Отзыв о Улучшите свои проекты разработки с NVIDIA Jetson Nano Developer Kit (945-13450-0000-100). от Roberto Garrido

Jetson Nano отлично подходит не только для робототехники/периферийного искусственного интеллекта, вы также можете использовать машинное обучение в научных целях, таких как медицинские изображения или данные об окружающей среде, чтобы ускорить рабочий процесс. Из личного опыта, даже двухъядерный режим энергосбережения на пониженной частоте на Jetson Nano по-прежнему выполняет задачи CUDA AI/ML быстрее, чем на Raspberry Pi 4, но ваш рабочий процесс может отличаться. Если вы используете AI/ML, которые не оптимизированы для CUDA, необработанные вычисления процессора Pi 4 в некоторых случаях могут вытеснить Nano. Я бы сказал, что если вы соедините Pi 4 с любым ускорителем AI / ML, он будет стоить дороже, чем Jetson Nano, и ваш пробег все равно будет отличаться. В зависимости от того, как вы используете Jetson Nano для робототехники/автоматизации, вы можете подключить четыре камеры через USB и использовать интерфейс камеры. Если вы решите использовать Jetson Nano с питанием от USB, ваш пробег будет зависеть от производительности, поскольку не все источники питания USB обеспечивают стабильное напряжение. Никогда не было предупреждений о напряжении, но если вы планируете запускать Jetson Nano на жестком диске, таком как Pi 4, вам необходимо использовать цилиндрический источник питания для дополнительной стабильности питания при использовании нескольких устройств USB + GPIO. По температуре я сравнивал безвентиляторный и безвентиляторный Jetson Nano, а размер радиатора предотвращает чрезмерное тепловое троттлинг даже при постоянной нагрузке. Эта версия B01 оснащена двумя портами для камеры, предназначенными для стереоизображения. Тем не менее, вы можете использовать две камеры с небольшой потерей производительности, а также устранена проблема с сетью, существовавшая с оригинальным Jetson Nano A01/A02. Если вы хотите глубже погрузиться в AI/ML, Jetson NX для вас. Использование четырех камер и LIDAR с Jetson Nano требует небольшой настройки, чтобы получить оптимальную производительность и по-прежнему использовать около 3,5 ГБ памяти.