wydajnego procesora graficznego oraz wyposażenia w narzędzia dla aplikacji sztucznej inteligencji Jetson Nano znakomicie się sprawdzi również jako komputer do wykonywania zadań biurowych pracujący na systemie operacyjnym Linux Ubuntu.
Względem Raspberry Pi 3 produkt od Nvidia oferuje lepsze osiągi, dzięki którym może płynnie pracować pod wzmożonym obciążeniem, a wszystko dzięki pamięci RAM o pojemności 4GB, czterordzeniowemu procesorowi CortexA57 oraz portowi USB 3.0, który umożliwia szybką wymianę danych z urządzeniami zewnętrznymi (np. dyskami przenośnymi). Podczas gdy używanie Raspberry Pi 3 jako komputera w konfiguracji desktop może znacząco obciążać procesor, to używając do tego celu Jetsona Nano, uzyskujemy płynne działanie ze zredukowanym do minimum ryzykiem przeciążenia procesora. Minikomputer od Nvidia jest w stanie płynnie pracować nawet przy jednocześnie używanej przeglądarce Google Chrome z pięcioma otwartymi kartami, pakietem LibreOffice, środowiskiem IDLE do programowania w Pythonie i kilku innych aplikacjach dzięki zastosowaniu pamięci RAM dysponującej pojemnością 4GB. Zastosowany procesor główny – Cortex-A57 – wykazuje także wyższą moc obliczeniową względem procesora Cortex-A53, w który jest wyposażony Raspberry Pi 3. Dzięki temu Jetson Nano jest w stanie wykonywać niemal wszystkie zadania kilka razy szybciej w porównaniu do „malinki”.
Porty GPIO
Jedną z najważniejszych cech charakteryzujących popularny minikomputer Raspberry Pi jest zestaw wyprowadzeń z portami wejścia/wyjścia (GPIO), dzięki którym możemy do platformy podłączyć osprzęt zewnętrzny w postaci np. diod LED, przycisków, czujników pomiarowych, buzzerów, silników, wyświetlaczy i innych akcesoriów. Podobnie jak Raspberry Pi, magistrala GPIO jest również na wyposażeniu platformy od Nvidia. Co więcej, zestaw wyprowadzeń GPIO ma tutaj taki sam układ jak w „malince”. Podstawowe wsparcie produktu jest ograniczone do biblioteki Adafruit Blinka i podstawowych funkcji wyprowadzeń GPIO. Do platformy można podłączyć większość dostępnych w sprzedaży nakładek HAT dedykowanych do Raspberry Pi, takich jak np. nakładka rozszerzeniowa Rainbow HAT od Pimoroni. Korzystając z programowania w środowisku Python, możemy napisać prostą aplikację, której zadaniem będzie wprowadzenie w stan migania jednej z diod LED, znajdujących się na powierzchni płytki.
Nvidia Jetson Nano – zasilanie
Z uwagi na to, że minikomputer Jetson Nano wykorzystuje wysoko wydajny chipset za sprawą procesora głównego oraz procesora graficznego w celu zapewnienia dobrego odprowadzania ciepła, producent zastosował duży radiator, do którego można zamontować dodatkowy wentylator wymuszający obieg powietrza. Osprzęt i oprogramowanie płytki Jetson Nano uwzględnia kilka różnych trybów zasilania dopasowanych optymalnie pod obciążenie procesorów za pomocą programu nvpmodel. Główne dwa podstawowe tryby zasilania charakteryzuje pobór mocy w wysokości 10W lub 5W. W pierwszym trybie pracują wszystkie cztery rdzenie procesora głównego, umożliwiając maksymalne wykorzystanie jego mocy obliczeniowej. W drugim trybie pracuje tylko połowa rdzeni procesora głównego. Ten tryb sprawdzi się w aplikacjach wymagających mniejszych nakładów pracy procesora niż w pierwszym trybie pracy. W przypadku wykorzystywania mikrokomputera Jetson Nano do aplikacji o wzmożonym poborze energii należy dobrać zasilacz o odpowiednich parametrach roboczych. Do większości zadań o obniżonym poborze energii wystarczy zasilanie z portu USB komputera klasy PC, gdzie wydajność prądowa wynosi minimum 2,5 A. Jeśli minikomputer będzie wykorzystywany do bardziej wymagających zadań, wówczas najlepszym rozwiązaniem jest użycie niezależnego zasilacza o napięciu wyjściowym 5,0 V i wydajności prądowej 4,0 A z wtykiem żeńskim DC o średnicy wewnętrznej wynoszącej 2,1 mm i średnicy zewnętrznej wynoszącej 5,5 mm. Aby zasilać Jetsona Nano z zasilacza zewnętrznego, na płytce PCB należy przestawić zworkę „J48”.
Nvidia Jetson Nano – komunikacja przez Wi-Fi i Bluetooth
Minikomputer Nvidia Jetson Nano nie posiada na pokładzie własnego modułu komunikacyjnego Wi-Fi. Niemniej jednak produkt firmy Nvidia można łatwo rozszerzyć o tę możliwość. Obok takich złączy jak GPIO czy zasilania na płytce znajdziemy także złącze typu M.2 PCI Express, które jest standardem w wielu urządzeniach używanym głównie do zapewnienia komunikacji bezprzewodowej, przy czym złącze nie obsługuje dysków SSD NVM Express, które komunikują się przez złącze typu M. Jedną z kart Wi-Fi, które Jetson Nano rozpoznaje, jest Intel Dual Band Wireless 8265-AC. Karta wspiera standard IEEE 802.11ac umożliwiający przesył danych przy przepustowości do 867 Mb/s oraz komunikację przez Bluetooth 4.2. Od strony sprzętowej konieczne jest także podłączenie anteny. Prawidłowo funkcjonująca antena nie powinna powodować występowania zjawiska interferencji z falami radiowymi. Dobrym wyborem będzie użycie anteny Wi-Fi typu RP-SMA o wzmocnieniu ok. 5,0 dBi lub anteny przyklejanej o wzmocnieniu ok. 3,3 dBi, która jest często spotykana w notebookach. Przystępując do montażu, najpierw należy połączyć fizycznie kartę Wi-Fi ze złączem M.2 PCI Express umiejscowionym na płytce Jetson Nano. Wymagane jest zachowanie wzmożonej ostrożności, ponieważ złącza od strony karty Wi-Fi są bardzo delikatne. Następnie należy odkręcić dwie śruby przytwierdzające moduł Jetson Nano do podstawy (znajdują się one z przodu modułu) i zwolnić zatrzaski trzymające moduł pamięci SO-DIMM, które są umieszczone po bokach modułu głównego. Moduł główny zostanie uwolniony i będzie można go swobodnie wyjąć z podstawy. Następnie trzeba odkręcić śrubę umieszczoną w środkowej części płytki Jetson Nano i trzymając kartę Wi-Fi pod niewielkim kątem, wsunąć ją do gniazda M.2 PCI Express. Odkręconą uprzednio śrubę podtrzymującą, przykręcić ponownie na swoje miejsce i wyprowadzić przewody do podłączenia anteny. Wyprowadzone przewody najlepiej jest zabezpieczyć taśmą kaptonową. Moduł pamięci SO-DIMM podłączyć ponownie, założyć zatrzaski boczne i przykręcić moduł Jetson Nano ponownie do płytki. Nasz minikomputer jest gotowy do skonfigurowania połączenia sieciowego. Do portów GPIO możemy podłączyć m.in. konsolę Sony Playstation PS4 i zaprogramować płytkę Jetson Nano, aby mogła rozpoznawać sygnały z przycisków i joysticków konsoli.
Nvidia Jetson Nano – kompletna specyfikacja techniczna
Główny moduł Jetson Nano
- Procesor graficzny (GPU): Maxwell CUDA 128-rdzeniowy
- Moc obliczeniowa GPU: 472 GFLOPs
- Główny procesor (CPU): ARM Cortex A-57
- Częstotliwość zegara CPU: 1,43GHz
- Pamięć RAM: LPDDR4 4GB 64-bit
- Szybkość pamięci RAM: 25.6 GB/s
- Przechowywanie danych z dysków zewnętrznych: Slot na karty micro-SD do 16 GB
- Kodowanie obrazu: 4K/30FPS / 4x 1080p/30FPS / 9x 720p/30FPS (H.264/H.265)
- Dekodowanie obrazu – 4K/60FPS / 2x 4K/30FPS / 8x 1080p/30FPS / 18x 720p/30 FPS (H.264/H.265)
- Wymiary płytki: 70mm x 45mm.
Płytka bazowa
- Złącze 260-pinowe SO-DIMM do podłączenia modułu głównego Jetson Nano
- Wyjście obrazu wideo – HDMI 2.0 + eDP 1.4
- Złącze dla sieci bezprzewodowej – RJ45 (Gigabit Ethernet) + złącze 4-pinowe o rastrze 2,54 mm do podłączenia nakładki dostarczającej internet i zasilanie (PoE)
- Złącza USB: 4 x USB 3.0 + 1 x USB 2.0 Micro-B
- Złącze dla modułu kamery: 1x MIPI CSI-2 DPHY, kompatybilne z kamerą dla Raspberry Pi
- Złącze M.2E do obsługi kart sieci bezprzewodowej
- Złącze GPIO 40-pinowe – obsługuje protokoły, I2C I2S, SPI i UART
- Złącze 8-pinowe do podłączenia przycisków ręcznej obsługi restartu systemu, włączania napięcia zasilającego i odblokowywania systemu ze stanu zawieszenia
- Zasilanie – 5V/4A z zewnętrznego zasilacza poprzez złącze DC 5,5 mm/2,1 mm; 5 V/2 A przez złącze USB 2.0 micro-B lub przez nakładkę PoE (Power over Ethernet)
- Dioda LED sygnalizująca obecność napięcia zasilającego na płytce
- Wymiary: 100 mm x 80 mm x 29 mm.
Nvidia Jetson Nano – podsumowanie
Nvidia Jetson Nano to znakomita propozycja dla wszystkich, którzy chcą poznać od podszewki tajniki serii platform rozwojowych Jetson. W przystępnej cenie dostajemy minikomputer o wielkich możliwościach i wystarczająco wysokiej mocy obliczeniowej, niezbędnej do wykonywania wymagających zadań związanych z tworzeniem aplikacji opartych o machine learning. W razie potrzeby producent zapewnia również możliwość zaktualizowania oprogramowania minikomputera do wersji o wyższym standardzie oprogramowania. Platforma od Nvidia stanowi ciekawą alternatywę dla Raspberry Pi 4B, oferując w niewiele wyższej cenie wyższą moc obliczeniową procesora oraz rozbudowaną, poczwórną pamięć RAM. Minikomputer od Nvidia umożliwia realizację aplikacji w oparciu o takie języki programowania jak C, C++, Python, Java czy też JavaScript, a także zintegrowane środowiska programistyczne, takie jak Eclipse czy Visual Studio Code.
Produkty NVIDIA zasłużyły na odrębny dział naszego sklepu – zapraszamy do porównania parametrów i cen.
