ADVERTISEMENT
Jetson Nano 2GB Developer Kit雖然將記憶體容量砍半,但價格卻銳減40%,對於用這款開發套件做為入門學習教材的使用者來說,是個相當划算的取捨,筆者也將在這篇文章中分析2種版本的硬體規格差異,以及實際效能比較。
佛心閹割功能影響小
Jetson Nano 2GB Developer Kit開宗明義的目標就是推廣教育市場,所以在推出破盤「學生價」的同時,也不會將規格閹割太多,以免影響到功能與應用。
Jetson Nano 2GB Developer Kit(文中以2GB版簡稱)與原版Jetson Nano Developer Kit(文中以原版簡稱)最大的差別,當然就是名稱所暗示的2GB版僅搭載2GB記憶體,而原版則是搭載4GB,兩者除了容量有所差異外,在通道寬度與時脈、頻寬方面則皆相同,此外兩者的處理器、繪圖處理器也都相同,因此可以預期執行小型程式的效能並不會有太大落差,但2GB版可能會因記憶體容量不足,在執行大型程式的時候需要透過Swap(Linux的換置空間,可以理解為虛擬記憶體)來儲存程式資料,進而影響效能。
另一個可能會影響使用的規格,則是攝影機的連接端子。最初期的原版只有1組MIPI CSI-2端子,後期增加為2組,而2GB版則改回1組,因此只能同時連接1組MIPI CSI-2介面攝影機。
除此之外2GB版也取消了M.2 Key E無線網路模組插槽、DisplayPort影像輸出端子,並將4組USB 3.2 Gen1改為1組USB 3.2 Gen1加2組USB 2.0,這個改變對創客來說可能影響不大,但對想將Jetson Nano Developer Kit當成迷你電腦、多媒體娛樂機的使用者來說影響就會比較大。
最後2GB版將電源輸入由5V DC插座改為USB Type-C端子,這個對於許多使用者來說或許更為方便,可以視為正面的功能改進。
至於和Raspberry Pi 4或是Coral Dev Board等定位相近的產品相比,2GB版不但維持效能領先的優勢,更在降價後增加了價格競爭力。另一方面,2GB版依然與原版相同能夠支援CUDA繪圖處理器加速運算,以及TensorFLow、PyTorch、Caffe、MxNet等業界常見,甚至應用於大型運算中心的軟體框架,對於學習程式開發來說相當吃香。
Jetson Nano Developer Kit規格對照 | ||
規格 | Jetson Nano Developer Kit | Jetson Nano 2GB Developer Kit |
處理器 | Quad-core ARM A57 @ 1.43 GH | |
繪圖處理器(GPU) | 128-core NVIDIA Maxwell | |
記憶體 | 4GB 64-bit LPDDR4 25.6GB/s | 2GB 64-bit LPDDR4 25.6GB/s |
儲存媒體 | microSD | |
影片編碼器 | 4Kp30 | 4x 1080p30 | 9x 720p30 (H.264/H.265) | |
影片解碼器 | 4Kp60 | 2x 4Kp30 | 8x 1080p30 | 18x 720p30 (H.264/H.265) | |
連線能力 | GbE乙太網路、M.2 Key E | GbE乙太網路 |
攝影機 | 2x MIPI CSI-2端子 | 1x MIPI CSI-2端子 |
影像輸出端子 | DisplayPort、HDMI | HDMI |
USB | 4x USB 3.2 Gen1、1x USB 2.0 Micro-B | 1x USB 3.2 Gen1、2x USB 2.0、1x USB 2.0 Micro-B |
電源輸入 | DC插座 | USB Type-C端子 |
其他端子 | 40 pin端子(GPIO、I2C、I2S、SPI、UART)、12 pin端子(電源及相關訊號、UART)、4 pin風扇端子 | |
尺寸 | 100 x 80 x 29 mm |
實測效能成績並無下降
在作業系統部分,筆者使用NVIDIA提供的最新版本Jetson Nano映像檔,安裝完成後會發現它的桌面環境改為LXDE 18.04,與先前的Ubuntu介面有些許不同,但是整體操作仍相當接近。
值得注意的是,在第一次開機的初始設定過程中,系統會建議使用者啟用Swap功能,若選擇預設選項,系統則會自動建立容量約為4.95GB的換置空間,以在主記憶體容量不足的時候儲存資料,發揮虛擬記憶體的功效。不過由於Swap的實際路徑為microSD記憶卡,所以頻寬與存取效能將受到很大的限制,而且反覆存取也可能會加速耗損記憶卡壽命。
效能測試方面,則是搭配NVIDIA提供的搭配Jetson Benchmarks工具進行AI推論效能測試,測試的項目包括Inception V4、VGG-19、Super Resolution、Unet、OpenPose、YoloV3-Tiny、ResNet-50、SSD Mobilenet-v1等8種影像辨識、物件偵測、動作分析、影像放大等多種不同演算法的效能表現。其中Jetson AGX Xavier、Jetson Xavier NX與原版Jetson Nano Developer Kit的測試成績,取自筆者先前撰寫的《Jetson Xavier NX開發套件動手玩硬體篇:同時執行4個容器榨乾AI電腦》一文。
從下列實測結果可以發現,2GB版與原版的效能表現相差無幾,並沒有因為是閹割版而有明顯落差,表現可以說讓人相當滿意。其中原因不外乎是雙方的處理器、繪圖處理器規格完全相同,且也都可以使用10W的電力模式,讓彼此在運算效能部分可以有一樣的表現。
從雙方的規格差異來看,會造成整體效能落差的主要因素,仍在程式的記憶體消耗量,而Jetson Benchmarks工具可能沒有觸碰到此一瓶頸。若程式使用超過2GB的記憶體,系統就需要將部分資料儲存於Swap,將形成存取效能瓶頸,並影響整體效能表現。
由於2GB版的目標客群為AI程式與AIoT裝置的入門者,撰寫大型程式的機會不大,因此考量價格與效能的平衡,這樣確實是不錯的取捨,很適合教育單位或初學者選用。
系列文章:
NVIDIA Jetson Nano 2GB動手玩基礎介紹篇:推廣AIoT的自學平台
NVIDIA Jetson Nano 2GB動手玩硬體實測篇:規格略減、效能依然充沛(本文)
請注意!留言要自負法律責任,相關案例層出不窮,請慎重發文!