Jetson Nano: одноплатник для машинного обучения от Nvidia

Вчера компания Nvidia анонсировала Jetson Nano: одноплатный компьютер для вычислений в области ИИ. Маленький компьютер с поддержкой библиотек CUDA-X AI выдаёт 472 гигафлопса для запуска современных рабочих нагрузок ИИ, потребляя при этом всего лишь 5 Вт.

Одноплатник представлен на конференции GPU Technology Conference, а презентацию провёл основатель и генеральный директор Nvidia Дженсен Хуанг.

Технические спецификации:

• Графический процессор: Nvidia на архитектуре Maxwell со 128 ядрами CUDA
• Процессор: четырёхъядерный ARM Cortex-A57 MPCore
• Видео: 4K на 30 кадрах в секунду (формат H.264/H.265) и 4K на 60 кадрах в секунду (формат H.264/H. 65) для кодирования и декодирования, соответственно
• Видеовыход: HDMI 2.0 или DP1.2 | eDP 1.4 | DSI (1×2), два одновременно
• Оперативная память: 4 ГБ LPDDR4 64-бит; 25,6 ГБ/с
• Флэш-память: 16 ГБ eMMC
• Камера: 12 линий (3×4 или 4×2) MIPI CSI-2 DPHY 1.1 (1,5 Гбит/с), 12x (модуль) и 1x (набор разработчика)
• Разъёмы: 1×1/2/4 PCIE, 1×USB 3.0, 3×USB 2.0
• Ввод-вывод: 1×SDIO / 2×SPI / 6×I2C / 2×I2S / пины GPIO
• Сеть: Gigabit Ethernet
• Поддержка ОС: Linux для Tegra
• Размер модуля: 69,5×45 мм
• Размер девкита: 100×80 мм
• Подключение: 260-пиновый коннектор

Jetson Nano поставляется в двух версиях:

1. девкит для разработчиков, производителей и энтузиастов за $99;
2. готовый модуль для компаний, желающих создать системы для массового рынка, за $129.

Jetson Nano поддерживает сенсоры высокого разрешения, может параллельно обрабатывать информацию с множества датчиков и запускать несколько нейросетей одновременно. Он также поддерживает множество популярных фреймворков ИИ, что позволяет разработчикам интегрировать свои любимые модели и фреймворки.

По мнению Nvidia, дешёвый одноплатник «идеально подходит для предприятий, стартапов и исследователей», которые раньше не могли себе позволить купить более дорогие платы. Таким образом, платформа Jetson значительно расширяет свою аудиторию, а ускоритель ИИ фактически становится чуть ли не товаром народного потребления. По крайней мере, этот девкит может купить любой мейкер. Как говорит Nvidia, плата «приносит мощь современного ИИ на недорогую платформу, стмулируя новую волну инноваций от производителей, изобретателей, разработчиков и студентов. Они могут создавать проекты ИИ, которые ранее были невозможны, и выводить существующие проекты на новый уровень — мобильные роботы и дроны, цифровые помощники, автоматизированные приборы и многое другое».

Комплект поставляется с поддержкой полноценного десктопного Linux, совместим со многими популярными периферийными устройствами и аксессуарами. Также доступна справочная литература, которая поможет во всём этом разобраться. В крайнем случае, задать вопрос можно на форуме разработчиков Jetson, где коллеги ответят на технические вопросы.

Это уже не первый продукт Nvidia в семействе Jetson, которое также включает мощную систему Jetson AGX Xavier для автономных машин и Jetson TX2 для встроенного применения (AI at the Edge).

Jetson AGX Xavier

Для сравнения, Jetson AGX Xavier работает на 512-ядерном Volta GPU с тензорными ядрами, тут есть акселератор глубокого обучения, 16 ГБ памяти, специальный акселератор компьютерного зрения (7-Way VLIW Vision Processor), возможность кодировать видео с разрешением до 8К и декодировать одновременно до 12-ти потоков 4К. Многое из этого отсутствует в одноплатнике Jetson Nano. Но зато тот гораздо меньше по размеру и дешевле, чем Jetson AGX Xavier: всего 69,6×45 мм против 87×100 мм и цена $99 против $1299. Как говорится, почувствуйте разницу.

Третий представитель семейства Jetson TX2 поставляется в трёх версиях: TX2 (8GB), TX2 4GB и TX2i. Они отличаются также по объёму флэш-памяти (16-32 ГБ) и наличию встроенного Wi-Fi, который есть только в TX2 (8GB).

Jetson TX2

В Jetson TX2 работает GPU на архитектуре Pascal с 256 ядрами Nvidia CUDA. По другим характеристикам и размеру (87×50 мм) плата Jetson TX2 похожа на Jetson Nano, но стоит значительно дороже: в районе $600 (девкит). Так что Jetson Nano дешевле сотни долларов — это действительно нечто особенное для Nvidia.