пресс-центр

NVIDIA Jetson TX2 вдвое повышает производительность приложений искусственного интеллекта в современных устройствах

NVIDIA Blog NVIDIA Blog

 
jetsonimage1.png

Рисунок 1: Встраиваемый компьютер-на-модуле NVIDIA Jetson TX2 с теплообменником (TTP).

Сегодня в Сан-Франциско на семинаре, посвященном технологиям искусственного интеллекта, NVIDIA представила модульный суперкомпьютер Jetson TX2 и набор инструментов JetPack 3.0. Jetson – ведущая в мире встраиваемая платформа с низким уровнем энергопотребления, обеспечивающая вычислительную производительность на уровне сервера для любых современных устройств. Модуль Jetson TX2 оснащен 256-ядерным графическим процессором NVIDIA с архитектурой Pascal, 64-битным модулем CPU Complex ARMv8 с шестью ядрами и 8 ГБ памяти LPDDR4 со 128-битным интерфейсом.  Модуль CPU Complex объединяет в себе четырехъядерный кластер ARM Cortex-A57 и два ядра NVIDIA Denver 2. Модуль Jetson TX2 (см. Рисунок 1) имеет габариты 50 х 87 мм, его вес составляет 85 г, а уровень энергопотребления при стандартной нагрузке – всего 7,5 Вт.

IoT-устройства традиционно выполняют функции простого шлюза для передачи данных. Для передачи и обработки больших объемов данных они используют подключение к облаку. Концепция Edge computing – зарождающаяся парадигма, которая основана на использовании локальных вычислений для проведения анализа данных на платформе самого источника данных. Обладая производительностью более 1 Терафлопс, Jetson TX2 является идеальным решением для развертывания искусственного интеллекта в удаленных районах со слаборазвитой или дорогостоящей инфраструктурой для подключения к сети Интернет. Jetson TX2 обеспечивает минимальное время реакции приложений и высокую отзывчивость почти в режиме реального времени, что является ключевым фактором для умных машин, которым требуется высокий уровень автономности.

Модуль Jetson TX2 основан на системе-на-чипе (SoC) NVIDIA Tegra “Parker”, произведенной по 16-нм техпроцессу (см. блок-диаграмму на Рисунке 2). Jetson TX2 демонстрирует в два раза более высокую энергоэфективность в задачах инференса для глубокого обучения по сравнению со своим предшественником Jetson TX1 и обеспечивает более высокую производительность, чем серверные процессоры Intel Xeon. Подобный скачок энергоэффективности позволяет по-новому взглянуть на возможности внедрения искусственного интеллекта в современные оконечные устройства без подключения к облаку.

jetsonimage2.png

Рисунок 2: Блок-диаграмма SoC Parker, которая лежит в основе модуля NVIDIA Jetson TX2, со встроенным GPU архитектуры NVIDIA Pascal, CPU с кластерами ядер NVIDIA Denver 2 и ARM Cortex-A57 и движками для ускоренной обработки мультимедийных данных (нажмите на изображение, чтобы открыть его в полном разрешении). Jetson TX2 имеет несколько движков для передачи мультимедийных потоков на GPU Pascal с датчиков и сенсоров. Они имеют шесть выделенных разъемов для подключения камеры по интерфейсу MIPI CSI-2 с пропускной способностью 2,5 Гбит/с и два процессора обработки изображения (ISP) с пропускной способностью 1,4 гигапикселя/с, а также поддерживают кодеки H.265 для декодирования 4K с частотой смены кадров 60 FPS.

Jetson TX2 ускоряет работу глубоких нейронных сетей (DNN) благодаря использованию библиотек NVIDIA cuDNN и TensorRT с поддержкой реализации рекурентных нейронных сетей (RNN), сетей с долгой краткосрочной памятью (LSTM) и обучения с подкреплением. Двойная шина CAN позволяет интегрировать системы автопилотирования для управления роботами и дронами, которые используют глубокие нейронные сети для считывания информации вокруг и безопасной работы в динамичных окружениях. Jetson TX2 работает под управлением программного пакета NVIDIA JetPack 3.0 и Linux For Tegra (L4T). В Таблице 1 вы можете сравнить параметры Jetson TX2 и модуля предыдущего поколения Jetson TX1.

Таблица 1: Сравнение Jetson TX1 и Jetson TX2.
*  Поддерживаемые видеокодеки:   H.264, H.265, VP8, VP9
†  Разветвление MIPI CSI-2:  до шести двухканальных или трех четырехканальных камер
‡  Диапазон рабочих температур, максимальная температура.
†† Потребление энергии Jetson TX2 в режиме Max-Q, входное напряжение ~5,5-19,6 В.

NVIDIA
Jetson TX1

NVIDIA
Jetson TX2

Процессор

ARM Cortex-A57 (четыре ядра) с тактовой частотой 1,73 ГГц

ARM Cortex-A57 (четыре ядра) с тактовой частотой более 2 ГГц
NVIDIA Denver2 (два ядра) с тактовой частотой 2 ГГц

GPU

256-ядерный GPU поколения Maxwell с тактовой частотой 998 МГц

256-ядерный GPU поколения Pascal с тактовой частотой 1300 МГц

Память

4 ГБ 64-битной памяти LPDDR4 с частотой 1600 МГц | пропускная способность 25,6 Гбит/с

8 ГБ 128-битной памяти LPDDR4 с частотой 1866 МГц | пропускная способность 58,3 Гбит/с

Флеш-память

Накопитель eMMC 5.1 объемом 16 ГБ

Накопитель eMMC 5.1 объемом 32 ГБ

Кодирование видео*

4Kp30, (2x) 1080p60

4Kp60, (3x) 4Kp30, (8x) 1080p30

Декодирование видео*

4Kp60, (4x) 1080p60

(2x) 4Kp60

Камера

12 каналов MIPI CSI-2 | пропускная способность 1,5 Гбит/с на канал | пропускная способность ISP 1,4 гигапикселя/с

12 каналов MIPI CSI-2 | пропускная способность 2,5 Гбит/с на канал | пропускная способность ISP 1,4 гигапикселя/с

Дисплей

2 разъема HDMI 2.0 / DP 1.2 / eDP 1.2 | 2 разъема MIPI DSI

Беспроводное подключение

802.11a/b/g/n/ac 2×2 MIMO, максимальная скорость 867 Мбит/с | Bluetooth 4.0

802.11a/b/g/n/ac 2×2 MIMO, максимальная скорость 867 Мбит/с | Bluetooth 4.1

Ethernet

Порты 10/100/1000 BASE-T Ethernet

USB

USB 3.0 + USB 2.0

PCIe

Gen 2 | 1×4 + 1 x1

Gen 2 | 1×4 + 1×1 или 2×1 + 1×2

CAN

Не поддерживается

Двойная шина CAN

Misc I/O

UART, SPI, I2C, I2S, GPIO

Сокет

Межплатный соединитель 400-pin Samtec, 50x87 мм

Температурный режим

от -25°C до 80°C

Энергопотреблени円

10 Вт

7,5 Вт

Цена

$299 за один модуль при покупке от 1000 единиц продукта

$399 за один модуль при покупке от 1000 единиц продукта

Двукратный прирост производительности и удвоенная энергоэффективность

В своей статье о JetPack 2.3 я показал, как библиотека NVIDIA TensorRT повысила производительность инференса для глубокого обучения на Jetson TX1, обеспечив 18-ти кратный рост энергоэффективности по сравнению с CPU для настольных систем. TensorRT оптимизирует нейронные сети для обеспечения максимальной производительности путем оптимизации графов, вычислений половинной точности с плавающей точкой (FP16) и автонастройки архитектуры нейронной сети. Помимо использования аппаратной поддержки операций FP16 на Jetson TX2, NVIDIA TensorRT способна одновременно обрабатывать несколько изображений пакетами, что приводит к значительному росту производительности.

Jetson TX2 и программный пакет JetPack 3.0 поднимают производительность и энергоэффективность платформы Jetson на совершенно новый уровень, позволяя пользователям добиться двукратного повышения энергоффективности или производительности в приложениях искусственного интеллекта по сравнению с Jetson TX1. Эта уникальная возможность делает Jetson TX2 идеальным выбором как для продуктов, требующих максимальной энергоэффективности, так и для приложений, которым необходима высочайшая производительность. Модуль Jetson TX2 полностью совместим с Jetson TX1 и позволяет с легкостью повысить производительность продуктов, разработанных с помощью Jetson TX1.

Чтобы протестировать производительность Jetson TX2 и JetPack 3.0, мы сравнили его с серверным CPU Intel Xeon E5-2690 v4 и измерили его эффективность в задачах инференса для глубокого обучения (число изображений в секунду) в нейросети GoogLeNet для распознавания изображений. Как видно из Рисунка 3, Jetson TX2, потребляющий менее 15 Вт энергии, превосходит по производительности CPU, который потребляет почти 200 Вт, обеспечивая производительность искусственного интеллекта в современных устройствах на уровне дата-центра.

jetsonimage3.png

MAX-Q И MAX-P

Модуль Jetson TX2 разработан для обеспечения максимальной эффективности с уровнем энергопотребления 7,5 Вт. Подобный уровень производительности в режиме Max-Q представляет собой пиковое соотношение производительности/эффективности. Каждый компонент модуля, включая блок питания, оптимизирован для обеспечения максимальной эффективности. В режиме Max-Q частота GPU ограничится 854 МГц, а Cortex-A57 работает на 1,2 ГГц.  BSP для L4T в составе JetPack 3.0 включает в себя запрограммированные конфигурации для настройки Jetson TX2 в режиме Max-Q. JetPack 3.0 также содержит новый инструмент, запускаемый из командной строки, под названием nvpmodel для переключения между режимами.

В то время как технология динамического управления напряжением и тактовой частотой (DVFS) позволяет SoC Tegra “Parker” регулировать тактовую частоту с учетом нагрузки и энергопотребления, конфигурация Max-Q устанавливает предел частоты, чтобы гарантировать, что приложение работает только в пределах рекомендованных значений эффективности. Таблица 2 отображает показатели производительности и энергоэффективности Jetson TX2 и Jetson TX1 при тестировании в нейросетях GoogLeNet и AlexNet. Производительность Jetson TX2 в режиме Max-Q близка к производительности Jetson TX1 на максимальной частоте, но потребляет при этом в два раза меньше энергии, что означает двукратный рост энергоэффективности.

Хотя большинство платформ с ограниченным бюджетом энергопотребления выиграют от режима Max-Q, для других платформ может оказаться предпочтительнее режим максимальной производительности на высоких частотах, несмотря на повышенное потребление энергии и снижение эергоэффективности. DVFS можно настроить для работы на определенной тактовой частоте, включая повышенные и пониженные значения. Рабочий режим Max-P обеспечит максимальную производительность системы при энергопотреблении менее 15 Вт. Частота GPU в Max-P составит 1122 МГц при разном сочетании частот у процессорных ядер: до 2 ГГц в случае работы одного кластера или по 1,4 ГГц при совместной работе всех ядер Cortex-A57 и Denver 2. Вы также можете самостоятельно настроить баланс пиковой эффективности и производительности для своего приложения. Таблица 2 демонстрирует повышение производительности при переходе из Max-Q в Max-P и максимальную частоту GPU при постепенном понижении энергоэффективности.

Таблица 2. Показатели энергопотребления нейросетей GoogLeNet и AlexNet в режиме max-Q и max-P на NVIDIA Jetson TX1 и Jetson TX2. Энергоэффективность во всех тестах оценивается числом изображений в секунду на Вт потребленной энергии.

NVIDIA
Jetson TX1

NVIDIA
Jetson TX2

Максимальная тактовая частота
(998 МГц)

Max-Q
(854 МГц)

max-P
(1122 МГц)

Максимальная тактовая частота
(1302 МГц)

GoogLeNet
пакет=2

Производительность

141 FPS

138 FPS

176 FPS

201 FPS

Энергопотребление (AP+DRAM)

9,14 Вт

4,8 Вт

7,1 Вт

10,1 Вт

Энергоэффективность

15,42

28,6

24,8

19,9

GoogLeNet
пакет=128

Производительность

204 FPS

196 FPS

253 FPS

290 FPS

Энергопотребление
(AP+DRAM)

11,7 Вт

5,9 Вт

8,9 Вт

12,8 Вт

Энергоэффективность

17,44

33,2

28,5

22,7

AlexNet
пакет=2

Производительность

164 FPS

178 FPS

222 FPS

250 FPS

Энергопотребление (AP+DRAM)

8,5 Вт

5,6 Вт

7,8 Вт

10,7 Вт

Энергоэффективность

19,3

32

28,3

23,3

AlexNet
пакет=128

Производительность

505 FPS

463 FPS

601 FPS

692 FPS

Энергопотребление (AP+DRAM)

11,3 Вт

5,6 Вт

8,6 Вт

12,4 Вт

Энергоэффективность

44,7

82,7

69,9

55,8

 

Jetson TX2 демонстрирует эффективность инференса в GoogLeNet до 33,2 изображений/сек/Вт, что почти в два раза эффективнее Jetson TX1 и почти в 20 раз эффективнее Intel Xeon.

 

Приложения на основе искусственного интеллекта

Неотъемлемой частью эффективности и производительности Jetson TX2 являются два потоковых мультипроцессора (SM) поколения Pascal со 128 ядрами каждый. Архитектура графических процессоров Pascal принесла с собой серьезный прирост производительности и оптимизацию энергопотребления. Модуль CPU Complex на борту TX2 включает в себя два процессорных ядра архитектуры NVIDIA Denver 2 с семистадийным суперскалярным конвейером, которые отвечают за поддержку динамической оптимизации кода, и четыре ядра с архитектурой ARM Cortex-A57, отвечающие за многопоточность.

Кэши второго уровня блоков Denver 2 и A57 имеют емкость по 2 МБ каждый и соединены между собой посредством высокопроизводительной коммутирующей матрицы, разработанной NVIDIA, чтобы позволить всем ядрам одновременно работать в гетерогенном режиме. Механизм согласования кэшей позволяет с легкостью переносить задачи, эффективно используя вычислительные ресурсы.

Jetson TX2 – идеальная платформа для разработки и развертывания приложений искусственного интеллекта для автономных машин. Она способна одновременно получать данные с нескольких источников, выполнять кодирование/декодирование мультимеда и управлять ими после обработки на GPU. На Рисунке 4 изображены традиционный алгоритм работы модуля с датчиками, подключенными по высокоскоростным интерфейсам, включая CSI, PCIe, USB3 и Gigabit Ethernet.  Этапы предварительной и постобработки CUDA обычно включают в себя преобразование цветовой модели и статистический анализ выводимых данных.

 

jetsonimage4.png

Рисунок 4: Алгоритм работы модуля, включая датчики, обработку данных и управление ими.

Благодаря удвоенному объему памяти и пропускной способности по сравнению с Jetson TX1, Jetson TX2 может захватывать и обрабатывать одновременно несколько дополнительных потоков данных, включая данные со стерео камер и в разрешении 4K ultra-HD. Алгоритмы глубокого обучения и компьютерного зрения объединяют данные с нескольких датчиков, повышая осведомленность об окружающей обстановке во время автономного маневрирования.

Начало работы с платформой для разработок Jetson TX2

Чтобы начать работу с алгоритмами глубокого обучения, NVIDIA предлагает платформу для разработок Jetson TX2, размещенную на референсной плате формата mini-ITX (170 мм x 170мм) и 5МП модулем камеры MIPI CSI-2. Платформа для разработок поставляется с набором документации, спецификациями конструкции и беспатными программными обновлениями для JetPack-L4T. На Рисунке 5 изображена сама платформа с модулем Jetson TX2 и стандартными разъемами, включая USB3, HDMI, RJ45 Gigabit Ethernet, слот для карты SD и PCIe x4, которые упрощают разработку приложений для Jetson.

jetsonimage5.png

Рисунок 5: Платформа для разработок NVIDIA Jetson TX2, состоящая из модуля, платы и модуля камеры.

Чтобы создать индивидуально настроенную платформу, вы можете изменить конфигурации интерфейсной платы, на которой размещается супервычислительный модуль и модуль камеры. Партнеры по экосистеме Jetson также предлагают готовые решения для развертывания модулей Jetson TX1 и Jetson TX2, включая платы разных размеров, корпусы и камеры. Форумы о встраиваемых системах NVIDIA для разработчиков предлагают техническую поддержку и возможности сотрудничества с сообществом сборщиков Jetson и инженеров NVIDIA. В Таблице 3 приведена основная документация и полезные материалы.

Таблица 3: Ссылки на важные материалы и ресурсы, где можно получить техническую поддержу по Jetson TX2.

Портал Встраиваемая платформа Jetson для разработчиков: developer.nvidia.com/embedded

Технические спецификации модуля Jetson TX2

Руководство по разработке продукта на Jetson TX2

Руководство по разработке системы охлаждения для Jetson TX2

Спецификации платы для плаформы разработок Jetson

Jetson TX2 Module Pinmux

Проектные данные платы для платформы Jetson

Руководство пользователя для фреймворка GStreamer на L4T

Проектные данные модуля камеры для Jetson

Форумы для разработчиков на Jetson TX2

Jetson TX2 Wiki – eLinux.org/Jetson_TX2

Платформа для разработок Jetson TX2 доступна для предзаказа по цене $599 в онлайн-магазине NVIDIA. Поставки в Северную Америку и Европу начнутся 14 марта, в другие регионы – немного позже. Студенты и преподаватели могут получить скидку на приобретение Jetson TX2 в $299. NVIDIA снизила цену на платформу для разработок Jetson TX1 до $499.

SDK JETPA

Новый SDK NVIDIA JetPack 3.0 дополняет Jetson TX2 ведущими в отрасли инструментами для разработки искусственного интеллекта и аппаратно ускоренными API (см. Таблицу 4), включая NVIDIA CUDA Toolkit версии 8.0, cuDNN, TensorRT, VisionWorks, GStreamer и OpenCV, построенные на базе ядра Linux v4.4, L4T R27.1 BSP и Ubuntu 16.04 LTS. Jetpack 3.0 содержит системный профилировщик и графический отладчик Tegra для интерактивного профилирования и отладки. Tegra Multimedia API содержит низкоуровневые интерфейсы кодеков для захвата видео и Video4Linux2 (V4L2). JetPack автоматически настраивает Jetson TX2, создавая полностью готовое к работе решение.

Таблица 4: Программное обеспечение в составке JetPack 3.0 и L4T BSP для Jetson TX2.

Программные компоненты NVIDIA JetPack 3.0

Ядро Linux версии 4.4

Ubuntu 16.04 LTS aarch64

CUDA Toolkit 8.0.56

cuDNN 5.1.10

TensorRT 1.0 GA

GStreamer 1.8.2

VisionWorks 1.6

OpenCV4Tegra 2.4.13-17

Системный профилировщик Tegra 3.7

Графический отладчик Tegra 2.3

Tegra Multimedia API

Интерфейсы видеокодека V4L2

Jetson – это высокопроизводительное страиваемое решение для равертывания фреймворков глубокого обучения, например, Caffe, Torch, Theano и TensorFlow. Эти и другие фреймворки глубокого обучения уже интегрированы в библиотеку NVIDIA cuDNN с ускорением на GPU и требуют минимальных усилий для развертывания на платформе Jetson. Jetson использует архитектуру программного и аппаратного обеспечения NVIDIA на ПК и в серверах, чтобы плавно масштабировать и развертывать приложения от облачных сред до оконечных устройств.

Two Days to a Demo

NVIDIA Two Days to a Demo – программа, призванная помочь любому желающему начать работу по развертыванию алгоритмов глубокого обучения. NVIDIA предоставляет примитивы компьютерного зрения, включая алгоритмы для распознавания и сегментации изображений, обнаружения и определения местоположения объекта, а также модели нейронных сетей, натренированные с помощью DIGITS. Вы можете развернуть эти модели сетей на Jetson, чтобы поработать с задачами инференса с помощью библиотеки NVIDIA TensorRT. Two Days to a Demo предлагает примеры потоковых приложений, которые помогут вам поэкспериментировать с интерактивными камерами и реальными данными, как показано на Рисунке 6.

jetsonimage6.png

Рисунок 6: Программа NVIDIA Two Days to a Demo знакомит с Jetson, предоставляя примитивы, которые можно адаптировать и настроить для конкретных приложений, используя DIGITS для обучения и TensorRT для задач инференса.

Код доступа к Two Days to a Demo можно найти на GitHub вместе с простыми пошаговыми рекомендациями по тестированию и обучению нейронных сетей и использованию примитивов комьютерного зрения в своих целях. Все руководства описывают принципы работы DIGITS, демонстрируя, как обучить модели нейросетей в облаке или на ПК, а потом развернуть их на Jetson для проведения инференса и дальнейшего сбора данных.

Используя заранее обученные сети и концепцию transfer learning, DIGITS упрощает адаптацию базовой нейронной сети под определенные цели. После того как архитектура сети доказала свою эффективность в определенном приложении, часто значительно проще использовать ее вновь, переориентировав или заново натренировав на новых объектах для других целей.

Как уже сообщалось в Parallel Forall , NVIDIA добавила в DIGITS 5 поддержку нейронных сетей для сегментации, и теперь это ПО доступно для разработчиков на Jetson TX2 и в рамках программы Two Days to a Demo. Примитив для сегментации использует сверточную архитектуру Alexnet (FCN-Alexnet) для классификации отдельных пикселей в поле обзора. Так как классификация проводится на уровне пикселей в отличие от распознавания изображений, где процесс осуществляется на уровне изображений, модели сегментации способны полноценно воспринимать и оценивать окружающую обстановку. Это помогает преодолеть серьезные сложности, с которыми столкнулись автономно маневрирующие роботы и дроны, которые теперь могут использовать методы сегментации, чтобы планировать маршруты и избегать препятствия.

Методы сегментации помогают наземному транспорту безопасно ориентироваться на местности, в то время как дроны получают возможность визуально идентифицировать и следить за горизонтом и другими летательными аппаратами, чтобы избежать столкновений. Способность воспринимать окружающую обстановку и избегать опасностей являются ключевыми факторами безопасного взаимодействия со средой для умных машин. Обработка данных в нейросети для сегментации с помощью TensorRT требует больших вычислительных возможностей, и возможность сделать это на борту Jetson TX2 чрезвычайно важна для обеспечения быстрого отклика, необходимого, чтобы избежать столкновений.

jetsonimage7.png

Рисунок 7: Модель искусственной нейросети на основе FCN-Alexnet, разработанная в рамках NVIDIA Two Days to a Demo и натренированная на аэрофотоснимках, помогает дрону идентифицировать горизонт и другие летательные объекты, чтобы избегать столкновений.

В рамках программы Two Days to a Demo предоставляется доступ к модели сегментации (Рисунок 7) на основе FCN-Alexnet, а также необходимый набор аэрофотоснимков, сделанных от первого лица. Подобная модель нейросети может оказаться полезным примером при разработке приложений для дронов и автономного маневрирования. Вы можете дополнить модель своими данными, чтобы сеть распознавала заданные вами объекты, например, посадочные площадки или промышленное оборудование. Затем вы сможете развернуть эту сеть на оснащенных Jetson дронах, как это сделали компании Teal и Aerialtronics.

Чтобы поощрить разработку дополнительных режимов автономного управления полетом, я загрузил на GitHub дополнительные модели нейросетей, инструменты и наборы данных. Начать работу с продвинутыми решениями на основе алгоритмов глубокого обучения как никогда просто с NVIDIA Jetson TX2 и Two Days to a Demo.

 

Экосистема Jetson

Модульный форм-фактор Jetson TX2 позволяет использовать его в разных режимах и сценариях. Открытый референсный дизайн платы, на которую устанавливается модуль Jetson TX2, является отправной точкой для любых модификаций с целью разработки индивидуального проекта. Существуют совсем небольшие платы, размер которых равен размеру самого модуля Jetson (50х87 мм), как видно из Рисунка 8. Вы можете собрать свою систему, воспользовавшись документацией и проектными данными, доступными на сайте NVIDIA, или купить готовое решение. В апреле NVIDIA начнет продажу модулей Jetson TX1 и TX2 по оптовой цене $299 и $399 соответственно при покупке от 1000 единиц и более.

jetsonimage8.png

Рисунок 8: Плата от ConnectTech Sprocket для компактной сборки Jetson TX2 и Jetson TX1, доступная по цене $99.

Партнеры по экосистеме Jetson, компании ConnectTech и Auvidea предлагают миниатюрные платы и корпусы, совместимые с Jetson TX1 и TX2 (см. Рисунок 8). Компании Leopard Imaging и Ridge Run выпускают камеры для Jetson и оказывают техническую поддержку в работе с мультимедийными данными. Компании Abaco Systems и Wolf Advanced Technology, специализирующиеся на придании оборудованию износоустойчивости и надежности, предлагают модификации, которые позволят работать в самых неблагоприятных условиях.

jetsonimage9.png

Рисунок 9: Сервер UTX1AS от USES Integrated Solutions и ConnectTech предлагает 24 сокета под Jetson в форм-факторе 1U с подключением к сети и пассивным охлаждением.

Но экосистема Jetson более обширна и включает в себя не только компактные платы и корпусы, предназначенные для использования в полевых условиях. Многоядерная архитектура Jetson TX2 и ее исключительные вычислительные возможности также заслужили внимания в области высокопроизводительных вычислений. В настоящее время на рынке доступны стоечные серверы высокой плотности в форм-факторе 1U с разъемами 10 Gigabit Ethernet и возможностью размещения в сервере до 24 модулей Jetson. На Рисунке 9 изображен именно такой сервер. Низкий уровень энергопотребления Jetson и пассивное охлаждение выгодны для легковесных масштабируемых задач в облаке, включая веб-серверы, обработку мультимедиа и распределенные вычисления. Приложения для анализа и транскодирования видео (часто используемые в тандеме с Jetsons на умных камерах и IoT-устройствах) выиграют от способности Jetson TX2 обрабатывать одновременно большое число потоков данных и поддержки необходимых кодеков.

Искусственный интеллект в современных устройствах

Непревзойденные вычислительные возможности Jetson TX2 позволяют реализовать на борту современных устройств нейронные сети и искусственный интеллект нового поколения. Jetson TX2 обеспечивает производительность на уровне сервера и высокую энергоэффективность, занимая площадь не больше поверхности вашей ладони. Производительность Jetson TX2 превосходит Intel Xeon в задачах глубокого обучения в 1,25 раз, а энергоэффективность модуля выше почти в 20 раз. Компактный размер модуля Jetson, его вычислительные возможности и программные инструменты JetPack для глубокого обучения позволяют разработчикам решать задачи 21 века при помощи искусственного интеллекта. Начните работу по развертыванию собственного искусственного интелекта с Jetson TX2 уже сегодня.  Оформите предзаказ до 14 марта или подайте онлайн заявку на получение скидки для учебных заведений. Подробнее читайте на портале Встраиваемая платформа Jetson для разработчиков.

jetsonimage10.png