9.2 TOTAL SCORE

jetson orin nano developer kit

SBC
0 Out of 5

Based on 0 Users

Performanse 10
Softverska podrška 10
Periferije i IO 9
Kvalitet izrade 10
Cena 7
PROS
  • AI performanse najbolje u klasi
  • Mala potrošnja energije
  • Laka instalacija i pokretanje
CONS
  • Nema hardverskog NVENC video enkodera
  • U nekim scenarijima ograničen takt procesora može biti ograničavajući
Bottomline

NVIDIA Jetson Orin Nano je posebno uzbudljiv – nudi neverovatne nivoe AI performansi po razumnoj ceni. Odličan hardver, odličan softver i prekrasan dizajn uredno čine ovaj paket. Iako je skuplji od većine drugih SBC-ova, trebalo bi da bude glavni uređaj na stolu bilo kog AI programera.

Koje je vaše mišljenje o ovom proizvodu?
0 (0)

 

NVIDIA Jetson serija modula je uvek donosila uzbudljivu količinu procesorske snage za prenosne i edge AI aplikacije – što je i njihov projektovan način upotrebe. Jetson linija uključuje nekoliko razvojnih kompleta: modulima na referentnim nosećim pločama u formatu sličnom SBC računarima. Radi jednostavnosti, ove ploče ćemo čak i nazvati „SBC-ovima“ u ostatku ovog prikaza. Hajde da se ne zadržavamo predugo na semantici – ako izgleda kao patka i kvače kao patka, verovatno je patka.

SBC koji danas razmatramo je novi Jetson Orin Nano Developer Kit kompanije NVIDIA, koji je najavljen ovog marta na NVIDIA GTC 2023 događaju. Modul na kome se zasniva postoji nešto duže, ali je tek sada ušao u SBC format. Dizajniran za brzu izradu prototipa, objedinjuje moćan skup AI hardvera i softvera.

Dok se neki Jetson kompleti prodaju po ceni do 1999 dolara, kao što je moćni AGX Orin Developer Kit, novi Orin Nano komplet se prodaje za mnogo pristupačnijih 499 dolara, što ga čini dostupnim programerima i ozbiljnijim hobistima. Prethodna generacija Jetson Nano Developer Kit-a (uporedićemo ih u kasnijem odeljku) je počinjala prodaju sa 149 dolara, što ga čini izuzetno popularnim u obrazovnim i mejkerskim zajednicama (postojala je i, nažalost ukinuta, osnovnija verzija starijeg Nano modela koja se prodavala za samo 59 dolara).

Ovo čini novi Jetson Orin Nano prilično skupljim od svog prethodnika, ali prema najnovijoj tabeli porodice Jetson kompanije NVIDIA, on zapravo i nije namenjen da zameni Nano od 99 dolara, već da premosti jaz između njega i AGX Orin-a. To ima mnogo smisla; razlika u performansama između dva Nano-a je mnogo veća nego što bi se očekivalo od generacijske nadogradnje.

Dakle, pomalo zbunjujuće, sada na tržištu postoje dva Jetson Nano razvojna kompleta koji popunjavaju različite niše. Zabavno je da je to već izazvalo određenu zabunu na Jetson forumima.

Pre nego što krenemo dalje, želimo da se zahvalimo kompaniji NVIDIA koja nam je besplatno obezbedila Jetson Orin Nano ploču za potrebe recenzije. NVIDIA nam je takođe obezbedila i pre-release softver. On je imao nekoliko grešaka, ali su sve popravljene u JetPack 5.1.1 paketu, prvom izdanju proizvodog softvera.

Specifikacije

Specifikacija Jetson Orin Nano modula
CPU6-core Arm Cortex-A78AE v8.2 64-bit CPU at 1.5 GHz
GPUNVIDIA Ampere arhitektura sa 1024 CUDA jezgara i 32 Tensor jezgra
RAM8 GB 128-bit LPDDR5
DrajvoviEksterna microSD ili NVMe
PotrošnjaKonfigurabilno 7 W do 15 W

Hajde da prvo pogledamo Orin Nano modul. Poseduje 6-jezgarni Arm Cortex-A78AE CPU i ozbiljan GPU zasnovan na relativno novoj Ampere arhitekturi sa 1028 CUDA jezgara i 32 Tensor jezgra treće generacije. Ovo ga čini računski najmoćnijim SoC-om koji smo do sada videli na embedded sistemu, pružajući neuporedive performanse po ceni. Neki oštrooki čitaoci su možda primetili sufiks „AE“. Ovo označava posebnu arhitekturu jezgra pogodnu za kritične zadatke, nudeći jedinstvene režime izvršavanja koji mogu da postignu SIL 3 bezbednost za upotrebu u ključnim industrijskim aplikacijama. Zanimljivo je da je Tegra Orin serija čipova prva SoC linija koja koristi ovo jezgro – današnji modul je ovde zaista na čelu tehnologije.
Ugrađeno je i 8 GB LPDDR5 RAM, koju dele CPU i GPU, nudeći protok od 68 GB/s. Ova memorija nije brza kao GDDR5 ili HBM2 RAM koji se često koristi u diskretnim grafičkim karticama, ali to ne bi trebalo da predstavlja usko grlo.

Konačno, kao i na svim Jetson Nano modulima namenjenim za razvoj, a ne proizvodnju, prisutan je slot za SD karticu. Zanimljivo je da se ne nalazi na nosećoj ploči, već direktno na modulu, verovatno da bi bolje emulirao ugrađeni flash u proizvodnim modelima.

Specifikacija noseće ploče

Noseća ploča je puna funkcija, uz izuzetno bogat izbor portova. Dva MIPI CSI-2 konektora za kamere se nalaze duž desne strane ploče (u redu, dobro, desne kada je ploča orijentisana sa nalepnicom sa serijskim brojem okrenutom ka korisniku, što zauzvrat prikazuje oznake komponenti naopako; ovo je način na koji je sistem nacrtan i na grafici na kutiji, tako da zaista ne znamo „zvanični“ stav). Četiri USB 3.2 Gen2 porta se nalaze na vrhu, kao i 1 Gbps Ethernet port, jedan DisplayPort 1.2 port (sa MST-om, što znači da je više ekrana podržano sa jednog porta), jedan 19 V DC priključak za napajanje i jedan USB-C konektor za flešovanje i otklanjanje grešaka.

Specifikacija noseće ploče
Konektori kamera2 x MIPI CSI-2 22-pina
M.2 slotovi2 x M.2 Key M

1 x M.2 Key E

USB4 x USB 3.2 Gen2 Type A

1 x USB C for debug and flashing

Network1 x Gigabit Ethernet connector
Video izlaz1 x DisplayPort 1.2 (+MST)
Other40-pin Pi-compatible GPIO header

12-pin button header

4-pin fan header

DC power jack

Dimensions100 mm x 79 mm x 21 mm

Svaki USB 3.2 Gen2 port nudi brzinu prenosa do 10 Gbps, što daje veoma respektabilnu količinu USB protoka na SBC-u. Eternet port je možda mogao biti 2,5 Gbps, ali ne možemo se previše žaliti na gigabitnu brzinu. Zanimljivo je da nema HDMI izlaza kao na originalnom Jetson Nano-u, što možda navede na posetu prodavnici. DP-to-HDMI adapteri su relativno jeftini i jednostavni za pronalaženje, tako da uopšte ne bi trebalo da nabavka predstavlja veliku muku.

Na levoj strani ploče nalazi se Pi-kompatibilni GPIO češalj. Iako su pin-to-pin kompatibilni sa Raspberry Pi, HAT-ovi za ovaj drugi neće moći stati na Nano iz prilično očiglednih fizičkih razloga: SoC hladnjak blokira prostor.

 

Okretanje ploče otkriva još tri važna konektora: dva M.2 Key M slota (jedan od njih je PCIe x4 slot, a drugi PCIe x2) i jedan M.2 Key E slot. Key E slot je unapred popunjen karticom za bežično povezivanje, a Key M slotovi oba prihvataju NVMe SSD, što je sjajno (imajući na umu da samo PCIe x4 M.2 slot prihvata diskove pune veličine zbog prostornih ograničenja).
Postoje i dve PCB antene koje su uredno smeštene – više o ovome kasnije.

Takođe je vredno pomenuti prisutni 12-pin header: dodatni set pinova za povezivanje tastera za napajanje i resetovanje, kao i 4-pin konektor na ploči za napajanje ugrađenog ventilatora.
Konačno, noseća ploča podržava Jetson Orin NX module, što je lep bonus za korisnike koji žele da pređu na moćniji sistem u budućnosti ili koji rade sa više Orin modela istovremeno.

Izgled i osećaj hardvera

Jetson Orin Nano je jedan od najispoliranijih SBC-a koje smo ikada testirali. Ponavljamo s vremena na vreme da izgled zaista stoji na poslednjem mestu kada je ovakva tehnologija u pitanju, ali moramo reći da smo impresionirani. Postoji mali plastični „okvir“ u kojem se nalazi sama ploča. Ovo podiže ploču sa tla i štiti sve diskove i eksterne kartice za proširenje postavljene sa donje strane od prevlačenja po površini stola. Ovaj okvir drži gorepomenute dve PCB antene, a prilično smo sigurni da je to i bila originalna motivacija za njegovo kreiranje. NVIDIA je odlučila da koristi gotovo bežično rešenje umesto da ga ugrađuje u noseću ploču ili modul, što je više nego adekvatno, posebno kada pametno pakovanje uspe da izbegne nerede sa antenskim kablovima (koji najčešće muče SBC-ove kada pokušaju da izbegnu ovakvo rešenje).

Termalne performanse su odlične. Metalni hladnjak savršeno radi svoj posao, a ventilator je izuzetno tih (ozbiljno, impresivan je – jedva da čujete kako se okreće kada stavite uho pored njega).

Sve ovo nam uliva poverenje da preporučimo da Orin Nano držimo podalje od bilo kakvih potencijalnih kućišta drugih proizvođača (mada je to nešto što generalno preporučujemo pošto ne volimo da nam SBC-ovi budu izloženi površini na kojoj stoje bez ikakve zaštite). Kvalitet izrade ovde je zaista iznad onoga što inače očekujemo; novi Jetson je spreman za postavljanje direktno na vaš radni sto.

Jetson Orin Nano AI performanse

Prema kompaniji NVIDIA, Jetson Orin Nano može da postigne do 40 INT8 TOPS, u poređenju sa 0,472 FP16 TOPS koji je davao prethodni Jetson Nano. NVIDIA zato tvrdi da su performanse povećane 80 puta, što se čini uslovno korektnim. Imajte na umu da poredimo performanse FP16 na starijem Nano-u sa INT8 performansama na novoj platformi, pošto prethodna generacija Nano nije imala hardversku INT8 podršku (zbog nedostatka tenzorskih jezgara), tako da ova dva broja možda neće biti direktno uporedivi u svim situacijama.
Takođe postoji 5,4x povećanje CUDA performansi (sa 0,236 na 1,28 TFLOPS) i povećanje performansi procesora od 6,6x u odnosu na originalni Nano. Ovo je očekivano, posebno kada se uporede specifikacije: stariji Nano ima samo četiri A57 CPU jezgra, pola količine RAM-a i samo 128 CUDA jezgara.

Uskoro ćemo detaljnije uporediti ova dva uređaja, ali hajde da se prvo fokusiramo na AI performanse Jetson Orin Nano-a. Važno je napomenuti da se sve ovo uklapa u energetski okvir od 15 W, što novi Orin Nano čini izuzetno efikasnim u celosti.

Uz sva očekivana poboljšanja performansipočinjemo sa testiranjem! Odlučili smo da instaliramo SSD Kingston NV1 serije od 256 GB na dno Jetson Nano-a i da premestimo sistemske datoteke sa SD kartice na njega kako bismo izbegli potencijalnu degradaciju performansi uzrokovanu nižim brzinama čitanja fajlova sa kartice.

Prvo smo pokrenuli skup AI referentnih modela, koji su svi dali impresivne rezultate. Pokrenuli smo ih i na originalnom Jetson Nano-u i dobili smo sledeće brojke:

Ovde je došlo do ogromnog povećanja performansi, što zaista pokazuje koliko je novi sistem moćniji.

Uz jedinicu smo dobili neke referentne brojeve za ove testove i sa zadovoljstvom možemo reći da je naš sistem uspeo da ih nadmaši sve, osim u Action Recognition 2D benčmarku. Nekako, svaki put kada smo izvodili ovaj test, naš Jetson Orin Nano je prijavljivao “system throttled due to over-current.”. Ova poruka se pojavljuje kada sistem dostigne maksimalnu dozvoljenu potrošnju energije – što ovde ima smisla, s obzirom na to da su ovi testovi dizajnirani da iskoriste snagu modula i iscede do poslednje kapi performanse koje on može da postigne.

Orin Nano takođe može da pokreće Transformer AI modele (oni su osnova generativne veštačke inteligencije; ovde razmišljajte o ChatGPT ili DALL-E), pa smo testirali rad NVIDIA PeopleNet Transformer modela za otkrivanje, identifikaciju i praćenje ljudi u vizuelnim tokovima. Ovaj model je prilično zahtevan i potrebna je velika količina računarske snage da bi se samo i pokrenuo, a kamoli da se dobije upotrebljiva brzina rada. Orin Nano je ipak precizno identifikovao subjekte u uzorku ulaznog video zapisa. Na našem Orin Nano-u, radio je na oko 7,8 FPS, što je upravo i očekivano s obzirom na teorijske performanse sistema. Moćniji sistemi, kao što je AGX Orin, ovde mogu da dobiju i do 30 FPS, što se približava realnom vremenu za neke video snimke, ali takve performanse nisu uvek i potrebne.

Jetson Orin Nano opšte performanse

Iako je veštačka inteligencija oblast gde zaista blista, Jetson Orin Nano takođe ne zaostaje ni u opštim performansama. Šest moćnih A78AE jezgara ovde zaista pokazuju svoju snagu. Rade na 1,5 GHz, te imaju niži takt od većine drugih SBC CPU jezgara visokih performansi. Međutim, novija tehnologija jezgra koja se koristi (A78AE je najbolje ARM industrijsko jezgro visokih performansi) pomaže da se smanji – pa čak i potpuno prevaziđe ova razlika u taktu, omogućavajući Orin Nano-u da nadmaši čipove sa višim taktom u mnogim testovima.
Kao i obično, testiramo performanse koristeći naš standardni skup benčmark testova za koje smatramo da pokrivaju sve glavne aspekte performansi čipa.

Imajte na umu da nijedan benčmark nije istinski nezavisan od platformi ili imun na uticaje softvera. Mnoge stvari mogu poći naopako i iskriviti rezultate. Zbog toga predlažemo korišćenje sintetičkih benčmarka kao opštih indikatora brzine i sposobnosti sistema, a ne apsolutnih vrednosti.

Počevši od Geekbench-a 5.4.0, dobijamo dobrih 538 poena za single-core performanse i izvanrednih 2866 za multi-core performanse, dajući nam najbolji višejezgarni Geekbench rezultat koji smo do sad videli na SBC-u. Geekbench je visoko referentno merilo, koje koristi savremeni hardver u svom najpunijem potencijalu.

Nastavljamo sa Sysbench CPU, testom koji se više oslanja na brzinu takta. Vidimo da se A78AE jezgra sa nižim taktom bore da održe korak sa starijim jezgrima, ali sa višim taktom koje poseduje RK3588, dajući rezultat koji je malo slabiji.

ARM-ov kriptografski akcelerator je donekle nestandardan u načinu na koji deli svoj takt sa jezgrom CPU-a. Zanimljivo je da je njegov dizajn ostao dosledan unazad sve do A72 jezgara, što znači da bi A72 jezgro sa višim taktom nadmašilo A78AE sa nižim taktom (ili obično A78 jezgro).

Kada posmatramo kriptografske performanse, možemo videti jasne znake da je kriptografski akcelerator prisutan na ploči, ali takođe možemo videti efekte nižefrekvencije čipa. Jetson Orin Nano razmenjuje udarce sa pločama zasnovanim na RK3399. Opet, ovo nije znak slabosti – svako ARM jezgro više klase sa taktom od oko 1,5 GHz radiće otprilike isto kao i Orin Nano.

Performanse RAM memorije su generalno veoma dobre. Testirane sa tinymembench-om, RAM je dao prilično respektabilne rezultate. Ovaj benchmark testira brzine RAM-a koje se čitaju iz ARM jezgra, tako da brzina procesora ovde igra ulogu u rezultatima.

LPDDR5 je redak prizor na SBC-ovima, ali svakako dobrodošao – iako ovde nije poteran do svojih teoretskih granica. Znamo da LPDDR5 RAM omogućava prenos podataka većim brzinama i sa manje latencije, posebno kada mu pristupa GPU.

Unixbench je pokazao odlične rezultate. Dok se Unixbench u velikoj meri oslanja na procesorski takta zbog upotrebe prilično jednostavnih ponovljenih operacija, Jetson Orin Nano je uspeo da se ušunja nekoliko vrhunskih rezultata u određenim testovima.

U našim „legatnim“ i grafičkim testovima, dobili smo mnoštvo rezultata na vrhu liste, uključujući novi najbolji Octane 2.0 rezultat. Svi ovi testovi su u velikoj meri zavisni od softvera, pri čemu se Octane i Bmark oslanjaju na podršku za GPU samih internet pretraživača (koja obično nije sjajna), a glmark2 i glxgears se oslanjaju na komplikovanu biblioteku i backend drajvere. Za pokretanje ovih testova koristili smo OpenCV 4.5.0 sa CUDA-om, kojeg smo kompajlirali na sistemu (činjenica da smo uspeli da kompajliramo OpenCV lokalno je još jedan dokaz sirove snage Orin-a, jer je to zahtevan proces za bilo koji sistem, a Orin se sa njime izborio šampionski).

Postoji razlog zašto smo povukli sve ove testove iz naše glavne svite – i njihove rezultate treba tretirati kao čisto anegdotalne. Ipak, nekako, njihovi rezultati su čudno povezani sa performansama operativnih sistema u stvarnom svetu (možda upravo zbog njihove zavisnosti od drugog softvera i podešavanja sistema).

Konačno, testirali smo brzinu čitanja SSD-a pomoću hdparm-a, koji je vratio još jednu prvu poziciju na top-listi sa 1422,11 Mbps. Impresivno! Jetson ima M.2 slotove pune brzine, što nije slučaj sa mnogim SBC-ovima na tržištu danas.

Dok Jetson Orin Nano radi odlično i pruža neverovatnu količinu performansi, postoji jedan primetan propust: nema NVENC hardverskih video enkodera na ploči! Ovo izgleda kao čudan previd pošto ih je prethodni Jetson Nano imao. Kada smo pitali kompaniju NVIDIA o tome, oni su prokomentarisali: „Videli smo da mnoge aplikativne primene ne koriste enkoder, pa smo napravili neke arhitektonske kompromise za Orin Nano da bismo Orin arhitekturu i više računarske snage doneli u aplikacije u nižem cenovnom rangu. Mi ovde pružamo softversko enkodovanje preko CPU jezgara. Sa CPU jezgrima možete podržati do 3 video toka 1080P30 koristeći softversko enkodovanje“.

Ovo je fer komentar – posebno ako je posledica ovog isključenja značajno smanjenje troškova proizvodnje. Čini se da su usled toga performanse video kodiranja novog Nano-a samo malo gore od onoga što originalni Nano može da ponudi. Sa dodatnom CPU snagom, osećamo da većina projekata neće imati previše problema. Ipak, bilo bi lepo da je tehnologija prisutna za onih nekoliko projekata koji je i koriste.

Konačno, jasno je da većina sirovih gubitaka performansi potiče od nižeg osnovnog procesorskog takta. Da su moćna A78AE jezgra radila na oko 2,4 GHz, sigurni smo da ne bi postojao nijedan test u kome bi pobedio bilo koji drugi SBC koji smo do sada testirali. Iako deo razloga za niži radni takt procesora verovatno potiče iz segmentacije tržišta, mi zaista verujemo da je konačna odluka vođena potrošnjom energije. Ceo sistem koristi samo 15 W (a može se i konfigurisati i sa nižom granicom od 7 W), a efikasnost je od suštinskog značaja za edge sisteme. Procesori generalno nude bolje performanse po vatu pri nižim brzinama takta, što dodatno pomaže u postizanju nesumnjivo odličnih performansi uz zadržavanje niske potrošnje energije.

Softverska podrška

NVIDIA je uradila neverovatan posao sa softverskom podrškom, donoseći kompletan paket softvera za veštačku inteligenciju u Jetson. Ovo je isti softver koji pokreće sav NVIDIA računarski hardver. Jetson se neprimetno integriše sa Omniverse Replicator, TAO, Isaac Sim i svim njihovim pratećim SDK-ovima i softverom.

Ideja je jednostavna: iako možete da koristite Jetson Orin Nano kao samostalnu platformu, on blista kada se koristi u kombinaciji sa moćnijom mašinom koja pokreće kompletan set NVIDIA alata za kreiranje, obuku i upravljanje modelima, a zatim pokretanje modela na samom Jetson-u.

NVIDIA nam je obezbedila demonstracioni TAO workflow koji koristi Isaac Sim za generisanje veštačkih podataka za obuku. Takođe nam je obezbeđena instanca u oblaku za pokretanje ovog workflow-a, jer zahteva ozbiljnu računarsku snagu za treniranje modela.

Iskreno smo bili impresionirani lakoćom korišćenja ovih alata. Na GTC 2023, NVIDIA je predstavila novu TAO verziju koja je dodatno pojednostavila svaki deo obuke modela. Dok smo prolazili kroz Jupyter notebook, brzo smo uspeli da preuzmemo unapred natreniran model, pokrenemo ga i primetimo probleme sa originalnim skupom podataka (nije pokrivao sve potrebne uglove kamere).

Stoga smo pokrenuli Isaac Sim da bismo generisali sintetičke podatke i dodatno obučili model za preciznije otkrivanje ljudi (na kraju krajeva, model sa kojim radimo treba da pomogne autonomnim robotima da izbegnu sudare sa nogama ljudi, tako da je tačnost ovde ključna)!

Nakon što smo generisali podatke i obučili model njima (a bili smo impresionirani koliko je to jednostavno da se uradi – TAO u suštini radi bez potrebe za kodom, a same komande su prilično jednostavne), imali smo mnogo precizniji model koji je detektovao noge ljudi stvarno dobro (ura!).

Nakon validacije performansi, izvezli smo obučeni model i stavili ga na Jetson Orin Nano da ga pokrenemo. I sve je prošlo odlično! Dobili smo performanse u realnom vremenu pri 30 FPS na modelu sa retkim padovima broja frejmova. Bilo je impresivno – Jetson je zaista dokazao koliko je dobro integrisan sa NVIDIA-inim sveobuhvatnim AI alatima.

Za one koji žele potpuno samostalno iskustvo, Jetson Orin Nano je i potpuno opremljena AI radna stanica. TensorRT, Pytorch, TensorFlow i mnogi drugi projekti se mogu kreirati direktno na uređaju, uz hardversko ubrzanje omogućeno odličnim dostupnim SDK-ovima.
Isti softver se takođe koristi u svim Orin modulima, što znači da su kod i projekti prenosivi, što dodatno ubrzava izradu prototipa.

Jetson Orin Nano vs. Jetson Nano

Dva Nano-a su slična samo po imenu. Kao što je ranije rečeno, ova dva ne bi trebalo direktno porediti, jer su namenjena veoma različitim tržištima. Jetson Nano ostaje AI platforma početnog nivoa od 149 dolara za obrazovanje i mejkere, dok je Jetson Orin Nano u klasi iznad, budući da je bliži po performansama starijim, ali bržim sistemima zasnovanim na Jetson TX2 i Xavier NX, namenjenim za ozbiljnije projekte i industrijsku implementaciju.

Originalni Jetson Nano ima Tegra X1 SoC sa 4 Cortex A57 jezgra takta 1,47 GHz, 128 Maxwell GPU jezgara i 4 GB LPDDR4 RAM-a. On je stoga dosta manje moćan od svog novijeg brata. Samo upoređivanje specifikacija sa obe strane pokazuje koliko je tehnologija napredovala u poslednjih nekoliko godina.

Razlike u performansama su takođe „dan i noć“. Pokrenuli smo NVIDIA-in AI benchmarking paket i na starijem Jetson Nano-u, kao i neke testove iz naših redovnih selekcija benchmark-a, i otkrili velike razlike.

Počevši od Geekbench-a 5, možemo videti skoro petostruko povećanje performansi.

Sysbench CPU prijavljuje nešto manje dramatične rezultate – Orin Nano dobija „samo“ duplo veći rezultat (pošto se razlike između starih Nano A57 i A78AE jezgara pokazuju mnogo više u testovima koji bolje koriste nove mogućnosti modernijih jezgara).

Pošto su jezgra prilično stara (A57 je prethodnik A72 jezgara), kripto akcelerator A57 je mnogo sporiji, pa to dovodi do primetno lošijih OpenSSL performansi.

To što ima sporiju memoriju znatno nižeg propusnog opsega svakako ometa performanse originalnog Nano-a; Tinymembench rezultati odlično ilustruju razlike u performansama.

Konačno, pokrenuli smo glmark2, što nam je dalo neke zanimljive rezultate. Mnogo toga zavisi od softvera, ali neke razlike u performansama generalno postoje. glmark2 poznato „krade“ poene pri većim rezultatima, tako da je veća razlika primetna kada se test izvodi u rezoluciji od 4K, a ne u matičnoj rezoluciji od 800 x 600. Ova tri rezultata nisu direktan pokazatelj najboljih mogućih grafičkih performansi koje se mogu dobiti od bilo kog sistema, ali je Orin Nano ipak uspeo da skoro udvostruči rezultat svog prethodnika u svom najboljem izdanju.

Međutim, originalni Jetson Nano još uvek ima nekoliko trikova u rukavu. Za početak je znatno jeftiniji, što ga čini mnogo dostupnijim onima koji samo isprobavaju vode veštačke inteligencije. Takođe troši manje energije, koristeći 7 W, što se može spustiti i na samo 3 W u posebnim režimima. Za edge projekte sa fokusom na dugo trajanje baterija, ovo bi moglo biti odlučujući faktor – iako novi Orin Nano nudi mnogo bolje performanse – po vatu.
Konačno, prisustvo NVENC enkodera koji može da kodira jedan 4K30, dva 1080p60, četiri 1080p30, i tako dalje, do devet 720p30 tokova, je prilično korisno (opet, noviji model upravlja do tri 1080p30 toka za enkoding koristeći softver). To znači da bi stariji Jetson Nano mogao nadmašiti noviji model u nekim video poslovima.

Zaključak

Ako do sada nije bilo jasno, zaista volimo novi Jetson Orin Nano Developer Kit. To nije samo moćan AI računar sposoban za mnoge podvige, već je takođe i jedan od najbržih SBC-ova koje smo testirali, a grafički je bez sumnje najmoćniji. I ne samo to, pokreće još moćniji softver.
Odličan softver i odličan hardver zaista rade u tandemu. NVIDIA korisnicima pruža neverovatne alate i neverovatnu podršku, omogućavajući da razvoj veštačke inteligencije zaista bude brz i lak.

Morali smo da oduzmemo nekoliko poena zbog hardverskih nedostatka, ali to ne umanjuje osećaj strahopoštovanja prema nivou performansi koji se može dobiti iz tako malog uređaja.
Uz nešto višu cenu od većine drugih SBC-ova (prodaje se za 499 dolara), ovaj sistem nudi više od većine drugih. Za one koji tek počinju sa AI, skloni smo da predložimo da prvo uzmu stariji Jetson Nano od 149 dolara, dok za one koji su već dobro upućeni u ovu oblast i spremni da se pozabave zahtevnijim projektima, nabavka novog Jetson Orin Nano kompleta bi trebalo da bude prioritet.

Follow me