Spis treści:
- 1 KI-Technologie in Ihrer Hand: Lernen Sie den Nvidia Jetson Nano kennen
- 2 Was ist der Nvidia Jetson Nano?
- 3 Nvidia Jetson Nano Stromversorgung
- 4 Nvidia Maxwell, also Leistung und Möglichkeiten
- 5 Linux, gut für alles
- 6 Wie fängt man mit dem Nvidia Jetson Nano an zu arbeiten?
- 7 Andere Nvidia Jetson Mikrocomputer
In den letzten Jahren konnten wir die schrittweise Kommerzialisierung von KI-Technologien beobachten. Künstliche Intelligenz ist nicht mehr nur eine Domäne von hochentwickelten Labors der großen Technologiekonzerne, sondern wird in immer mehr Geräten und Anwendungen eingesetzt. Datenverarbeitung in Echtzeit, Mustererkennung, autonome Roboter und Fahrzeuge – das sind nur einige der unzähligen Bereiche, die durch Fortschritte in der KI an Zugkraft gewinnen. In dem Maße, wie der Markt für künstliche Intelligenz wächst, wächst auch die Welt der Boards und Entwickler-Kits, die für Software und Lernalgorithmen optimiert sind.
KI-Technologie in Ihrer Hand: Lernen Sie den Nvidia Jetson Nano kennen
Einer der Hauptakteure in der Welt der künstlichen Intelligenz ist Nvidia, das von einigen als einer der Marktführer der Branche angesehen wird. Kein Wunder, denn die Grafikprozessoren (GPUs) des US-amerikanischen Herstellers haben eine wichtige Rolle bei der Entwicklung der künstlichen Intelligenz gespielt. Algorithmen des maschinellen Lernens und der Parallelverarbeitung werden erfolgreich auf dieser Art von Chip ausgeführt.
Neben den professionellen Konstruktionen, die von der Industrie und den Forschungs- und Entwicklungszentren verwendet werden, haben die grünen Ingenieure auch die Nvidia Jetson-Gerätefamilie entwickelt, die man als Bindeglied zwischen der professionellen Anwendung von KI und der Welt der Bastler und Liebhaber neuer Technologien bezeichnen kann. In diesem Material werfen wir einen genaueren Blick auf das Basisboard – den Nvidia Jetson Nano.
Was ist der Nvidia Jetson Nano?
Der Nvidia Jetson Nano ist ein kompakter Mikrocomputer, der Teil der größeren Jetson-Modulfamilie ist. Das von Nvidia zur Verfügung gestellte Entwickler-Kit besteht eigentlich aus zwei Komponenten – dem Jetson Nano Modul und der Basisplatine. Der Mikrocomputer von Nvidia wurde im Hinblick auf künstliche Intelligenz entwickelt. Im Gegensatz zu typischen Personal Computern oder anderen handelsüblichen Mikrocomputern ist das Jetson Nano Modul für die Rechenleistung von KI-Algorithmen optimiert.
Trotz seines Einsatzzwecks hat die Konstruktion einen geringen Stromverbrauch, so dass fortschrittliche Algorithmen der künstlichen Intelligenz auf mobile, batteriebetriebene Geräte übertragen werden können
Der Mikrocomputer Nvidia Jetson Nano basiert auf einem Prozessor aus dem SoC-Segment (System on Chip), der auf Lösungen für künstliche Intelligenz zugeschnitten ist. Der Chip besteht aus vier ARM Cortex A57-Kernen, die mit 1,43 GHz getaktet sind, und 128 CUDA-Grafikkernen. Darüber hinaus ist das Modul mit 4 GB RAM und einem microSD-Kartenslot ausgestattet, auf dem das Betriebssystem des Jetson Nano gespeichert ist. Der Mikrocomputer von Nvidia wird in einem SODIMM-Steckplatz in einer etwas größeren Basisstation installiert.
Erst wenn das Nvidia Jetson Nano-Modul in eine etwas größere Basisstation eingebaut wird, kann man das gesamte Entwicklungskit nutzen. Dank einer großen Anzahl von Anschlüssen kann der Mikrocomputer leicht mit anderen Peripheriegeräten verbunden werden.
Im mittleren Teil des Basismoduls befindet sich der bereits erwähnte SODIMM-Standardsockel, in dem der Jetson Nano Mikrocomputer untergebracht ist. Etwas weiter oben befindet sich der normalerweise unsichtbare M.2 Key E-Anschluss,in den zum Beispiel eine externe WIFI-Netzwerkkarte eingesteckt werden kann. Darüber hinaus ist das Basisboard mit mehreren Sätzen von Goldpin Steckern ausgestattet.
An der oberen Kante befindet sich ein Systemanschluss für die Verwaltung des Mikrocomputers und ein kleiner 4-poliger POE-Anschluss. Außerdem befindet sich auf der Platine ein 40-poliger Universal-I/O-Anschluss, wie man ihn von den Raspberry Pi-Mikrocomputerplatinen kennt.
An der Unterkante der Basisstation befinden sich zwei HDMI-Buchsen zum Anschluss externer Bildschirme, vier USB Typ A-Ports im 3.0-Standard, an die klassische Peripheriegeräte wie Maus und Tastatur angeschlossen werden können, sowie ein Ethernet-Anschluss, um den Jetson Nano mit einem Netzwerk zu verbinden.
Esist wichtig zu wissen, dass die Basisplatine zwei Stromanschlüsse hat – microUSB (5V/2A) und DC (5V/4A). Die Wahl eines dieser Systeme ist von großer Bedeutung, da die Leistung des Mikrocomputers und die Stabilität seines Betriebs von der Art seiner Stromversorgung abhängen. Die Frage der Stromversorgung des Nvidia Jetson Nano wird später in diesem Material behandelt. Künstliche Intelligenz wird häufig bei der Bildanalyse eingesetzt. Deshalb haben die Entwickler des Jetson Nano das Basismodul mit zwei CSI-Kameraanschlüssen ausgestattet. Darüber hinaus befindet sich auf der Platine ein kleiner 4-poliger Anschluss, an den ein Lüfter angeschlossen werden kann, um die Wärmeabfuhr über den Kühlkörper auf dem Prozessor zu verbessern.
Nvidia Jetson Nano Stromversorgung
Obwohl der Jetson Nano über zwei Stromanschlüsse verfügt, gibt es eigentlich drei Möglichkeiten, das Gerät mit Strom zu versorgen: den bereits erwähnten microUSB-Anschluss, eine Gleichstrombuchse und einen 40-poligen Goldpin-Anschluss. Jede Art der Stromversorgung hat ihre Vor- und Nachteile, aber wenn Sie einen Mikrocomputer von Nvidia verwenden möchten, sollten Sie sich das Thema genau überlegen. Der Jetson Nano ist ein recht empfindliches Gerät, das sich bei falscher Stromversorgung unerwartet abschalten kann, was möglicherweise katastrophale Folgen hat. Ein ungeplanter Stromausfall kann in manchen Fällen Systemdateien beschädigen, was dazu führen kann, dass der Mikrocomputer nicht mehr neu gestartet werden kann.
Standardmäßig benötigt das Gerät 10 W Strom (5 V x 2 A). Man sollte meinen, dass die Stromversorgung über den microUSB-Anschluss ausreicht, aber beachten Sie, dass die 10 W nicht die an das Board angeschlossenen Peripheriegeräte berücksichtigen. Eine viel bessere Lösung ist es, den Mikrocomputer über einen Gleichstromanschluss zu versorgen, über den ein Strom von 4 A fließen kann. Ich werde die Stromversorgung des Jetson Nano über den Goldpin-Anschluss weglassen, da dies die unpraktischste Lösung ist.
Es ist erwähnenswert, dass der Mikrocomputer von Nvidia über eine Software-Option zur Begrenzung der Leistung auf 5 W verfügt, wobei zwei der vier Prozessorkerne abgeschaltet werden. Allerdings schränkt diese Lösung die Leistung des Geräts ziemlich stark ein.
Im Laufe meiner Spielerei mit dem Nvidia Jetson Nano habe ich verschiedene Stromversorgungsoptionen getestet und kann guten Gewissens empfehlen, sich für den Gleichstromanschluss und ein dediziertes Netzteil mit ausreichender Kapazität zu entscheiden. Bei der Stromversorgung über den microUSB-Anschluss kam es vor, dass sich der Mikrocomputer unerwartet abschaltete, insbesondere bei anspruchsvolleren Anwendungen. Bei der Messung der Stromaufnahme (mit angeschlossenen Peripheriegeräten – Maus, Tastatur, USB-WIFI-Netzwerkkarte und zwei Kameras) habe ich nach dem Booten des Systems Werte von etwa 700 mA ohne Last erhalten. Bei der Ausführung einer anspruchsvolleren Anwendung, nämlich des KI-Algorithmus zur Analyse des Kamerabildes, erreichte die Stromaufnahme zeitweise bis zu 2,3 A.
Nvidia Maxwell, also Leistung und Möglichkeiten
Äußerlich fällt der Nvidia Jetson Nano nicht auf und ähnelt anderen auf dem Markt erhältlichen Mikrocomputern. Die Einzigartigkeit dieses Geräts verbirgt sich unter einem Kühlkörper, der die überschüssige Wärme ableitet.
Hier ist der Quad-Core-ARM-Prozessor mit integrierten CUDA-Grafikkernen untergebracht. Die ARM-Recheneinheit ist zwar äußerst interessant, aber eine ziemlich typische Komponente für die meisten Mikrocomputer. Das bemerkenswerteste Merkmal sind hier die 128 CUDA-Kerne, die auf Nvidias Maxwell-Architektur basieren.
Der Jetson Nano verdankt seine Einzigartigkeit genau den Kernen, die typischerweise für Grafikberechnungen verwendet werden. CUDA-Blöcke sind in einer viel größeren Anzahl von Nvidia-Grafikkarten zu finden. Ein einzelner Kern besteht eigentlich aus mehreren kleineren Blöcken und wird für parallele Berechnungen und numerische Verarbeitungsaufgaben verwendet. Darüber hinaus eignen sich CUDA Blöcke gut für Anwendungen der künstlichen Intelligenz wie Datenanalyse, Bildverarbeitung, maschinelles Lernen und wissenschaftliche Simulationen. Infolgedessen hat CUDA eine Schlüsselrolle bei der Entwicklung von KI gespielt und zu vielen Computerplattformen beigetragen, die auf Leistung und Energieeffizienz basieren.
Linux, gut für alles
Der Nvidia Jetson Nano unterstützt mehrere Betriebssysteme, aber das Standard- und offiziell unterstützte System ist das Nvidia JetPack, das auf der Ubuntu Linux-Plattform basiert. Das System kann von der Webseite des Herstellers heruntergeladen und anschließend auf einer Speicherkarte gespeichert werden, die in den Kartensteckplatz des Jetson Nano-Moduls eingesetzt wird.
Die von Nvidia vorbereitete Linux-Distribution enthält Software und eine Reihe von Tools, die speziell für die Jetson Nano-Plattform entwickelt wurden. Das System ist für die Arbeit mit einem ARM-Prozessor und CUDA-Grafikkernen vorbereitet. Mit eingebauten Lösungen wie OpenCV, TensorFlow, PyTorch und TensorRT ist das System fast sofort bereit, Anwendungen der künstlichen Intelligenz auszuführen.
Wie fängt man mit dem Nvidia Jetson Nano an zu arbeiten?
Der Schlüssel zum Erfolg eines jeden Mikrocomputers ist nicht nur die Hardware, sondern auch die Softwareunterstützung ist ebenso wichtig. Wenn Sie sich mit dem Nvidia Jetson Nano vertraut machen wollen, können Sie die offiziellen Video-Tutorials nutzen, die auf dem YouTube-Kanal – NVIDIA Developer – verfügbar sind. Sie behandeln die grundlegenden Aspekte der Verwendung von Jetson-Modulen und bieten eine schrittweise Einführung in die Ausführung der zugrunde liegenden KI-Algorithmen.
Einen Besuch wert ist auch Nvidias GitHub-Profil. Es gibt viele fertige Beispiele für Algorithmen der künstlichen Intelligenz, die auf dem Jetson Nano ausgeführt werden können.
Wenn Sie Probleme mit Jetson-Modulen haben, besuchen Sie bitte das offizielle Nvidia-Forum. Dort teilen nicht nur andere Benutzer ihr Wissen, sondern Sie können auch mit der Unterstützung von Nvidi-Mitarbeitern rechnen.
Andere Nvidia Jetson Mikrocomputer
Der Nvidia Jetson Nano Mikrocomputer ist erst der Anfang. Dies ist das Basismodell der Jetson-Serie, und es gibt viele weitere Geräte der Nvidia-Reihe mit noch mehr Leistung und Fähigkeiten.
- Jetson TX2 Serie – Bietet eine Leistung von 1,33 TFLOPs, was dem 2,5-fachen der Jetson Nano Module entspricht. Diese Geräte basieren auf einem Sechs-Kern-Prozessor (vier ARM-Kerne, zwei Nvidia Denver-Kerne) zusammen mit 256 CUDA-Einheiten, die die Nvidia Pascal-Architektur nutzen.
- Jetson Xavier NX/AGX Familie – Entwickelt für autonome Fahrzeuge. Sie basiert auf einem Nvidia-Carmel-Prozessor mit sechs oder acht Kernen sowie 512 oder 384 Kernen auf Basis der Nvidia-Volta-Architektur.
- Jetson Orin Nano – Dies ist eine relativ neue Serie von Basismodulen für die Implementierung von KI-Algorithmen. Sie bieten eine bis zu 80-fache Steigerung der Leistung gegenüber dem Jetson Nano. Diese Mikrocomputer basieren auf einem ARM-Prozessor mit sechs Kernen und Nvidia Ampere-Grafikkernen.
- Die Jetson AGX Orin Serie wurde – wie die Xavier Mikrocomputer – für den Einsatz in der Industrie und in autonomen Fahrzeugen angepasst. Er basiert auf einem ARM-Prozessor mit 12 Kernen, 2048 CUDA-Kernen mit der Nvidia Ampera-Architektur und 64 Tensor-Kernen.
Quellen:
www.youtube.com/watch?v=QXIwdsyK7Rw&list=RDCMUCBHcMCGaiJhv-ESTcWGJPcw&start_radio=1&rv=QXIwdsyK7Rw&t=199
www.github.com/dusty-nv/jetson-inference
www.developer.nvidia.com/embedded/learn/get-started-jetson-nano-devkit
www.developer.nvidia.com/embedded/twodaystoademo
www.automaticaddison.com/how-to-blink-an-led-using-nvidia-jetson-nano/
https://botland.de/nvidia-module/16536-nvidia-jetson-nano-b01-arm-cortex-a57-4x-143-ghz-nvidia-maxwell-4-gb-ram-5903351241519.html
www.developer.nvidia.com/embedded/jetson-modules
www.developer.nvidia.com/blog/maxwell-most-advanced-cuda-gpu-ever-made/
www.developer.nvidia.com/embedded/jetson-tx2-nx
www.www.nvidia.com/en-us/autonomous-machines/embedded-systems/jetson-xavier-series/
www.forums.developer.nvidia.com/c/agx-autonomous-machines/jetson-embedded-systems/70
www.telecomtalk.info/nvidia-tegra-x1-mobile-super-chip/128615/
