차례:
배울 수있는 인공 지능과 기계는 우리가 매일 사용하는 방식이 어떻게 향상 될 것인가입니다. Google 및 Android는 Google Assistant 및 기계 학습을 통해 AI와 통합되어 있으므로 백엔드의 작동 방식, 도착 방법 및 모든 유형의 장비를 통해 가능한 모든 기능을 알아야합니다. 그리고 정말 멋지다!
미래의이 기술을 구축 할 사람들은 그렇게하기위한 도구가 필요합니다. 2017 년에 NVIDIA가 그 역할을 수행하고 있으며 Jetson TX2가이 아이디어의 구체화입니다. 개발자에게는 더 스마트 한 미래가 필요하다는 컴퓨팅 및 사고 (예, 말할 것)를 수행 할 수있을뿐만 아니라 사용 및 배포가 쉬운 하드웨어가 필요합니다.
가장자리에있는 AI.
NVIDIA는이를 "가장자리에 AI 제공"이라고하며 적절한 설명입니다. TX2는 완전한 슈퍼 컴퓨터입니다. 인터넷을 통해 수천 마일 떨어진 곳에서 실제로 발생하는 장소와 시간에 데이터를 자체적으로 처리 할 수 있습니다. 우리는 지금 당장 사용하는 방식 때문에 당연한 연결을 취하지 만, 똑똑한 기계에서 데이터 왕복을 기다리는 것이 너무 길어 기다리는 경우가 많이 있습니다. 그리고 우리가 살고있는이 파란 대리석의 대부분은 인터넷에 연결되어 있지 않으며 오랫동안 그렇게하지 않을 것입니다.
무엇이든 할 수 있고 수집 한 모든 데이터를 처리 할 수있는 작은 컴퓨터는 이러한 문제를 해결하는 방법입니다. NVIDIA는 여기에 그것을 못 박은 것 같습니다.
이게 뭐야?
이것은 Best Buy에서 휴대 전화로하는 일에 사용할 수있는 것이 아닙니다. 안드로이드를 실행하지는 않지만 (고정하기는 어렵지 않을 것입니다) 우리 대부분은 구매하지 않을 것입니다. 그러나 그것은 여전히 우리가 사랑하는 것의 매우 중요한 부분입니다.
Jetson TX2는 개발 도구입니다. Jetson TX2는 또한 모든 AI 기반 장비에 전원을 공급하는 현장 준비 모듈입니다. "일반적인"컴퓨터가 가지고있는 모든 입력과 출력을 가진 신용 카드 크기의 컴퓨터입니다. TX2 모듈을 특수하게 설계된 백보드 (개발 키트의 일부)에 연결하면 대부분의 포트와 데스크탑이 포함 된 일반적인 소형 폼 팩터 PC로 바뀝니다.
개발자는이를 사용하여 장비를 구축하고 실제로 Jetson 자체를 사용하여 데모 및 시뮬레이션을 실행할 수 있습니다. 적은 양의 전력을 사용하면서 훨씬 더 큰 계산을 할 수있는 작은 기계입니다. 기술 사양이 인상적입니다.
- NVIDIA Parker 시리즈 Tegra X2: HMP 구성에서 256 코어 Pascal GPU와 4 개의 Cortex-A57 CPU와 쌍을 이루는 2 개의 64 비트 Denver CPU 코어
- 8GB 128 비트 LPDDR4 RAM
- 32GB eMMC 5.1 온보드 스토리지
- 802.11b / g / n / ac 2x2 MIMO Wi-Fi
- 블루투스 4.1
- USB 3.0 및 USB 2.0
- 기가비트 이더넷
- 외부 저장 소용 SD 카드 슬롯
- SATA 2.0
- 완벽한 멀티 채널 PMIC
- 400 핀 고속 및 저속 산업 표준 I / O 커넥터
최고의 기술 사양은 Jetson TX2가 작년의 Jetson TX1을 대체하는 핀 드롭 용 핀이라는 것입니다. 기존 NVIDIA TX1 컴퓨터를 사용하여 장비 뒤의 두뇌에 힘을 실어주는 개발자는 물건을 닫고 오래된 보드를 당겨 새 컴퓨터에 넣을 수 있습니다. TX1 용 소프트웨어는 TX2가 사용하는 것과 동일한 소프트웨어로 업데이트되므로 문자 그대로 교체가 중단됩니다. 가동 중지 시간이 발생했을 때 많은 비용이 드는 장비에 대한 모든 유형의 현장 또는 공장 작업을 수행 한 적이 있다면 이것이 얼마나 중요한지 이해합니다. 차세대 장비가 개발되는 동안 기존 세대와 100 % 작동하는 하드웨어를 사용하고 있습니다.
여기서 비밀은 NVIDIA의 Pascal GPU 코어를 통하는 것입니다. Pascal 코어가 VR 및 4K 3D 게임용으로 설계된 최고급 비디오 카드에 사용되는 것과 동일한 이유는 Jetson TX2에 사용되는 이유입니다. GPU 코어는 숫자를 더 효율적으로 처리하는 방법입니다. 더 빠르며 훨씬 적은 전력을 사용합니다.
컴퓨팅의 성배는 인공 지능 (AI)입니다. 지능적인 기계를 구축하면 명확한 지시없이 스스로 학습 할 수 있습니다. 딥 러닝은 현대 AI를 달성하는 데 중요한 요소입니다. 딥 러닝은 AI "두뇌"가 주변 세계를 인식 할 수있게합니다. 기계는 배우고 궁극적으로 스스로 결정합니다. 보다 전통적인 CPU 기반 플랫폼에 비해 속도와 에너지 효율의 이점으로 인해 GPU가 심층 신경망 (DNN)을 훈련시키는 데있어 최첨단 기술이라는 것은 학계와 산업계에서 널리 인식되고 있습니다.
NVIDIA GPU 컴퓨터는 이미 놀라운 일을합니다. 이들은 자율 주행 자동차에 사용되는 딥 러닝을 주도하고, 보행 및 파악과 같은 인간과 같은 운동 기술을 로봇에게 가르치고, 텍스트 캡션을 제공하고 Go를 플레이하기 위해 고속으로 비디오를 분석합니다. 그리고 정말 좋은 인간의 상대를 때리는.
GPU 코어는 기존 CPU 컴퓨팅보다 적은 전력으로 동일한 작업을 수행 할 수 있습니다.
인공 지능과 인공 지능을 이끌어 낼 수있는 두뇌에 대한 실제 테스트는 수평선에 있습니다. 산업 검사와 같은 작업을 위해 자율 로봇과 드론이 개발되고 있으며, 필요한 의료진이 절실히 필요로하는 현장에서 사용할 수있는 휴대용 의료 기기, 보고있는 것을 분석하고 적절한 조치를 취할 수있는 스마트 보안 카메라까지 현실이다. 이러한 아이디어에는 딥 러닝 알고리즘과 신경망 수집 데이터를 자체적으로 분석 할 수있는 기능으로 AI를 주도 할 수있는 컴퓨팅이 필요합니다. 케이블에 연결할 수 없으며 Verizon도 적용 범위가없는 곳에서 사용됩니다.
작고 휴대 가능하도록 설계된 컴퓨터는 강력 할뿐만 아니라 전력 효율적이어야합니다. 테스트 결과 NVIDIA GPU 기반 컴퓨팅은 인텔 코어 i7 6700K CPU와 동일하며 60에 비해 6 와트의 전력을 사용할 수 있음을 보여줍니다 (.pdf 파일). 전력망에 연결되지 않은 장비의 경우 중요합니다.
우리는 AlexNet 및 GoogLeNet (CV 기반 객체 범주 분류 및 탐지 테스트 소프트웨어)을 사용하여 일부 벤치 마크를 실행했으며 그 결과는 환상적이었습니다. Max-P (고전력) 모드에서 Jetson TX2는 AlexNet Network를 사용하여 초당 평균 641 개의 이미지를 분석하면서 13 와트의 전력 만 사용했습니다. GoogLeNet 테스트는 14 와트의 전력을 사용하는 동안 초당 평균 278 개 이미지를 테스트했습니다. Max-Q (저전력) 테스트는 단 7 와트의 전력을 사용하는 동안 AlexNet에서 초당 평균 481 개의 이미지와 GoogLeNet에서 초당 191 개의 이미지를 기록했습니다. 작년의 Jetson TX1이 제공 할 수있는 것의 두 배에 불과하며 꽤 잘했습니다.
이 빠르고 정확한 현장 정보를 처리 할 수있을 때 클라우드에 대한 연결이 기존의 제한 요소가 아닙니다.
실험실에서
Jetson TX2는 현장에서 매우 능숙해야합니다. 클라우드에 연결하지 않고 기존 장비를 실질적으로 업그레이드하지 않고도 배울 수있는 차세대 머신 중 첫 번째 제품입니다. 그러나 개발자가 좋아할 기능도 있습니다.
신용 카드 크기의 컴퓨팅 모듈은 Jetson TX2 개발 키트의 일부로 제공되는 완전한 캐리어 보드에 연결할 수 있습니다. 캐리어 보드는 Jetson 모듈의 400 I / O 핀을 사용하여 표준 데스크탑 연결을 제공합니다. 소프트웨어 개발자는 표준 USB 키보드 및 마우스, 표준 모니터 및 Jetson TX2를 사용하여 완벽한 개발 환경을 만들 수 있습니다.
Ubuntu 16.04 기반 Linux4Tegra 운영 체제에서 실행되는 딥 러닝 AI 응용 프로그램을 개발하고 디버깅하는 데 필요한 모든 도구는 NVIDIA JetPack 소프트웨어의 일부로 포함되어 있습니다. 개발자는 NVIDIA의 개발자 영역에서 패키지를 다운로드하고 자습서 및 커뮤니티 지식을 따라 Jetson이 자신의 아이디어로 작업을 시작할 수있는 방법을 확인할 수 있습니다. JetPack에 포함 된 소프트웨어는 TX2 처리 시스템에서 최적화되어 실행되도록 사전 구성되어 있습니다.
- cuDNN-심층 신경망을위한 GPU 가속 프리미티브 라이브러리.
- NVIDIA VisionWorks는 컴퓨터 비전 (CV) 및 이미지 처리를위한 소프트웨어 개발 패키지입니다.
- CUDA 툴킷-GPU 가속 애플리케이션을 빌드하는 C 및 C ++ 개발자를위한 포괄적 인 개발 환경.
- TensorRT – 이미지 분류, 세그먼트 화 및 객체 감지 신경망을위한 고성능 딥 러닝 추론 런타임입니다.
- NVIDIA Nsight Eclipse-CUDA-C 애플리케이션 개발, 디버깅 및 프로파일 링을위한 모든 기능을 갖춘 맞춤형 Eclipse IDE.
- Tegra System Profiler 및 Tegra Graphics Debugger-OpenGL을 사용하여 응용 프로그램을 프로파일 링하고 샘플링하는 도구입니다.
- NVIDIA Jetson TX2를 사용하여 하드웨어를 개발하고 설계하는 데 필요한 담보 및 자산.
동일한 플랫폼을 사용하여 응용 프로그램을 빌드하고 디버깅하는 것은 복잡하고 복잡한 모든 것의 필수 요소입니다. 개발자가 프로세스를 단순화 할 수있는 방법 중 하나이며 더 행복해진 개발자가 더 쉽게 만들 수있는 방법입니다. Jetson TX2는 그룹이 사용하는 유일한 개발 및 빌드 컴퓨터로 설계되지는 않았지만 설치 및 현장 작업이 가능하다는 것을 알고 있습니다. 처리 및 반환을 위해 다른 컴퓨터 뱅크로 데이터를 다시 보내지 않고 처리와 동일한 방식으로 Edge 에서 작은 조정 및 변경을 수행 할 수 있습니다.
사용 가능한 하드웨어 자산 및 도면을 사용하여 장비를 설계하여 복잡성을 줄일뿐만 아니라 쉽게 사용 가능한 주변 장치 및 소프트웨어를 사용하여 쉽게 인터페이스 할 수 있습니다. 랩톱과 USB 케이블로 무장 한 엔지니어 또는 현장 기술은 필요한 경우 처음부터 다시 구축하는 데 필요한 모든 것을 갖추고 있습니다.
NVIDIA Jetpack 소프트웨어는 개발자가 빌드 환경을 설정하지 않고 업무에 집중할 수 있음을 의미합니다.
NVIDIA Jetpack 설치도 간소화되었습니다. 검토 자에게는 업데이트 된 버전의 설치가 제공되었으며 현명한 GUI를 통해 몇 가지 간단한 지침을 따르면 몇 단계 만 거치고 커피 한 잔으로 모든 소프트웨어를 완전히 재구성했습니다. 다시 말하지만, 엔비디아는 개발자가 빌드 환경 자체를 유지 관리하는 대신 작업에 집중할 수 있도록 작업을 더욱 쉽게 만들어줍니다.
며칠 만에 모든 것을 설정하고 테스트 한 후 엔비디아가 제공하는 것에 깊은 감명을 받았습니다. 첫 번째 Jetson TX1은 딥 러닝 신경망 애플리케이션을위한 무거운 작업을 수행하기 위해 GPU 코어를 사용하여 빠른 개발이 필요한 훌륭한 제품이었습니다. 매우 짧은 시간에 NVIDIA는 동일한 개발 도구와 기술을 사용하여 클라우드에 대한 의존성을 깨뜨릴 수있는 후속 제품으로 기준을 높였습니다.
미래의 기술은 우리 모두를 자극하고 고무시킬 것입니다. Jetson TX2와 같은 제품은 미래를 가능하게합니다. NVIDIA Jetson TX2 개발자 키트는 소매 주문시 599 달러, 학생에게는 299 달러입니다.
NVIDIA 임베디드 개발자 포털에서 확인하십시오
