性能不變，價格更優，$59 美金的 Jetson nano 2GB 登場
NVIDIA 的 Jetson 系列自從 2019 年推出了 Jetson Nano 之後（定價$99美金，終端售價請參考機器人王國商城） ，終於有台幣$5000以下的方案可供入門者選擇，除了 gpio 腳位配置與 Pi 3/4 相同之外，安裝的方式也貼近 Raspberry Pi 燒錄 sd 記憶卡，而非像是 Jetson Xavier 還需要刷 Jetpack 套件（相當久）。一時之間各種邊緣裝置的方案都熱絡了起來，Google Coral ai、ASUS tinker edge T 紛紛上市，且都標榜可以做到一定程度的神經網路推論，當然也有像是 Intel Movidius 神經運算棒這類的外掛硬體加速裝置的過渡方案。加上 TensorFlow Lite 在 2019 年發布之後，足見各家大廠對於邊緣裝置的重視，在單板電腦甚至 MCU 微控制器上的可能性就愈來愈多了。但在 Jetson Nano 之前的這類單板電腦，多半無法直接在板子上進行神經網路訓練，但 Jetson Nano 卻可以做到，一些小規模的訓練可以直接在板子上執行。
進入正題，Jetson nano 推出 2GB版本，且售價只要 59 美金！居然比目前市場上的另一個主流商品 Rasperry Pi 4 8GB版本 （售價75美金）還要便宜 （您該不會要說 pi 4 2GB 與 nano 2GB相比才公平吧？）
Jetson Nano 2GB 版本標榜 “性能不變，價格更優”，往下延伸了產品線，直接攻打想在 Raspberry Pi 進行相關AI運算的使用者族群，畢竟 Jetson nano 是用 Ubuntu 系統，這類深度學習框架本來就是以 Ubuntu 為基礎來開發。而且現在Jetson Nano 2GB定價一口氣降到比Raspberry Pi 4 8GB還低，應該會有一定程度的使用者會想要玩玩看Jetson nano。
看一下外觀，少了DC筒狀接頭，代表只能用 USB type-C來供電，且 USB 接頭也少了一個與 M.2 SSD 硬碟插槽。GPIO 腳位配置上應該是與 4GB 版本相同。
技術規格
| 開發套件技術規格 | ||
| GPU | 配備 128 個核心的 NVIDIA Maxwell™ | |
| CPU | 四核心 ARM® A57 @ 1.43 GHz | |
| 記憶體 | 2 GB 64 位元 LPDDR4 25.6 GB/秒 | |
| 儲存空間 | microSD （未含記憶卡） | |
| 影片編碼器 | 4Kp30 | 4x 1080p30 | 9x 720p30 (H.264/H.265) | |
| 影片解碼器 | 4Kp60 | 2x 4Kp30 | 8x 1080p30 | 18x 720p30 (H.264/H.265) | |
| 連線能力 | Gigabit Ethernet, 802.11ac wireless* | |
| 相機 | 1x MIPI CSI-2 connector | |
| 顯示器 | HDMI | |
| USB | 1 個 USB 3.0 Type A、2 個 USB 2.0 Type A、1 個 USB 2.0 Micro-B | |
| 其他 | 40-pin header (GPIO, I2C, I2S, SPI, UART) 12-pin header (Power and related signals, UART) 4-pin fan header* |
|
| 機械規格 | 100 mm x 80 mm x 29 mm | |
神經網路效能評比
下圖是 NVIDIA公布的主流神經網路效能評比：Inception V4 / VGG-19 / openPose / Tiny Yolo v3 / ResNet-50 / SSD MobileNet-V1。用於比較的平台則是 Jetson nano 2GB / Raspberry Pi 4（未說明記憶體大小）/ Google Coral ai。可以看出除了SSD MobileNet-V1之外，Jetson nano 2GB 都優於（甚至遠勝於）其比較者。但在此我們要說，每個案例都不盡相同，Raspberry Pi 在很多時候還是非常好用的。而Google Coral ai有一個小巧可愛的 TPU ，在某些特定的神經網路會有效能上的優勢。
最後來看看官方開箱影片吧
CAVEDU 的 Jetson 作品
CAVEDU 曾經在 2019 年 Maker Faire Taipei 舉辦了一整個 AI 館，展示了 Jetson nano 的各種應用，可完全滿足教學用無人車的視覺推論需求，相信 Nano 2GB 也可以的！另外也請參考我們在 RS components 的專欄
AI 認證
另一個亮點是 NVIDIA 即將推出 AI認證，名為 “Jetson AI Fundamentals Course” 之前的 “Getting Started with AI on Jetson Nano” 也是相當不錯的課程，CAVEDU 曾經在工研院產業學院與其他單位執行過多次這個課程，與學員們一起取得 DLI 線上認證是很有趣的經驗，新的 AI 認證也很令人期待喔！
最後來看看我們使用 Jetson Nano 製作的 jetbot 與 jet Racer。，都是 NVIDIA 推出的開源機器人專案，很適合機器人與神經網路入門者來學習喔！
