这是一款走心的最新测评：英伟达史上最便宜AI硬件抗造不？

Raspberry Pi是制造商选择的单板计算机，但AI不是它的强项。 Nvidia新推出的99美元Jetson Nano开发套件可以让业余爱好者和程序员都有机会以实惠的价格玩深度学习和神经网络。

Nvidia多年来一直在生产其Jetson系列AI电脑，但它们的价格远远超出了大多数消费者的需求，而且也不适合用于制造商项目。与Raspberry Pi一样，Jetson Nano可在相对较小的主板上安装全套端口和40个GPIO引脚，您可以使用一个标准的2.5安培微型USB电源适配器进行充电。

我有机会花了几天玩了玩Jetson Nano，并在其上运行了一些AI演示。该平台显然很有潜力成为制造商针对特定用例工具箱的一个有趣的部分，但缺乏车载Wi-Fi确实阻碍了它的发展。而且，即使它具有无线连接，也不可能直接与Raspberry Pi竞争。

规格配置强大，但无线的在哪里？

与Raspberry Pi相比，Jetson Nano的性能要好得多，专为AI应用而设计，采用1.4 GHz四核ARM A57 CPU，128核Nvidia Maxwell GPU和4 GB RAM。它有四个USB A型端口，包括一个USB 3.0，HDMI和DisplayPort输出用于视频和一个千兆以太网连接器。有一个摄像头插槽，您也可以通过USB连接摄像头。

微型USB端口连接到电源，但也有一个桶式连接器，您可以使用可选的高功率电源。 CPU上面有一个散热器，但是如果你要执行需要更多散热的处理器密集型任务，你可以在水槽顶部安装一个可选的风扇。

与Raspberry Pi一样，操作系统和软件存储在可移动的microSD卡上。此外，与Pi一样，Jetson Nano具有40个GPIO（通用输入/输出）引脚，可用于连接灯、电机和传感器。这些引脚是制造商社区的赌注，因为你会很需要它们来构建机器人和其他iOT设备。

然而，Jetson Nano缺少车载无线连接，这对于大多数的制造商来说是至关重要的。除了5美元的Raspberry Pi Zero外，每一款当前的Raspberry Pi都配有内置Wi-Fi和蓝牙功能。但是要使用Jetson Nano，您必须使用以下三种连接选项的其中之一：连接到以太网，只编写离线运行的程序，不需要蓝牙，或者附加一个第三方USB Wi-Fi /蓝牙适配器。

连接第三方Wi-Fi加密狗并不像您想象的那么容易。您可以使用USB加密狗或M.2 Wi-Fi卡，它们位于CPU和GPU下面的M.2插槽中（稍后会详细介绍）。无论哪种方式，Jetson Nano使用的Ubuntu 18.04版本都没有内置的Wi-Fi适配器驱动程序，根据我读过的所有支持文档，获取它们的唯一方法是编译自己的驱动程序。

在办公室，我们有一个TP-Link Archer AC600 T2UH USB Wi-Fi适配器，我花了两到三个小时搜索关于如何编译Jetson驱动程序的指令，并在我放弃之前尝试不同的方法，最终决定坚持使用以太网。可能还有其他可能很容易找到或编译驱动程序的加密狗，比如Nvidia推荐的10美元的Edimax-7811UN。但你不应该只是为了连接互联网这一种功能就这么繁琐，更不用说配对蓝牙设备之类的。当价值10美元的Raspberry Pi Zero W内置Wi-Fi /蓝牙时，开箱即用，很难找到英伟达把它放在价格10倍的电脑之外的理由。

SODIMM卡上的电脑

虽然我们的评测单元组合在一起，但很容易看出CPU和GPU实际上是在一个单独的电路板上，插入主PCB上的260针SODIMM插槽，该插槽容纳端口和连接器。考虑到Nvidia还制造了一个独立的Jetson Nano计算单元，售价129美元，拥有16GB的内置存储空间但没有端口，因此开发人员套件的处理器也可以放在附加板上。顺便说一下，如果你想要129美元的电路板，Nvidia说你需要订购1000个或更多的单元才能以这个价格买到它。因此，除非您将Jetson Nano制作成批量生产的产品，否则开发工具包是您唯一的选择。

尺寸和重量

Jetson Nano Developer套件非常小，但比最大的Raspberry Pi，Pi 3B +要大得多。显然，它需要增加空间，特别是因为散热器和SODIMM插槽，但是当你计划你的项目时，你需要容纳一块3.8 x 3英寸（95.3 x 76.2 mm）的板子，重量为4.8盎司（136克）而Pi 3B +仅为3.4 x 2.3英寸（87毫米×58.5毫米），重量仅为1.8盎司（49.7克）

Linux操作系统

Jetson Nano和其他Jetson主板的官方操作系统称为Linux4Tegra，它实际上是Ubuntu 18.04的一个版本，设计用在Nvidia的硬件上运行。桌面的外观和感觉与标准的Ubuntu Linux相同，并且有一个庞大的Linux应用程序生态系统，从开发软件到可以从捆绑的“软件”应用程序（这是一种应用程序商店）中获得的游戏。

也许并不奇怪，Nvidia在其文档中推荐的AI软件和演示不在商店中，需要从命令行下载、编译和调用。显然，如果软件全部预装在Linux4Tegra上，整个过程对初学者来说会更容易，但使用命令行下载和安装程序是Linux开发经验的典型部分。

AI体验：很快但有时奇怪的结果

Jetson Nano的真正存在理由是它能够执行AI工作负载，如对象识别、运动跟踪和视频平滑。而且，基于Nvidia提供的深度视觉演示/教程，它似乎可以快速工作，但结果的质量更多地取决于软件而不是硬件。

我首先尝试了imagenet-console程序，该程序获取图像文件并尝试识别其中的内容。当我尝试使用Nvidia提供的示例JPG时，程序运行得非常好，正确识别出一只橙子和一个黑色的熊。然而，当我给它一些我拍摄的图像时，结果很有趣。我儿子拿着乐高机器人的照片被标记为注射器，一组气球被标记为圣诞袜，Nvidia首席执行官Jensen Huang的照片被标记为“西装，衣服套装。”最后一张从主题上来说，也不是完全不符合，黄教主穿着皮衣，但我不能认同，将皮夹克标记为西装。

该应用程序在某些图像上表现得更好一些，在背景中用开放式纸板箱识别出一张照片作为“纸盒”和我儿子使用卡诺计算机套件的图片识别为笔记本电脑，卡诺电脑套件不是笔记本电脑。公平点说，这个应用程序使用了1,000个对象类型的离线库，如果使用更广泛的数据集可能会产生更好的结果。

我还使用了imagenet-camera，它与imagenet-console相同，只是它使用的是来自网络摄像头的实时视频源。我用C920和C930e对罗技的网络摄像头进行了测试，结果显示，与使用静止图像时相比，罗技摄像头的识别结果更加不准确。

当我坐在网络摄像头前时，它认为我是“浴帽”，大概是因为我的光头吧。而另一位朋友在做测试时，被不同地贴上标签，一个是出气筒，一个是牛仔帽，要么两者兼而有之。他们衬衫上有按钮或标志的人被贴上了“军装”的标签。然而，当我拿着一张橘子的照片放（在电话屏幕上） ）在相机前面，它正确地识别了该水果。

VisionWorks特征跟踪、运动估计和视频稳定演示中得到的结果给我留下了深刻的印象。这个功能跟踪演示程序处理了一段汽车在金门大桥上行驶的视频，并在汽车的车牌等细节处加上红色和绿色标记，大概是为了显示它可以在这些物体移动时跟踪它们。

这个运动估计演示使用了一段人们走在人行道上的视频剪辑，并在他们穿过视野时跟踪他们。视频稳定演示展示了在应用稳定技术之前和之后，一个跳动的电影是什么样子的。

性能

作为工具包的一部分，Nvidia向我们提供了一份测试结果列表，它将各种AI基准测试结果与Jetson Nano与附带英特尔神经计算棒的Raspberry Pi 3和带有Edge TPU的Google Coral板进行比较。我们没有时间在Jetson Nano上验证这些数字，也没有进行必要的竞争性测试。然而，至少在与Raspberry Pi相比时，人们很容易相信Jetson Nano的速度要快得多，特别是在AI任务中。

基准测试结果：图片由Nvidia提供

Jetson Nano拥有比Raspberry Pi和带有Edge TPU的Coral Board更强大的处理器，两者都有基于Arm Cortex A53的CPU，而Nano则使用更高级的Cortex A57平台。 Nano还拥有4GB内存，而竞争对手只有1GB。即使您没有运行AI应用程序，只想运行Linux应用程序，您也可以从Nvidia的计算机中获得更多功能。

底线

Jetson Nano Developer Kit提供了一种经济实惠且功能强大的方式来开始开发AI应用程序并将其部署到制造商项目中。除了演示之外，Nvidia还提供了一些非常详细的教程来帮助您创建自己独特的AI应用程序，我期待将来尝试这些应用程序。

然而，对于大多数非AI制造商项目，Raspberry Pi仍然是最佳选择。 99美元，Jetson Nano的成本几乎是Raspberry Pi 3B +的三倍，它的体积更大，就是缺乏内置的Wi-Fi /蓝牙。 Nvidia或其粉丝也很难与Raspberry Pi拥有的大量社区支持相匹配，或者复制其背后的配件、书籍和学校课程计划的巨大生态系统。

但是，对于刚刚入门的AI开发人员或想要制作依赖于推理的项目的业余爱好者来说，Jetson Nano是一个不错的进步。

编译出品