La gamme de cartes Jetson de Nvidia n’est pas typique Tarte aux framboises alternatives. Nvidia se concentre sur la robotique, les drones et les caméras d’entrée de gamme basés sur l’IA. Sa dernière carte, la Jetson Orin Nano à 499 $, augmente la puissance de traitement tout en gardant le kit compact.
Le Jetson Orin Nano améliore les 128 cœurs CUDA du GPU Nvidia Maxwell avec des cœurs CUDA basés sur 1024 ampères. Les cœurs supplémentaires et l’architecture plus récente signifient que l’Orin Nano a jusqu’à 80 fois les performances de l’IA du Jetson Nano. Les six cœurs de processeur Arm A78AE offrent près de sept fois les performances du Jetson Nano. La même architecture AI qui alimente le module Jetson AGX Orin est utilisée dans l’Orin Nano, mais à un prix beaucoup plus abordable.
Nvidia m’a envoyé un échantillon de Jetson Orin Nano pour examen, mais en raison de problèmes logistiques, l’unité est arrivée avec peu de temps pour un examen complet, donc ici je vais fournir une brève introduction au tableau et commenter ce que j’ai trouvé. Malheureusement, je n’ai pas pu tester le cas d’utilisation principal de l’Orin Nano, l’inférence et l’apprentissage automatique, car ce que j’ai essayé sur ce logiciel de niveau bêta n’a tout simplement pas fonctionné pour moi dans le temps limité dont je disposais. Nous publierons une revue complète avec des références d’inférence dans quelques jours, après que nous ayons pu, espérons-le, obtenir une version plus récente du logiciel d’Orin Nano.
Notez que le logiciel JetPack fourni avec la carte est un aperçu privé et ne reflète pas le logiciel final qui sera disponible pour les consommateurs. Une fois la version finale du logiciel disponible, je fournirai un examen complet de l’Orin Nano, y compris ses puissantes capacités d’IA.
Spécifications Jetson Orin Nano
| Cellule d’en-tête – Colonne 0 | Jetson Orin Nano | Jetson Nano |
|---|---|---|
| CPU | Processeur Arm Cortex-A78AE v8.2 64 bits à 6 cœurs | Processeur quadri-cœur ARM Cortex-A57 MPCore |
| 1,5 Mo L2 + 4 Mo L3 | ||
| GPU | Architecture Nvidia Ampere avec 1024 cœurs Nvidia CUDA et | Architecture Nvidia Maxwell avec 128 cœurs Nvidia CUDA |
| 32 noyaux tenseurs | ||
| Mémoire | 8 Go LPDDR5 128 bits | 4 Go LPDDR4 64 bits, 1 600 MHz 25,6 Go/s |
| 68 Go/s | ||
| Stockage | Micro SD | 16 Go eMMC 5.1 |
| NVMe M.2 via la carte porteuse | Micro SD | |
| Pouvoir | 7W à 15W (9-19V) | 20W (Max 5V à 4 A) |
| Dimensions | 69 x 45 x 21 mm | 69,6 x 45 x 20 mm |
Spécifications de la carte porteuse Jetson Orin Nano
| Cellule d’en-tête – Colonne 0 | Jetson Orin Nano | Jetson Nano |
|---|---|---|
| Caméra | 2 connecteurs de caméra MIPI CSI-2 22 broches | 12 voies (3×4 ou 4×2) MIPI CSI-2 D-PHY 1.1 |
| M.2 Touche M | x4 PCIe génération 3 | |
| x2 PCIe Gen3 | ||
| M.2 Touche E | PCIe (x1), USB 2.0, UART, I2S et I2C | 1 fois |
| USB | 4 ports USB 3.2 Gen2 | 4 ports USB 3.0 |
| 1 x Type C pour le débogage et le mode périphérique | 1 x USB 2.0 Micro-B | |
| La mise en réseau | Gigabit Ethernet | Gigabit Ethernet |
| Adaptateur réseau sans fil PCIe RTL8822CE 802.11ac | ||
| Afficher | DisplayPort 1.2 | HDMI 2.0 et eDP 1.4 |
| GPIO | GPIO 40 broches | GPIO 40 broches |
| En-tête de bouton à 12 broches | ||
| En-tête de ventilateur à 4 broches | ||
| Pouvoir | Prise cylindrique DC 9-19V | DC Barrel Jack 20W (Max 5V à 4 Ampères) |
| Dimensions | 100 x 79 x 21 mm (la hauteur comprend le module Orin Nano et la solution de refroidissement) | 100 x 80 x 29 mm (la hauteur comprend le module Jetson Nano et la solution de refroidissement) |
Au premier coup d’œil, l’Orin Nano et le Jetson Nano semblent identiques. Ce qui éloigne l’Orin Nano, c’est un ventilateur intégré dans un dissipateur thermique et l’absence de port HDMI. Le port USB-C remplace le micro USB du Jetson Nano. Le ventilateur susmentionné est silencieux, même lorsque nous fonctionnons à plein 15 W. Nous avons exécuté l’un des benchmarks d’inférence suggérés par Nvidia et le ventilateur est resté silencieux, contrairement aux autres ventilateurs que nous avons testés sur les SBC.
Test d’inférence
En ce moment, cette section est courte et pas très douce. Je n’ai pas pu vérifier les affirmations de Nvidia selon lesquelles l’Orin Nano offre près de 30 fois les performances du Jetson Nano (qu’il espère améliorer à 45 fois).
Les causes profondes en sont un court laps de temps et la construction de logiciels privés. Je voulais démontrer l’exemple Hello AI World en utilisant un module de caméra Raspberry Pi 2, mais j’ai rencontré des problèmes de caméra qui ont vu l’encodeur logiciel ne pas détecter la caméra, bien qu’elle soit répertoriée comme compatible. Ces problèmes ont été signalés à Nvidia, et j’espère qu’une future version de JetPack OS résoudra ces problèmes.
L’expérience de bureau
Exécutant JetPack 5, une version personnalisée d’Ubuntu 20.04, les 8 Go de LPDDR5 et le processeur Arm à six cœurs fournissent suffisamment de puissance pour les tâches générales de bureau. Cependant, nous vous déconseillons d’investir 500 $ dans cette carte uniquement pour l’utiliser comme ordinateur de bureau.
Le premier démarrage a été un peu plus lent que prévu, mais Nvidia a déclaré dans le guide de l’examinateur que les unités de production finales n’auront pas ce problème. Un autre problème que nous avons repéré était que seulement 6,3 Go de RAM étaient disponibles dans la version de prévisualisation. Les 8 Go complets seront disponibles pour les utilisateurs finaux via un correctif. L’expérience Ubuntu a été agréable, avec le minimum de personnalisation apportée au bureau, à l’exception de l’installation d’outils spécifiques aux points forts de l’Orin Nano.
L’installation de Chromium a pris un peu plus de temps que prévu. Il a apparemment installé le navigateur via Snap, la plate-forme d’emballage préférée de Canonical. Appelez-nous à l’ancienne, mais nous avons toujours beaucoup d’amour pour APT.
Une fois l’installation terminée, nous avons ouvert Chromium, puis sommes allés sur YouTube pour regarder quelques vidéos HDR et 4K. Le premier était le test vidéo HDR de LeePSPVideo, que nous avons réglé en plein écran et à 1440p. La lecture vidéo était excellente, car les statistiques pour les nerds montraient un petit nombre d’images perdues pour la vidéo 1440p 30fps.
Si nous n’avions pas utilisé les statistiques pour les nerds, nous ne l’aurions jamais remarqué. La vidéo suivante, un voyage autour du Costa Rica et de sa faune, a été diffusée en plein écran 1440p, mais cette vidéo à 60 ips s’en est moins bien tirée. Il a perdu environ 4% des images sur l’ensemble de sa course, la grande majorité étant au début de la vidéo. Malgré ce problème, la lecture était excellente.
Il manque à l’Orin Nano un encodeur matériel dédié (NVENC). Au lieu de cela, Nvidia propose un encodeur logiciel utilisant le processeur Arm A78AE à six cœurs. Cela ressemble à une rétrogradation du Jetson Nano, mais peut-être que les deux cœurs de processeur Arm supplémentaires sont là pour compenser cela ?
L’absence d’encodeur matériel a également un impact sur la façon dont nous utilisons une caméra avec l’Orin Nano. Il y a deux connecteurs CSI à 15 broches sur le côté gauche de la carte porteuse. Ceux-ci sont compatibles avec les câbles CSI conçus pour le Raspberry Pi Zéro. Nous avons connecté un module de caméra Raspberry Pi 2 à CAM0 et testé un script rapide pour enregistrer une vidéo. Malheureusement, cela ne devait pas être le cas avec notre version d’aperçu du système d’exploitation. Bien que le capteur IMX219 du Raspberry Pi Camera Module 2 soit compatible, nous n’avons jamais réussi à obtenir une image.
Utilisation du GPIO
Image 1 de 3
Le GPIO 40 broches de l’Orin Nano se trouve sur le côté droit de la carte mère et voici notre premier numéro. À quelles broches sommes-nous connectés ? Sur le Jetson Nano, nous avons fait imprimer la référence de la carte en sérigraphie à côté des broches.
Pour l’Orin Nano, nous devons retourner le tableau et réaliser un exploit de dextérité mentale pour nous rappeler où se trouve chaque broche. Cela a été aggravé par les exemples Python utilisant un mappage Broadcom (BCM) (Raspberry Pi utilise également des mappages BCM dans tous ses didacticiels officiels) qui nécessitaient un décodage supplémentaire. Le module Python est RPi.GPIO, un module dont les fans de Raspberry Pi seront intimement conscients. Créé par Ben Croston, ce module Python a alimenté des milliers de projets Pi, ainsi que de nombreux projets Jetson. Le module a été modifié pour fonctionner sur les cartes Jetson et est plus familier que jamais à ces yeux. Pour contourner les mappages de broches BCM à BOARD, nous avons choisi les mappages de broches physiques (BOARD), malgré nos années d’expérience dans l’enseignement de contenu basé sur Raspberry Pi.
Cela a fonctionné et nous avons eu une LED clignotante. Les broches GPIO fournissent également la pléthore habituelle de protocoles de communication. De la simple E/S numérique à UART, SPI, I2C et I2S. Le GPIO de l’Orin Nano n’est pas au centre de la carte, mais plutôt une fonctionnalité supplémentaire pour ceux qui souhaitent fusionner l’apprentissage automatique avec la robotique ou une série de capteurs.
Le kit de développement Jetson Orin Nano de Nvidia est disponible dès maintenant pour 499 $ via des distributeurs agréés.