Talaan ng mga Nilalaman:
Ang Artipisyal na Kaalaman at mga makina na maaaring malaman ay kung paano ang mga bagay na ginagamit namin araw-araw ay mapapabuti. Lahat ng Google at Android ay kasama ang AI sa pamamagitan ng Google Assistant at pag-aaral ng machine, kaya mahalagang malaman kung paano gumagana ang back end, kung paano sila nakarating doon at kung anong mga uri ng kagamitan ang nagagawa nitong lahat. At ito ay talagang cool, masyadong!
Ang mga tao na magtatayo ng teknolohiyang ito sa hinaharap ay kakailanganin ang mga tool upang gawin ito. Noong 2017, ang NVIDIA ay gumagawa ng bahagi nito, at ang Jetson TX2 ay ang sagisag ng ideyang ito. Kailangan ng mga nag-develop ng hardware na hindi lamang may kakayahang gawin ang pag-compute at pag-iisip (oo, sasabihin ko ito) na kakailanganin ng mas matalinong hinaharap, ngunit madaling gamitin at mag-deploy.
AI sa Edge.
Ang NVIDIA ay tumutukoy dito bilang "paghahatid ng AI sa Edge" at ito ay isang angkop na paglalarawan. Ang TX2 ay isang kumpletong superkomputer. Nagagawang magproseso ng data sa sarili nitong lugar at oras na ito ay nangyayari sa halip na libu-libong milya ang layo sa pamamagitan ng internet. Kinakailangan namin ang pagkakakonekta dahil sa paraan na ginagamit namin ito ngayon, ngunit maraming mga kaso kung saan naghihintay para sa isang paglalakbay ng data round mula sa isang matalinong piraso ng makinarya ay masyadong mahaba upang maghintay. At ang isang malaking bahagi ng asul na marmol na tinitirhan namin ay walang koneksyon sa internet, at hindi sa mahabang panahon.
Ang isang maliit na computer na maaaring gawin lamang tungkol sa anumang bagay at iproseso ang lahat ng data na kinokolekta nito mismo ay kung paano mo mai-tackle ang mga problemang ito. Tila ipinako ito ng NVIDIA.
Ano ang bagay na ito?
Ito ay hindi isang bagay na maaari mong mahanap sa Best Buy na magamit para sa mga bagay na ginagawa mo sa iyong telepono. Hindi ito tumatakbo sa Android (ngunit tiyak na hindi ito magiging mahirap na ayusin iyon) at ito ay isang bagay na karamihan sa atin ay hindi bibilhin. Ngunit ito ay isang napakahalagang bahagi ng mga bagay na gusto natin.
Ang Jetson TX2 ay isang tool sa pag-unlad. Ang Jetson TX2 ay isang module na handa na sa larangan upang mabigyan ng kapangyarihan ang anumang kagamitan na nakabase sa AI. Ito ay isang laki ng computer ng isang credit card kasama ang lahat ng mga input at output ng isang "regular" na computer. Kapag isinaksak mo ang module ng TX2 sa espesyal na idinisenyo na backboard (bahagi iyon ng kit ng pag-unlad) karamihan ay lumiliko ito sa isang pangkaraniwang maliit na form factor PC na kumpleto sa lahat ng mga port at plugs ang iyong desktop.
Maaaring gamitin ito ng mga nag-develop upang bumuo ng mga kagamitan sa paligid at aktwal na gamitin ang Jetson mismo upang magpatakbo ng mga demo at simulation. Ito ay isang may kakayahang maliit na makina na maaaring gawin ang lahat ng mga kalkulasyon na maaaring gawin ng isang malaking bagay habang gumagamit ng isang minuscule na halaga ng kapangyarihan upang gawin ito. Ang mga tech specs ay kahanga-hanga.
- Ang serye ng NVIDIA Parker Tegra X2: 256-core Pascal GPU at dalawang 64-bit na mga Denver CPU na mga pares na may apat na Cortex-A57 CPU sa isang pagsasaayos ng HMP
- 8GB ng 128-bit na LPDDR4 RAM
- 32GB eMMC 5.1 sa imbakan
- 802.11b / g / n / ac 2x2 MIMO Wi-Fi
- Bluetooth 4.1
- USB 3.0 at USB 2.0
- Gigabit Ethernet
- Slot ng SD card para sa panlabas na imbakan
- SATA 2.0
- Kumpletuhin ang multi-channel PMIC
- 400 pin ang high-speed at mababang bilis na pamantayan sa industriya ng I / O konektor
Ang pinakamahusay na tech spec ay ang Jetson TX2 ay isang pin para sa pin drop sa kapalit para sa Jetson TX1 noong nakaraang taon. Hayaan itong lumubog nang kaunti - ang mga nag-develop na gumagamit ng mga umiiral na mga computer ng NVIDIA TX1 upang mabigyan ng kapangyarihan ang talino sa likod ng kanilang kagamitan ay magagawang i-shut down ang mga bagay, hilahin ang lumang board at ilagay sa bago. Ang software para sa TX1 ay maa-update sa parehong software na ginagamit ng TX2 upang ito ay literal na isang pagbagsak sa kapalit. Kung nakagawa ka na ng anumang uri ng larangan o gawaing ng pabrika sa mga kagamitan na nagkakahalaga ng maraming pera kapag mayroon itong anumang pag-downtime, naiintindihan mo kung gaano kahalaga ito. Habang ang mga susunod na henerasyon na kagamitan ay binuo, gumagamit ito ng hardware na gumagana ng 100% kasama ang umiiral na henerasyon.
Ang lihim dito ay sa pamamagitan ng mga Pascal GPU cores ng NVIDIA. Ang parehong kadahilanan ng Pascal cores ay ginagamit sa napakataas na mga video card na idinisenyo para sa VR at 4K 3D gaming ay kung bakit sila ginagamit para sa Jetson TX2. Ang mga GPU cores ay isang mas mahusay na paraan upang mag-crunch number. Mas mabilis sila at gumamit ng mas kaunting lakas.
Ang banal na butil ng computing ay artipisyal na katalinuhan (AI): pagbuo ng isang makina na matalino, maaari itong malaman nang sarili nang walang malinaw na tagubilin. Ang malalim na pag-aaral ay isang kritikal na sangkap sa pagkamit ng modernong AI. Pinapayagan ng malalim na pag-aaral ang AI "utak" na makita ang mundo sa paligid nito; natututo ang makina at sa huli ay nagpapasya mismo. Malawakang kinikilala ito sa loob ng akademya at industriya na ang mga GPU ay estado ng sining sa pagsasanay ng malalim na mga network ng neural (DNN), dahil sa parehong bilis at kalamnan ng kahusayan ng enerhiya kumpara sa mas tradisyonal na mga platform na batay sa CPU.
Ang mga computer ng NVIDIA GPU ay mayroon nang ilang kamangha-manghang mga bagay. Nagmaneho sila ng malalim na pag-aaral na ginagamit para sa mga self-driving na kotse, nagtuturo ng mga robot na tulad ng motor na mga kasanayan tulad ng paglalakad at pagkakahawak, pag-aaral ng video nang high-speed upang magbigay ng mga caption ng teksto at kahit na maglaro ng Go. At matalo ang talagang mabubuting kalaban ng tao.
Ang mga GPU cores ay maaaring gawin ang parehong trabaho gamit ang mas kaunting lakas bilang tradisyonal na computing ng CPU.
Ang tunay na pagsubok ng AI at ang talino na maaaring magmaneho nito ay nasa abot-tanaw. Ang mga Autonomous robots at drone ay binuo para sa mga trabaho tulad ng inspeksyon sa pang-industriya, portable na aparatong medikal na maaaring dalhin sa bukid upang matulungan ang mga nangangailangan ay kinakailangan nang labis at maging ang mga matalinong security camera na maaaring pag-aralan kung ano ang kanilang nakikita at gumawa ng nararapat na aksyon na malapit na maging katotohanan. Ang mga ideyang ito ay nangangailangan ng computing na maaaring magmaneho ng AI na may malalim na mga algorithm ng pag-aaral at ang kakayahang pag-aralan ang neural network na nakolekta ng data sa kanilang sarili. Hindi sila maaaring madikit sa isang cable at gagamitin sa mga lugar na kahit na si Verizon ay walang saklaw.
Bukod sa pagiging makapangyarihan, ang isang computer na idinisenyo upang maging maliit at portable ay kailangang maging mahusay sa lakas. Ipinapakita ang mga pagsubok (.pdf file) na ang kompyuter na nakabase sa NVIDIA GPU ay maaaring katumbas ng isang Intel core i7 6700K CPU at gumamit ng 6 watts ng kapangyarihan kumpara sa 60. Para sa mga kagamitan na hindi nakakonekta sa power grid, mahalaga iyon.
Nagpatakbo kami ng ilang mga benchmark gamit ang AlexNet at GoogLeNet - Pag-uuri ng kategorya ng kategorya ng object na batay sa CV at pag-uuri ng software at ang mga resulta ay kamangha-manghang. Sa mode na Max-P (high-power), ang Jetson TX2 ay nagawang suriin ang isang average ng 641 na mga imahe bawat segundo gamit ang AlexNet Network habang gumagamit ng 13 watts lamang ng kapangyarihan. Ang pagsubok ng GoogLeNet ay nag-average ng 278 mga imahe bawat segundo habang gumagamit ng 14 watts ng kapangyarihan. Ang mga pagsubok na Max-Q (mababang lakas) ay nagmarka ng average na 481 mga imahe bawat segundo sa AlexNet at 191 na mga imahe bawat segundo sa GoogLeNet habang gumagamit ng 7 watts lamang ng kapangyarihan. Ito ay halos dalawang beses lamang na maihatid ng Jetson TX1 noong nakaraang taon, at maganda rin ito.
Kapag maaari mong iproseso ang impormasyon nang mabilis at tumpak na ito sa site, ang koneksyon sa ulap ay hindi naglilimita sa kadahilanan na dati.
Sa lab
Ang Jetson TX2 ay dapat na lubos na may kakayahan sa larangan. Ito ang una sa mga susunod na henerasyon ng mga makina na matututo sa pamamagitan ng paggawa nang walang koneksyon sa ulap at isang malaking pag-upgrade mula sa umiiral na kagamitan. Ngunit mayroon din itong mga tampok na mamahalin ng mga developer.
Ang sukat ng module ng credit card ay maaaring mag-plug sa isang kumpletong board carrier na magagamit bilang bahagi ng Jetson TX2 development kit. Ginagamit ng board board ang 400 I / O pin sa Jetson module upang magbigay ng mga karaniwang koneksyon sa desktop. Ang isang software developer ay maaaring gumamit ng isang karaniwang USB keyboard at mouse, isang karaniwang monitor at ang Jetson TX2 upang lumikha ng isang kumpletong kapaligiran sa pag-unlad.
Ang pagpapatakbo sa isang operating system na Linux4Tegra na batay sa Ubuntu, ang lahat ng mga tool na maaaring kailanganin mong bumuo at i-debug ang malalim na pag-aaral ng mga aplikasyon ng AI ay kasama bilang bahagi ng software ng JetVack NVIDIA. Maaaring i-download ng mga nag-develop ang package mula sa Developer Zone ng NVIDIA pati na rin sundin ang mga tutorial at kaalaman sa komunidad upang makita kung ano ang magagawa ng Jetson pagkatapos magsimulang magtrabaho sa kanilang sariling mga ideya. Ang kasamang software sa JetPack ay pre-configure upang patakbuhin ang na-optimize sa sistema ng pagpoproseso ng TX2:
- cuDNN - isang library ng primitive ng GPU na pinabilis para sa malalim na neural network.
- Ang NVIDIA VisionWorks ay isang pakete ng pag-unlad ng software para sa Computer Vision (CV) at pagproseso ng imahe.
- CUDA Toolkit - isang komprehensibong kapaligiran sa pag-unlad para sa mga tagabuo ng C at C ++ na bumubuo ng mga aplikasyon ng pinabilis na GPU.
- TensorRT - isang mataas na pagganap ng malalim na pag-aaral ng pag-aaral ng pag-uuri para sa pag-uuri ng imahe, pagkakabukod, at mga network ng neural detection.
- NVIDIA Nsight Eclipse - Isang buong tampok at na-customize na Eclipse IDE para sa pagbuo, pag-debug at pag-profile ng mga aplikasyon ng CUDA-C.
- Tegra System Profiler at Tegra Graphics Debugger - mga tool upang i-profile at halimbawa ng mga aplikasyon gamit ang OpenGL.
- Ang kinakailangang collateral at assets na bubuo at magdisenyo ng hardware gamit ang NVIDIA Jetson TX2.
Ang paggamit ng parehong platform upang mabuo at i-debug ang anumang aplikasyon ay isang kinakailangan para sa anumang masalimuot at kumplikado. Ito ay isa sa mga paraan na maaaring gawing simple ng mga developer ang proseso at anumang makakatulong na gawing mas madali ang mga bagay para sa mas maligayang mga developer. Habang ang Jetson TX2 ay maaaring hindi idinisenyo bilang nag-iisang pag-unlad at bumuo ng computer na magagamit ng anumang grupo, alam na may kakayahang ito ay isang Boon para sa pag-install at gawa sa bukid. Ang paggawa ng mga maliliit na pagsasaayos at pagbabago ay maaaring gawin sa Edge sa parehong paraan ng pagproseso ay walang pagpapadala ng data pabalik sa isa pang computer bank upang maproseso at bumalik.
Ang kagamitan ay maaaring idinisenyo gamit ang magagamit na mga assets ng hardware at mga guhit upang hindi lamang mabawasan ang pagiging kumplikado ngunit upang payagan ang isang madaling interface gamit ang madaling magagamit na mga peripheral at software. Gamit ang isang laptop at isang USB cable, isang inhinyero o larangan ng tech ang lahat ng kailangan upang muling itayo mula sa ground up kung kinakailangan.
Ang software ng NVIDIA Jetpack ay nangangahulugang ang mga developer ay maaaring tumutok sa kanilang trabaho, hindi nagtatakda ng isang kapaligiran sa pagtatayo.
Kahit na ang pag-install ng Jetpack ng NVIDIA ay naka-streamline. Ang mga tagasuri ay binigyan ng isang na-update na bersyon upang mai-install, at ang pagsunod sa ilang simpleng mga tagubilin sa pamamagitan ng isang matalinong GUI ay nagkaroon ng isang kumpletong muling pagtatayo ng lahat ng software na natapos sa ilang mga hakbang lamang at isang tasa ng kape. Muli, nakita namin ang NVIDIA na ginagawang mas madali ang mga bagay upang ang mga developer ay maaaring tumuon sa kanilang trabaho sa halip na mapanatili ang mismong kapaligiran ng pagtatayo.
Matapos ang ilang araw ng pagse-set up ng mga bagay at pagsubok sa lahat, napunta ako sa labis na humanga sa kung ano ang inihahatid ng NVIDIA dito. Ang unang Jetson TX1 ay isang mahusay na produkto na napuno ng isang pangangailangan para sa mabilis na pag-unlad gamit ang mga GPU cores upang gawin ang mabibigat na pag-angat para sa malalim na pag-aaral ng mga aplikasyon sa network ng neural. Sa isang napakaikling panahon, ang NVIDIA ay nagtaas ng bar na may isang kahalili na maaaring masira ang dependency sa ulap gamit ang parehong pamilyar na mga tool sa pag-unlad at pamamaraan.
Ang teknolohiya ng hinaharap ay magbigla at magbigay ng inspirasyon sa ating lahat. Ang mga produkto tulad ng Jetson TX2 ay kung ano ang gagawing posible sa hinaharap. Ang NVIDIA Jetson TX2 Developer Kit ay na-presyo sa $ 599 para sa mga order ng tingi at $ 299 para sa mga mag-aaral.
Tingnan sa portal ng NVIDIA Embedded Developers
