A gama de placas Jetson da Nvidia não é típica Raspberry Pi alternativas. O foco da Nvidia está em robótica, drones e câmeras de nível básico baseados em IA. Sua placa mais recente, a Jetson Orin Nano de $ 499, aumenta o poder de processamento enquanto mantém o kit compacto.
O Jetson Orin Nano melhora os 128 núcleos CUDA da GPU Nvidia Maxwell com núcleos CUDA baseados em 1024 Ampere. Os núcleos extras e a arquitetura mais recente significam que o Orin Nano tem até 80 vezes o desempenho de IA do Jetson Nano. Os seis núcleos de CPU Arm A78AE fornecem quase sete vezes o desempenho do Jetson Nano. A mesma arquitetura AI que alimenta o módulo Jetson AGX Orin é usada no Orin Nano, mas a um preço muito mais acessível.
A Nvidia me enviou uma amostra do Jetson Orin Nano para análise, mas devido a alguns problemas logísticos, a unidade chegou com pouco tempo para uma análise completa, então aqui farei uma breve introdução à placa e comentarei o que encontrei. Infelizmente, não pude fazer nenhum teste do caso de uso principal para o Orin Nano, inferência e aprendizado de máquina, porque o que tentei neste software de nível beta simplesmente não funcionou para mim no tempo limitado que tive. Publicaremos uma revisão completa com benchmarks de inferência em alguns dias, depois de termos conseguido obter uma versão mais recente do software do Orin Nano.
Observe que o software JetPack fornecido com a placa é uma visualização privada e não reflete o software final que estará disponível para os consumidores. Assim que a versão final do software estiver disponível, fornecerei uma revisão completa do Orin Nano, incluindo seus poderosos recursos de IA.
Especificações Jetson Orin Nano
Cabeçalho da Célula – Coluna 0 | Jetson Music Nano | Jetson Nano |
---|---|---|
CPU | CPU Arm Cortex-A78AE v8.2 de 6 núcleos de 64 bits | Processador quad-core ARM Cortex-A57 MPCore |
1,5 MB L2 + 4 MB L3 | ||
GPU | Arquitetura Nvidia Ampere com 1024 núcleos Nvidia CUDA e | Arquitetura Nvidia Maxwell com 128 núcleos Nvidia CUDA |
32 núcleos tensores | ||
Memória | LPDDR5 de 8 GB de 128 bits | 4 GB LPDDR4 de 64 bits, 1600 MHz 25,6 GB/s |
68 GB/s | ||
Armazenar | Micro SD | 16 GB eMMC 5.1 |
NVMe M.2 via Carrier Board | Micro SD | |
Poder | 7W a 15W (9-19V) | 20W (Máx. 5V a 4 Amps) |
Dimensões | 69 x 45 x 21 mm | 69,6 x 45 x 20 mm |
Especificações da placa base Jetson Orin Nano
Cabeçalho da Célula – Coluna 0 | Jetson Music Nano | Jetson Nano |
---|---|---|
Câmera | 2 conectores de câmera MIPI CSI-2 de 22 pinos | 12 pistas (3×4 ou 4×2) MIPI CSI-2 D-PHY 1.1 |
M.2 Tecla M | x4 PCIe Gen 3 | |
x2 PCIe Gen3 | ||
M.2 Tecla E | PCIe (x1), USB 2.0, UART, I2S e I2C | 1 x |
USB | 4 x USB 3.2 Gen2 | 4 x USB 3.0 |
1 x Tipo C para depuração e modo de dispositivo | 1 x USB 2.0 Micro-B | |
rede | Gigabit Ethernet | Gigabit Ethernet |
Adaptador de rede sem fio RTL8822CE 802.11ac PCIe | ||
Mostrar | DisplayPort 1.2 | HDMI 2.0 e eDP 1.4 |
GPIO | GPIO de 40 pinos | GPIO de 40 pinos |
Cabeçalho de botão de 12 pinos | ||
Cabeçalho do ventilador de 4 pinos | ||
Poder | DC 9-19V Barril Jack | DC Barrel Jack 20W (máx. 5V a 4 Amps) |
Dimensões | 100 x 79 x 21 mm (altura inclui módulo Orin Nano e solução de resfriamento) | 100 x 80 x 29 mm (altura inclui módulo Jetson Nano e solução de resfriamento) |
À primeira vista, o Orin Nano e o Jetson Nano parecem idênticos. O que denuncia o Orin Nano é um ventilador embutido em um dissipador de calor e a falta de uma porta HDMI. A porta USB-C substitui o micro USB do Jetson Nano. A ventoinha mencionada acima é silenciosa, mesmo quando estamos funcionando com 15W completos. Executamos um dos benchmarks de inferência sugeridos pela Nvidia e o ventilador permaneceu silencioso, ao contrário de outros ventiladores que testamos em SBCs.
Teste de inferência
No momento, esta seção é curta e não muito agradável. Não consegui verificar as alegações da Nvidia de que o Orin Nano oferece quase 30 vezes o desempenho do Jetson Nano (que espera melhorar para 45 vezes).
As causas principais disso são uma escala de tempo curta e a construção de software privado. Eu queria demonstrar o exemplo Hello AI World usando um Raspberry Pi Camera Module 2, mas encontrei problemas de câmera que faziam com que o codificador de software não detectasse a câmera, apesar de estar listada como compatível. Esses problemas foram levantados para a Nvidia e espero que uma versão futura do JetPack OS resolva esses problemas.
A experiência de área de trabalho
A execução do JetPack 5, uma versão personalizada do Ubuntu 20.04, os 8 GB de LPDDR5 e a CPU Arm de seis núcleos fornecem energia suficiente para tarefas gerais de desktop. No entanto, não recomendamos investir $ 500 nesta placa apenas para usá-la como um PC de mesa.
A primeira inicialização foi um pouco mais lenta do que esperávamos, mas a Nvidia afirmou no guia do revisor que as unidades de produção final não terão esse problema. Outro problema que detectamos foi que apenas 6,3 GB de RAM estavam disponíveis na compilação de visualização. Os 8 GB completos estarão disponíveis para os usuários finais por meio de uma correção. A experiência com o Ubuntu foi agradável, com o mínimo de personalização feita na área de trabalho, exceto a instalação de ferramentas específicas para os pontos fortes do Orin Nano.
A instalação do Chromium demorou um pouco mais do que esperávamos. Ele aparentemente instalou o navegador via Snap, a plataforma de empacotamento preferida da Canonical. Chame-nos de antiquados, mas ainda temos muito amor pelo APT.
Com a instalação concluída, abrimos o Chromium e fomos ao YouTube para assistir a alguns vídeos HDR e 4K. Primeiro foi o teste de vídeo HDR do LeePSPVideo, que configuramos para tela cheia e em 1440p. A reprodução do vídeo foi ótima, pois as estatísticas para nerds mostraram um pequeno número de quadros perdidos para o vídeo 1440p 30fps.
Se não tivéssemos usado estatísticas para nerds, nunca teríamos notado. O próximo vídeo, uma viagem pela Costa Rica e sua vida selvagem, foi reproduzido em tela cheia de 1440p, mas este vídeo de 60 qps se saiu pior. Ele caiu cerca de 4% dos quadros durante toda a execução, sendo a grande maioria no início do vídeo. Apesar desse problema, a reprodução foi ótima.
Faltando no Orin Nano está um codificador de hardware dedicado (NVENC). Em vez disso, a Nvidia oferece um codificador de software usando a CPU Arm A78AE de seis núcleos. Isso parece um downgrade do Jetson Nano, mas talvez os dois núcleos de CPU Arm adicionais estejam lá para compensar isso?
A falta de um codificador de hardware também afeta a forma como usamos uma câmera com o Orin Nano. Existem dois conectores CSI de 15 pinos no lado esquerdo da placa de suporte. Estes são compatíveis com cabos CSI feitos para o Raspberry Pi zero. Conectamos um Raspberry Pi Camera Module 2 ao CAM0 e testamos um script rápido para gravar vídeo. Infelizmente, isso não aconteceria com nossa compilação de visualização do sistema operacional. Apesar do sensor IMX219 do Raspberry Pi Camera Module 2 ser compatível, nunca conseguimos obter uma imagem.
Usando o GPIO
O GPIO de 40 pinos do Orin Nano está no lado direito da placa transportadora e aqui está nosso primeiro problema. A quais pinos estamos nos conectando? No Jetson Nano, tínhamos a referência da placa impressa em serigrafia ao lado dos pinos.
Para o Orin Nano, temos que virar o tabuleiro e realizar uma façanha de destreza mental para lembrar onde está cada pino. Isso foi agravado pelos exemplos do Python usando um mapeamento Broadcom (BCM) (o Raspberry Pi também usa mapeamentos BCM em todos os seus tutoriais oficiais) que exigiam decodificação adicional. O módulo Python é o RPi.GPIO, um módulo que os fãs do Raspberry Pi conhecerão intimamente. Criado por Ben Croston, este módulo Python já alimentou milhares de projetos Pi e alguns projetos Jetson também. O módulo foi ajustado para rodar nas placas Jetson e é mais familiar do que nunca para esses olhos. Para contornar os mapeamentos de pinos BCM para BOARD, escolhemos os mapeamentos de pinos físicos (BOARD), apesar de nossos anos de experiência no ensino de conteúdo baseado em Raspberry Pi.
Funcionou e tivemos um LED piscando. Os pinos GPIO também fornecem a pletora usual de protocolos de comunicação. De IO digital simples a UART, SPI, I2C e I2S. O GPIO da Orin Nano não é o foco da placa, mais um recurso agregado para quem deseja mesclar aprendizado de máquina com robótica ou uma série de sensores.
O kit de desenvolvedor Jetson Orin Nano da Nvidia já está disponível por $ 499 através de distribuidores autorizados.