OKdo最近宣布了其产品系列的最新成员NVIDIA Jetson Nano Developer Kit。新的开发人员工具包提供了对完整桌面Linux的开箱即用支持，并与许多支持4K的外围设备兼容，包括以太网，USB和HDMI。
不仅针对制造商虽然该单元主要面向制造商和学习者，但该套件对于工程师和嵌入式开发人员而言同样有价值。Jetson Nano Developer Kit允许开发人员并行运行多个神经网络，以用于图像分类，对象检测，分段和语音处理等应用。
之前，我们已经研究了神经网络如何改变工程师在各个领域的工作方式，并且该新工具包有助于为工程师提供必要的AI硬件和软件。该平台易于使用，功耗仅为5瓦。
该套件使用NVIDIA的Deepstream SDK，该套件提供了完整的流分析工具套件，可使用多传感器处理来了解基于AI的视频和图像。
使用Jetson Nano作为专业人士
Jetson开发人员工具包不适用于生产用途。相反，应该使用它们在预生产环境中开发和测试软件。有些Jetson模块适合于生产部署，具有5年或10年的使用寿命。
但是，Jetson Nano对于专业的嵌入式工程师和研究人员仍然有用。凭借472 Gflops的计算性能，Jetson Nano可以帮助工程师从事涉及对象检测，视频搜索，视频增强，姿势估计，面部识别和热图绘制的项目。
Jetson Nano如何与其他机器学习边缘设备相抗衡
NVIDIA提供了许多社区资源来说明如何使用Jetson Nano，包括由机器学习工程师Juan Pablo Gonzalez在机器学习边缘设备上进行的一系列基准测试。冈萨雷斯的报告对五个新颖的边缘设备进行了基准测试：Jetson Nano，Google Coral开发板，英特尔神经计算棒，Raspberry Pi和2080ti NVIDIA GPU。
这些测试通过一次一次的图像分类任务实时测量推理吞吐量。这是通过评估ImageNetV2特定子集的top-1推理准确性并将其与ConvNets模型进行比较来实现的。
结果发现，Jetson Nano(与ResNet-50，TensorRT和PyTorch一起使用)具有2.67ms或每秒375帧的最佳推理时间。就相对精度而言，当与TR-TRT和EfficientNet-B3一起使用时，Jetson Nano也以85%的精度获得了最佳结果。
