NVIDIA Jetson Nano Developer Kit - Máy tính nhúng AI thế hệ mới dành cho nhà phát triển

Lưu ý : Toàn bộ sản phẩm được bán tại Mlab đều được nhập khẩu chính hãng

Hỗ trợ kỹ thuật suốt quá trình sử dụng

GIỚI THIỆU CHUNG :

Trong những năm gần đây, tiến bộ đạt được trong nghiên cứu về AI đã cho phép các nhà phát triển tạo ra thuật toán cho mọi lĩnh vực, từ nhận dạng hình ảnh đến dịch thuật tức thời. Tuy nhiên, thực tế mà nói thì về việc áp dụng những tiến bộ này vào thế giới thực, chúng ta mới chỉ ở giai đoạn bắt đầu, và đáng lo ngại hơn là quá trình này đang diễn ra tương đối chậm bởi công nghệ phần cứng hỗ trợ cho AI vẫn chưa thể theo kịp được sự phát triển về mặt phần mềm.

Ngày 18/2, Nvidia đã công bố một sản phẩm mới mà họ quảng cáo là “giúp tăng tốc quá trình ứng dụng thuật toán AI vào thế giới thực”, đó là một thiết bị máy tính AI có tên là Jetson Nano, được thiết kế dành riêng cho các nhà phát triển, sản xuất và nghiên cứu trí tuệ nhân tạo.

NVIDIA Jetson Nano Developer Kit là một máy tính AI tích hợp cỡ nhỏ có kích thước của một bảng mạch. Kích thước và các chuẩn kết nối của Jetson Nano là SO-DIMM. Chuẩn kích thước này cũng được Nvidia sử dụng trên các sản phẩm trước đó của mình bởi họ muốn nhắm tới mục tiêu tạo ra được những sản phẩm có kích thước nhỏ gọn nhất có thể bởi khách hàng của công ty này chính là những đối tượng thuộc nhiều lĩnh vực, ứng dụng và đang thiết kế để sao cho mạch kết nối của mình phù hợp tối đa với thiết kế mà họ đang theo đuổi.

 Tham khảo một số phụ kiện dùng cho NVIDIA Jetson Nano Developer Kit nên mua kèm:

+ Camera cho Jetson Nano 

+ Nguồn cho Jetson Nano 

+ Vỏ hộp và quạt tản nhiệt cho Jetson Nano

+ Module cho Jetson Nano 

+ Phụ kiện khác  

 CẤU TẠO PHẦN CỨNG :

Jetson Nano sẽ có 2 hình dạng. Một dạng mô-đun, có kích thước 70x45mm, để có thể sử dụng trong các thiết kế sản phẩm cuối cùng. Dạng còn lại là sẽ một bộ kít phát triển giống với Raspberry Pi nhằm cung cấp một giải pháp hoàn chỉnh cho nhà phát triển. Phiên bản mô-đun sẽ sở hữu bộ nhớ trong 16GB, trong khi bộ kit lại sử dụng thẻ nhớ microSD. 

Không giống như những lần cập nhật nền tảng Jetson trước, NVIDIA dự đoán 2 mục đích sử dụng Jetson Nano. Đầu tiên, bộ kit phát triển sẽ hoàn toàn hữu dụng cho các tổ chức thương mại muốn phát triển những sản phẩm có khả năng học máy. Sản phẩm có thể thiết kế sử dụng bộ kit phát triển này và có thể chuyển sang sử dụng mô-đun cho sản phẩm cuối cùng. Đây là cách sử dụng của các bo mạch và mô-đun Jetson khác. Thứ hai, những người đam mê có thể không bao giờ sử dụng phiên bản mô-đun nhưng sẽ muốn tạo ra những dự án dựa trên bộ kit phát triển, tương tự như Raspberry Pi.

Cuối cùng, NVIDIA sẽ bán cả mô-đun lẫn bộ kit phát triển, không chỉ qua các kênh phân phối mà còn cung cấp đến các thị trường rộng lớn hơn qua các cửa hàng bán lẻ.

Sản phẩm NVIDA Jetson Nano Developer Kit trang bị số lượng cổng kết nối khá đầy đủ: 4 cổng USB 3.0, cổng HDMI, DisplayPort và một cổng Ethernet, cùng với đó là những chuẩn kết nối phổ biến như SDIO, I2C, SPIO và UART. Không chỉ vậy, Jetson Nano còn có cả cổng kết nối M.2, giao thức MIPI-CSI để kết nối với máy ảnh. Người dùng cũng có thể kết nối mạng cho Jetson Nano bằng Wifi nếu không muốn sử dụng dây cáp Ethernet truyền thống.

THÔNG SỐ KĨ THUẬT :

Hỗ trợ GPU này bao gồm 1 CPU 4 nhân 64-bit dựa trên ARM Cortex-A57, RAM 4GB và bộ xử lý video có thể xử lý lên đến 4K 30fps đối với mã hóa và 4K 60fps đối với giải mã, cùng với đó là các khe cắm PCIe và USB 3.0.

Jetson Nano cung cấp 472 GFLOPS để chạy các thuật toán AI hiện đại một cách nhanh chóng, với một quad-core 64-bit ARM CPU, một 128-core được tích hợp trên NVIDIA GPU, cũng như bộ nhớ 4GB LPDDR4. Có thể chạy song song nhiều mạng neural và xử lý đồng thời một số cảm biến có độ phân giải cao.

Jetson Nano cũng được hỗ trợ bởi NVIDIA JetPack. Bao gồm các gói hỗ trợ board (BSP), CUDA, cuDNN và thư viện phần mềm TensorRT cho deep learning, computer vision, GPU computing, multimedia processing và nhiều ứng dụng khác. SDK cũng bao gồm khả năng cài đặt frameworks Machine Learning (ML) mã nguồn mở như TensorFlow, PyTorch, Caffe / Caffe2, Keras và MXNet, cho phép các nhà phát triển tích hợp các model AI/ framework AI yêu tích của họ vào các sản phẩm một cách nhanh chóng và dễ dàng.

Khả năng xử lý video của Jetson Nano là khá ấn tượng. Sản phẩm này không phải phục vụ việc xem video 4K, thay vào đó, nó có thể xử lý nhiều luồng video (như các máy bay không người lái drone được tích hợp đa camera) để có thể phát hiện đối tượng, theo dõi hay tránh chướng ngại vật. Ngoài 4K 60fps, Jetson Nano còn có khả năng giải mã 8 luồng video hay camera với độ phân giải Full HD 30fps. Các luồng này sẽ được giải mã đồng thời ngay lập tức bởi các thuật toán học máy để theo dõi đối tượng. 

MỘT SỐ ỨNG DỤNG CỦA JETSON NANO :

 1. Kêt nối với màn hình, chuột, bàn phím để sử dụng như một thiết bị PC thông thường

2. Làm bộ điều khiển chính cho robot 

NVIDIA đã tiết lộ một dự án DIY thú vị hướng đến sự đổi mới hơn nữa trong lĩnh vực AI, đó là một bộ robot tự động có tên JetBot , bao gồm một máy tính Jetson Nano cùng với bộ khung robot, pin và động cơ, cho phép người dùng chế tạo những hệ thống robot tự hành của riêng mình.

3. Làm các dự án nhúng, project lập tình, ... đặc biệt là các project nghiên cứu về lĩnh vực AI, xử lý ảnh, ...

SO SÁNH VỚI RASPBERRY PI 4 : LIỆU JETSON NANO CÓ THAY THẾ ĐƯỢC RASPBERRY PI ?

Cả hai đều là mini PC được xây dựng với bộ xử lý ARM và RAM 4 GB và một loạt các kết nối cho các thiết bị ngoại vi. Sự khác biệt lớn nhất là NVIDIA Jetson Nano bao gồm GPU (bộ xử lý đồ họa) có hiệu năng cao hơn, trong khi Raspberry Pi 4 có bộ xử lý đa phương tiện VideoCore công suất thấp. Do đó giá của NVIDIA Jetson Nano cao hơn với GPU Maxwell mạnh hơn nhiều GPU trên Raspberry Pi 4. 

Cả hai có CPU gần giống nhau. Cortex-A72 trong Raspberry Pi 4 chỉ mới hơn một thế hệ so với Cortex-A57 trong NVIDIA Jetson Nano. A72 mới hơn có tốc độ xung nhịp cao hơn một chút và được thiết kế để sử dụng năng lượng ít hơn 20% đồng thời cung cấp hiệu suất cao hơn 90% so với A57.

Về hiệu năng, điều đáng chú ý là Raspberry Pi nói rằng Raspberry Pi 4 Cortex-A72 nhanh hơn khoảng 50% so với bộ xử lý Raspberry Pi 3 B + Cortex-A53. Do NVIDIA Jetson Nano sử dụng Cortex-A57 nằm ở giữa hai thế hệ CPU Raspberry Pi, nên hiệu năng khác nhau giữa Raspberry Pi 4 và NVIDIA Jetson Nano có thể không đáng kể.

CPU Cortex-A72 mới hơn trong Raspberry Pi 4 dường như cho thấy sức mạnh xử lý CPU nhiều hơn so với Cortex-A57 trong NVIDIA Jetson Nano. Điều này có thể có nghĩa là Raspberry Pi 4 phù hợp để sử dụng như một máy tính đa năng hoặc thay thế máy tính để bàn mini giá rẻ. Tuy nhiên, GPU mạnh hơn trong NVIDIA Jetson Nano cung cấp cho nó khả năng lớn hơn cho công việc đồ họa và Trí tuệ nhân tạo (AI) Machine Learning (ML).

Các bạn có thể tham khảo các Project mới nhất với Jetson Nano tại đây (Jetson Nano Projects)

Bài viết so sánh cụ thể so sánh Jetson Nano với Raspberry Pi4 :

So sánh Jetson Nano với Raspberry Pi 4 : Liệu Jetson Nano có thay thế được Raspberry Pi ?

ĐỌC THÊM

So sánh Jetson Nano với Raspberry Pi 4 : Liệu Jetson Nano có thay thế được Raspberry Pi ?

Cách view Desktop Ubuntu sang Windows 10 sử dụng công cụ RDP (Remote Desktop Protocol)

Cài đặt hệ điều hành Ubuntu 18.04 cho Jetson Nano Developer Kit

Cài đặt thư viện OpenCV 3.4.0 cho Jetson Nano Developer Kit

Cài đặt một số thư viện khác cho Xử lý Ảnh (dlib, pyqt4, numpy, sklearn, ...)

Kết nối camera CSI cho Jetson Nano Developer Kit

Hướng dẫn giao thức UART truyền nhận giữa Jetson Nano và máy tính Window 10 

Hướng dẫn sử dụng SSH, WinSCP và Remote Desktop cho NVIDIA Jetson Nano

SẢN PHẨM THAM KHẢO

NVIDIA Jetson Nano B01- phiên bản mới nhất của Jetosn Nano đã có mặt trên MLab

Link sản phẩm tham khảo :

+ List sản phẩm dành cho Jetson Nano : Link

+ Jetson Nano Cũ (bản A02) : Link

+ Jetson Nano Mới (bản B01) : Link

Nếu các bạn có bất kỳ ý tưởng mới nào đừng ngần ngại mà hãy inbox trực tiếp cho fanpage . Xin chào và hẹn gặp lại các bạn trong các bài viết tiếp theo !!!

PIVIETNAM.COM.VN CHÚC CÁC BẠN THÀNH CÔNG !!!

Thực hiện bài viết : Bùi Minh Đức

Để cập nhật các bài viết công nghệ mới cho Jetson Nano các bạn làm theo hướng dẫn sau đây :