Jetson Nano 人工智能计算

FLOPS是Floating-point Operations Per Second的缩写，代表每秒所执行的浮点运算次数。现在衡量计算能力的标准是TFLOPS（每秒万亿次浮点运算）

NVIDIA显卡算力表：https://developer.nvidia.com/cuda-gpus#compute

例如：以GTX680为例，单核一个时钟周期单精度计算次数为两次，处理核个数为1536，主频为1006MHZ，那他的计算能力的峰值P 为：P = 2 × 1536 × 1006MHZ = 3.09TFLOPS，1T为1兆，也就是说，GTX680每秒可以进行超过3兆次的单精度运算。

各种FLOPS的含义
MFLOPS (megaFLOPS)：每秒一百万 (=10^6) 次的浮点运算

GFLOPS (gigaFLOPS) ：每秒十亿 (=10^9) 次的浮点运算

TFLOPS (teraFLOPS) ：每秒一万亿 (=10^12) 次的浮点运算

PFLOPS (petaFLOPS) ：每秒一千万亿 (=10^15) 次的浮点运算

补充：
算力单位

TOPS（Tera Operations Per Second）：1TOPS代表处理器每秒钟可进行一万亿次（10^12）操作。

GOPS（Giga Operations Per Second）：1GOPS代表处理器每秒钟可进行一亿次（10^9）操作。

MOPS（Million Operation Per Second）：1MOPS代表处理器每秒钟可进行一百万次（10^6）操作。

在某些情况下，还使用 TOPS/W 来作为评价处理器运算能力的一个性能指标，TOPS/W 用于度量在1W功耗的情况下，处理器能进行多少万亿次操作。

2、LPDDR RAM是“低功耗双倍数据速率内存”的缩写，与桌面平台的DDR4内存相比，面向移动平台的LPDDR4，其能够在带来等效的性能(速度)的同时，兼顾更少的能源消耗。

说到节能，最简单的就是降低运行电压了。LPDDR3的电压为1.2V，但是LPDDR4已经进一步降低到了1.1V。此外，新标准还改进了低频节能模式，因此设备可以在执行简单的后台任务的同时，将始终速度降下来，以便进一步节能电能。

[图]关于LPDDR4内存：你需要知道的几件事 - 硬件 - cnBeta.COM

3、eMMC就是一个存储芯片，就像SD卡一样，用于存取数据。从普通开发者角度看，只要遵循eMMC协议，就可以对eMMC芯片进行读写操作。（拓展：SD卡、UFS芯片、eMMC芯片、U盘都是类似的功能，从使用角度看，只是接口不同、通信协议不同，本教程只涉及目前最新的eMMC芯片，遵循eMMC5.1协议。）eMMC ，即：Embedded Multi Media Card 的缩写。由一个嵌入式存储解决方案组成，带有MMC接口、快闪存储器设备及主控制器。所有都在一个小型的BGA 封装。接口速度最高可达每秒400MBytes，其接口电压可以是1.8V或者是3.3V。

eMMC ，即：Embedded Multi Media Card 的缩写。由一个嵌入式存储解决方案组成，带有MMC接口、快闪存储器设备及主控制器。所有都在一个小型的BGA 封装。接口速度最高可达每秒400MBytes，其接口电压可以是1.8V或者是3.3V。

eMMC5.1入门教程【1】eMMC简介与协议概览_mm13420109325的博客-CSDN博客

4、高效视频编码（HEVC），也称为H.265，可以通过蓝光最佳视频压缩方法实现两倍的压缩。

5、CUDA（Compute Unified Device Architecture），是显卡厂商NVIDIA推出的运算平台。 CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。它包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎。开发人员可以使用C语言来为CUDA™架构编写程序，C语言是应用最广泛的一种高级编程语言。所编写出的程序可以在支持CUDA™的处理器上以超高性能运行。CUDA3.0已经开始支持C++和FORTRAN。

CUDA_百度百科

6、

什么是TensorRT
一般的深度学习项目，训练时为了加快速度，会使用多 GPU 分布式训练。但在部署推理时，为了降低成本，往往使用单个 GPU 机器甚至嵌入式平台（比如 NVIDIA Jetson）进行部署，部署端也要有与训练时相同的深度学习环境，如 caffe，TensorFlow 等。由于训练的网络模型可能会很大（比如，inception，resnet 等），参数很多，而且部署端的机器性能存在差异，就会导致推理速度慢，延迟高。这对于那些高实时性的应用场合是致命的，比如自动驾驶要求实时目标检测，目标追踪等。所以为了提高部署推理的速度，出现了很多轻量级神经网络，比如 squeezenet，mobilenet，shufflenet 等。基本做法都是基于现有的经典模型提出一种新的模型结构，然后用这些改造过的模型重新训练，再重新部署。

而 TensorRT 则是对训练好的模型进行优化。 TensorRT 就只是推理优化器。当你的网络训练完之后，可以将训练模型文件直接丢进 TensorRT中，而不再需要依赖深度学习框架（Caffe，TensorFlow 等），如下：

可以认为 TensorRT 是一个只有前向传播的深度学习框架，这个框架可以将 Caffe，TensorFlow 的网络模型解析，然后与 TensorRT 中对应的层进行一一映射，把其他框架的模型统一全部转换到 TensorRT 中，然后在 TensorRT 中可以针对 NVIDIA 自家 GPU 实施优化策略，并进行部署加速。

Jetson Nano 人工智能计算相关推荐

【持续更新】Jetson Nano 人工智能机器人开发实战案例——RosmasterX3A1
1.Jetson简介 Jetson Nano是Nvidia在Jetson XAVIER NX/TX2 NX获得成功后于2019年3月上市的低配版GPU运算平台. 图 1-1 1.1参数官方公布参数 ...
jetson nano开电源_微雪电子NVIDIA Jetson Nano人工智能开发套件AI板介绍
英伟达JetsonNanoDeveloperKit摄像头 7寸触摸屏.IMA219摄像头.64G内存卡.电源等,到手即用. 型号JetsonNanoDeveloperKit 产品简介[自我介绍] 我是 ...
基于PP-ShiTu的零售商品结算系统设计与在Jetson Nano上部署推理使用
文章目录第一章作品概述 1.1 团队介绍 1.2 背景 1.3 简介 1.4 创新点与问题 1.5 发展前景 1.6 技术路线第2章技术方案 2.1 主体检测 2.2 特征提取 2.3 向量检 ...
linux的系统监视器图片_用Nvidia Jetson Nano 2GB和Python构建一个价值60美元的人脸识别系统 - 人工智能遇见磐创...
作者|Adam Geitgey 编译|Flin 来源|medium 新的Nvidia Jetson Nano 2GB开发板(今天宣布!)是一款单板机,售价59美元,运行带有GPU加速的人工智能软件. ...
AI人工智能＞ Nvidia英伟达＞ Jetson Nano模组尺寸
最近在设计机器人小车底盘,需要搜集主流人工智能控制板的尺寸,找了好久没有找到Jetson Nano板子的,只有通过去3D网站下载现成的3D模型,然后在转换成dxf导出尺寸,下面是我设计的小车底盘,还只 ...
Jetson Nano 从入门到实战（转载）（案例：Opencv配置、人脸检测、二维码检测）
目录 1. Jetson Nano简介 2. Jetson Nano环境配置 2.1 开箱配件介绍 2.2 烧录系统 2.3 开机和基本设置 2.4 开发环境配置 2.4.1 更新源和软件 2.4.2 ...
Jetson Nano 从入门到实战（案例：Opencv配置、人脸检测、二维码检测）
目录 1. Jetson Nano简介 2. Jetson Nano环境配置 2.1 开箱配件介绍 2.2 烧录系统 2.3 开机和基本设置 2.4 开发环境配置 2.4.1 更新源和软件 2.4.2 ...
jetson nano开发使用的基础详细分享
前言: 最近拿到一块jetson nano 2GB版本的板子,折腾了一下,从烧录镜像.修改配件等,准备一篇开箱基础文章给大家介绍一下这块AI开发板. 作者:良知犹存转载授权以及围观:欢迎关注微信公众 ...
英伟达 Nano 新手必读：Jetson Nano 深度学习算法模型基准性能测评
NVIDIA在2019年NVIDIA GPU技术会议(GTC)上宣布了Jetson纳米开发工具包,这是一款99美元的计算机,目前可供嵌入式设计师.研究人员和DIY制造商使用,在一个紧凑.易用的平台上, ...

Jetson Nano 人工智能计算

Jetson Nano 人工智能计算相关推荐

最新文章

热门文章