Satura rādītājs:
Mākslīgais intelekts un mašīnas, kuras var iemācīties, ir tas, kā tiks uzlabotas lietas, kuras mēs izmantojam katru dienu. Google un Android ir viss kopā ar AI, izmantojot Google palīgu un mašīnmācību, tāpēc ir svarīgi zināt, kā darbojas aizmugurējā daļa, kā viņi tur nokļuva un kāda veida aprīkojums to visu padara iespējamu. Un tas ir arī ļoti forši!
Cilvēkiem, kuri veidos šo nākotnes tehnoloģiju, būs nepieciešami rīki, lai to izdarītu. 2017. gadā NVIDIA dara savu daļu, un Jetson TX2 ir šīs idejas iemiesojums. Izstrādātājiem ir nepieciešama aparatūra, kas ne tikai spēj veikt skaitļošanu un domāt (jā, es teikšu), kas būs nepieciešama mūsu viedākajai nākotnei, bet arī ir viegli lietojama un izvietojama.
AI pie malas.
NVIDIA atsaucas uz to kā "sniegt AI pie malas", un tas ir piemērots apraksts. TX2 ir pilnīgs superdators. Tas spēj apstrādāt datus pats vietā un laikā, kad tas faktiski notiek, nevis tūkstošiem jūdžu attālumā, izmantojot internetu. Savienojamība tiek uzskatīta par pašsaprotamu, ņemot vērā to, kā mēs to šobrīd izmantojam, taču ir daudz gadījumu, kad datu pārgaidīšana no viedas tehnikas ir pārāk ilga, lai to gaidītu. Un lielai daļai šī zilā marmora, kurā mēs dzīvojam, nav savienojuma ar internetu un tas nebūs ļoti ilgi.
Šīs problēmas tiek risinātas ar nelielu datoru, kas var darīt gandrīz jebko un apstrādāt visus datus, ko tas pats apkopo. Liekas, ka NVIDIA to šeit ir pavirši.
Kas ir šī lieta?
Tas nav kaut kas, ko varat atrast vietnē Best Buy, lai izmantotu lietām, ko darāt ar savu tālruni. Tas nedarbojas Android (taču to noteikti nebūtu grūti labot), un tas ir kaut kas tāds, ko vairums no mums nenopirks. Bet tā joprojām ir ļoti svarīga lietu daļa, kuras mēs mīlam.
Jetson TX2 ir izstrādes rīks. Jetson TX2 ir arī laukam gatavs modulis jebkura AI bāzes aprīkojuma barošanai. Tas ir dators, kas ir kredītkartes izmērs ar visām ieejām un izejām, kas ir "parastam" datoram. Pieslēdzot TX2 moduli tam speciāli izveidotā aizmugurē (kas ir izstrādes komplekta daļa), tas lielākoties pārvēršas par tipisku mazo formu koeficientu datoru, kas komplektēts ar visām pieslēgvietām un kontaktdakšu, kuras arī ir jūsu darbvirsmā.
Izstrādātāji to var izmantot, lai izveidotu aprīkojumu un faktiski izmantotu pašu Jetson, lai vadītu demonstrācijas un simulācijas. Tā ir spējīga maza mašīna, kas var veikt visus aprēķinus, ko var izdarīt kaut kas daudz lielāks, vienlaikus izmantojot niecīgu enerģijas daudzumu. Tehniskās specifikācijas ir iespaidīgas.
- NVIDIA Parker sērija Tegra X2: 256 kodolu Pascal GPU un divi 64 bitu Denveras CPU kodoli pārī ar četriem Cortex-A57 CPU HMP konfigurācijā
- 8 GB 128 bitu LPDDR4 operatīvā atmiņa
- 32 GB eMMC 5.1 krātuve
- 802.11b / g / n / ac 2x2 MIMO Wi-Fi
- Bluetooth 4.1
- USB 3.0 un USB 2.0
- Gigabitu Ethernet
- SD kartes slots ārējai glabāšanai
- SATA 2.0
- Pilnīga daudzkanālu PMIC
- 400 pin ātrgaitas un maza ātruma nozares standarta I / O savienotājs
Vislabākā tehniskā specifikācija ir tāda, ka Jetson TX2 ir tapa, ar kuru var nomainīt tapu, salīdzinot ar pagājušā gada Jetson TX1. Ļaujiet tam mazliet ieslīgt - izstrādātāji, kuri izmanto esošos NVIDIA TX1 datorus, lai darbinātu smadzenes aiz sava aprīkojuma, varēs izslēgt lietas, novilkt veco dēli un ievietot jauno. TX1 programmatūra tiks atjaunināta uz to pašu programmatūru, kuru izmanto TX2, tāpēc burtiski tā būs nomaiņa. Ja jūs kādreiz esat veicis jebkāda veida lauka vai rūpnīcas darbu ar aprīkojumu, kas maksā daudz naudas, ja tam ir dīkstāve, jūs saprotat, cik tas ir svarīgi. Kamēr tiek izstrādāts nākamās paaudzes aprīkojums, tas izmanto aparatūru, kas 100% darbojas ar esošo paaudzi.
Noslēpums šeit ir caur NVIDIA Pascal GPU kodoliem. Tā paša iemesla dēļ Pascal serdeņi tiek izmantoti ļoti augstas klases videokartēs, kas paredzētas VR un 4K 3D spēlēm, tāpēc tās tiek izmantotas Jetson TX2. GPU kodoli ir efektīvāks veids, kā sagraut numurus. Viņi ir ātrāki un patērē daudz mazāk enerģijas.
Skaitļošanas svētais Grāls ir mākslīgais intelekts (AI): būvējot tik inteliģentu mašīnu, tā var mācīties viena pati bez skaidras instrukcijas. Dziļa mācīšanās ir būtiska sastāvdaļa mūsdienu AI sasniegšanā. Dziļa mācīšanās ļauj AI "smadzenēm" uztvert apkārtējo pasauli; mašīna iemācās un galu galā pieņem lēmumus pati. Tagad akadēmiskajā vidē un rūpniecībā ir plaši atzīts, ka GPU ir vismodernākais dziļo neironu tīklu (DNN) apmācībā gan ātruma, gan energoefektivitātes priekšrocību dēļ, salīdzinot ar tradicionālākām uz CPU balstītām platformām.
NVIDIA GPU datori jau veic dažas pārsteidzošas lietas. Viņi vada dziļas mācības, ko izmanto automašīnu vadīšanai pa automašīnām, iemācot robotiem cilvēciskas spējas, piemēram, staigāšanu un satveršanu, analizējot video ar lielu ātrumu, lai nodrošinātu teksta parakstus un pat spēlētu Go. Un pārspēt patiešām labus cilvēku pretiniekus.
GPU kodoli var veikt to pašu darbu, izmantojot mazāk enerģijas kā tradicionālā CPU skaitļošana.
Īsta AI pārbaude un smadzenes, kas to var vadīt, ir pie horizonta. Autonomi roboti un droni tiek izstrādāti tādiem darbiem kā rūpnieciskā pārbaude, ir izmisīgi vajadzīgas pārnēsājamās medicīniskās ierīces, kuras var aiznest uz lauka, lai palīdzētu tiem, kuriem tas nepieciešams, un drīzumā tiek izveidotas pat viedās drošības kameras, kas var analizēt redzēto un attiecīgi rīkoties. būt realitātei. Šīm idejām ir nepieciešama skaitļošana, kas var vadīt AI ar dziļiem mācību algoritmiem un spēja patstāvīgi analizēt neironu tīkla apkopotos datus. Tos nevar piestiprināt pie kabeļa, un tos izmantos vietās, kur pat Verizon nav pārklājuma.
Papildus tam, ka dators ir mazs, tas ir jaudīgs, un tam jābūt energoefektīvam. Pārbaude parāda (.pdf fails), ka uz NVIDIA GPU balstīta skaitļošana var būt līdzvērtīga Intel core i7 6700K CPU un izmantot 6 vatu jaudu, salīdzinot ar 60. Iekārtām, kas nav pievienotas elektrotīklam, tas ir svarīgi.
Mēs vadījām dažus etalonus, izmantojot AlexNet un GoogLeNet - CV balstītu objektu kategoriju klasifikācijas un noteikšanas testēšanas programmatūru, un rezultāti bija fantastiski. Max-P (lieljaudas) režīmā Jetson TX2 spēja analizēt vidēji 641 attēlu sekundē, izmantojot AlexNet Network, vienlaikus izmantojot tikai 13 vatu jaudu. GoogLeNet testēšana vidēji veica 278 attēlus sekundē, vienlaikus izmantojot 14 vatu jaudu. Max-Q (mazjaudas) testi vidēji ieguva 481 attēlu sekundē vietnē AlexNet un 191 attēlu sekundē vietnē GoogLeNet, vienlaikus izmantojot tikai 7 vatu jaudu. Tas ir gandrīz divas reizes vairāk nekā pagājušā gada Jetson TX1 varēja piegādāt, un arī tas bija diezgan labs.
Kad jūs varat ātri un precīzi apstrādāt informāciju uz vietas, savienojums ar mākoni nav ierobežojošais faktors, kāds tas bija agrāk.
Laboratorijā
Jetson TX2 jābūt ļoti spējīgam uz lauka. Tā ir pirmā no nākamās paaudzes mašīnām, kas mācīsies, strādājot bez savienojuma ar mākoni un ievērojama uzlabojuma no esošajām iekārtām. Bet tam ir arī funkcijas, kuras izstrādātāji patiks.
Kredītkartes lieluma aprēķina moduli var iespraust pilnā datu nesējā, kas ir pieejama kā daļa no Jetson TX2 izstrādes komplekta. Pārvadātāja plate izmanto 400 I / O kontaktdakšas Jetson modulī, lai nodrošinātu standarta darbvirsmas savienojumus. Programmatūras izstrādātājs var izmantot parastu USB tastatūru un peli, standarta monitoru un Jetson TX2, lai izveidotu pilnīgu izstrādes vidi.
Darbojoties ar Ubuntu 16.04 balstītu Linux4Tegra operētājsistēmu, visi rīki, kas jums varētu būt nepieciešami, lai attīstītu un atkļūdotu dziļas izglītības AI lietojumprogrammas, ir iekļauti NVIDIA programmatūras JetPack komplektācijā. Izstrādātāji var lejupielādēt paketi no NVIDIA izstrādātāju zonas, kā arī sekot pamācībām un sabiedrības zināšanām, lai redzētu, ko Jetsons var darīt, un tad sāktu darbu pie savām idejām. Iekļautā programmatūra JetPack ir iepriekš konfigurēta, lai tā būtu optimizēta TX2 apstrādes sistēmā:
- cuDNN - GPU paātrināta primitīvu bibliotēka dziļiem neironu tīkliem.
- NVIDIA VisionWorks ir programmatūras izstrādes pakotne Computer Vision (CV) un attēlu apstrādei.
- CUDA rīkkopa - visaptveroša attīstības vide C un C ++ izstrādātājiem, veidojot GPU paātrinātas lietojumprogrammas.
- TensorRT - augstas veiktspējas dziļu mācību secinājumu izpildlaiks attēlu klasifikācijai, segmentēšanai un objektu noteikšanas neironu tīkliem.
- NVIDIA Nsight Eclipse - pilnvērtīgs un pielāgots Eclipse IDE CUDA-C lietojumprogrammu izstrādei, atkļūdošanai un profilēšanai.
- Tegra sistēmas profils un Tegra grafikas atkļūdotājs - rīki lietojumu profilēšanai un paraugu ņemšanai, izmantojot OpenGL.
- Nepieciešamais nodrošinājums un aktīvi aparatūras izstrādei un noformēšanai, izmantojot NVIDIA Jetson TX2.
Vienas un tās pašas platformas izmantošana jebkuras lietojumprogrammas izveidošanai un atkļūdošanai ir nepieciešama visam sarežģītajam un sarežģītajam. Tas ir viens no veidiem, kā izstrādātāji var vienkāršot procesu, un viss, kas var palīdzēt atvieglot lietas, padara laimīgākus izstrādātājus. Lai gan Jetson TX2 var nebūt paredzēts kā vienīgais izstrādes un būvēšanas dators, kuru izmantos jebkura grupa, zinot, ka tas ir spējīgs, tas ir noderīgs uzstādīšanas un lauka darbiem. Nelielas korekcijas un izmaiņas var veikt Edge tāpat kā apstrāde, nenosūtot datus atpakaļ uz citu datoru banku, lai apstrādātu un atgrieztos.
Iekārtas var projektēt, izmantojot pieejamos aparatūras resursus un rasējumus, lai ne tikai samazinātu sarežģītību, bet arī ļautu ērti saskarni izmantot, izmantojot viegli pieejamas perifērijas ierīces un programmatūru. Apgādāts ar klēpjdatoru un USB kabeli, inženierim vai lauka tehniķim ir viss nepieciešamais, lai vajadzības gadījumā atjaunotu no zemes.
Programmatūra NVIDIA Jetpack nozīmē, ka izstrādātāji var koncentrēties uz savu darbu, nevis iestatīt veidošanas vidi.
Pat NVIDIA Jetpack instalēšana ir pilnveidota. Pārbaudītājiem tika piegādāta atjaunināta versija instalēšanai, un, izpildot dažus vienkāršus norādījumus, izmantojot gudru GUI, visa programmatūra tika pilnībā atjaunota, pabeidzot tikai dažas darbības un tasi kafijas. Atkal redzam, ka NVIDIA atvieglo lietas, tāpēc izstrādātāji var koncentrēties uz savu darbu, nevis uzturēt pašu būvēšanas vidi.
Pēc dažām dienām visu sakārtojot un pārbaudot visu, es biju ļoti pārsteigts par to, ko šeit piedāvā NVIDIA. Pirmais Jetson TX1 bija lielisks produkts, kas aizpildīja vajadzību pēc ātras attīstības, izmantojot GPU serdeņus, lai smagi celtu dziļu mācību neironu tīkla lietojumprogrammas. Ļoti īsā laikā NVIDIA ir izvirzījusi joslu ar pēcteci, kas var izjaukt atkarību no mākoņa, izmantojot tos pašus pazīstamos izstrādes rīkus un paņēmienus.
Nākotnes tehnoloģija mūs visus satrauks un iedvesmos. Tādi produkti kā Jetson TX2 ir tas, kas šo nākotni padarīs iespējamu. NVIDIA Jetson TX2 izstrādātāju komplekta cena ir USD 599 par mazumtirdzniecības pasūtījumiem un USD 299 studentiem.
Skatīt NVIDIA iegulto izstrādātāju portālā
