目次:
学ぶことができる人工知能と機械は、私たちが毎日使用するものがどのように改善されるかです。 GoogleとAndroidは、Googleアシスタントと機械学習を通じてAIにオールインしているため、バックエンドがどのように動作し、どのように到達し、どのような種類の機器がすべてを可能にするかを知ることが重要です。 そして、それもとてもクールです！
未来のこのテクノロジーを構築する人々は、そうするためのツールを必要とします。 2017年、NVIDIAはその役割を果たし、Jetson TX2はこのアイデアの具現化です。 開発者は、私たちのよりスマートな未来が必要とするコンピューティングと思考（はい、私はそれを言う）を行うことができるだけでなく、使いやすく展開も簡単なハードウェアを必要とします。
エッジのAI。
NVIDIAは、これを「エッジでAIを提供する」と呼び、適切な説明です。 TX2は完全なスーパーコンピューターです。 インターネットを介して数千マイル離れた場所ではなく、実際に起こっている場所と時間でデータを処理することができます。 現在の接続方法は当然のことですが、スマートな機械からのデータラウンドトリップを待つのが長すぎる場合が多くあります。 そして、私たちが住んでいるこの青い大理石の大部分は、インターネットに接続されておらず、非常に長い間ありません。
あらゆることを実行し、収集するすべてのデータを処理できる小型コンピューターは、これらの問題に取り組む方法です。 NVIDIAはここでそれを打ち付けたようです。
これはなんですか？
これは、Best Buyで携帯電話で行うことに使用できるものではありません。 Androidを実行しません（しかし、それを修正するのは確かに難しいことではありません）、それは私たちのほとんどが購入しないものです。 しかし、それはまだ私たちが愛するものの非常に重要な部分です。
Jetson TX2は開発ツールです。 Jetson TX2は、AIベースの機器に電力を供給するためのフィールド対応モジュールでもあります。 これは、「通常の」コンピューターが持つすべての入力と出力を備えたクレジットカードのサイズのコンピューターです。 TX2モジュールを特別に設計されたバックボード（開発キットの一部）に接続すると、ほとんどの場合、デスクトップに備わっているすべてのポートとプラグを備えた典型的な小型フォームファクターPCになります。
開発者はこれを使用して機器を構築し、実際にJetson自体を使用してデモやシミュレーションを実行できます。 それは、非常に大きな力で実行できるすべての計算を実行できる小さなマシンであり、そのために非常に小さな電力を使用します。 技術仕様は印象的です。
- NVIDIA ParkerシリーズTegra X2：256コアのPascal GPUと、HMP構成の4つのCortex-A57 CPUとペアになった2つの64ビットDenver CPUコア
- 8GBの128ビットLPDDR4 RAM
- 32GB eMMC 5.1オンボードストレージ
- 802.11b / g / n / ac 2x2 MIMO Wi-Fi
- Bluetooth 4.1
- USB 3.0およびUSB 2.0
- ギガビットイーサネット
- 外部ストレージ用のSDカードスロット
- SATA 2.0
- 完全なマルチチャネルPMIC
- 400ピン高速および低速の業界標準I / Oコネクタ
最高の技術仕様は、Jetson TX2が昨年のJetson TX1に代わるピンドロップ用のピンであることです。 それを少し考えてみましょう。既存のNVIDIA TX1コンピューターを使用して機器の頭脳を動かしている開発者は、物事をシャットダウンし、古いボードを引き出して新しいボードに入れることができます。 TX1のソフトウェアは、TX2が使用しているのと同じソフトウェアに更新されるため、文字通り交換品になります。 ダウンタイムが発生したときに多額の費用がかかる機器のフィールドや工場での作業をこれまでに行ったことがある場合、これがどれほど重要かを理解できます。 次世代の機器の開発中は、既存の世代で100％動作するハードウェアを使用しています。
ここでの秘密は、NVIDIAのPascal GPUコアにあります。 PascalコアがVRおよび4K 3Dゲーム用に設計された非常にハイエンドのビデオカードで使用されているのと同じ理由は、Jetson TX2で使用されている理由です。 GPUコアは、数値を処理するより効率的な方法です。 彼らはより速く、はるかに少ない電力を使用しています。
コンピューティングの聖杯は人工知能（AI）です。非常にインテリジェントなマシンを構築し、明示的な指示なしに独自に学習できます。 ディープラーニングは、最新のAIを達成するための重要な要素です。 ディープラーニングにより、AIの「頭脳」は周囲の世界を認識することができます。 機械は学習し、最終的にそれ自体で決定を行います。 従来のCPUベースのプラットフォームと比較して速度とエネルギー効率の両方の利点があるため、GPUはディープニューラルネットワーク（DNN）のトレーニングの最先端であることが学界や業界で広く認識されています。
NVIDIA GPUコンピューターはすでにいくつかの驚くべきことをしています。 自動運転車に使用されるディープラーニングを推進し、歩行や把握などの人間に似た運動能力をロボットに教え、ビデオを高速で分析してテキストキャプションを提供し、Goをプレイします。 そして、本当に良い人間の敵を打ち負かします。
GPUコアは、従来のCPUコンピューティングと同じ電力を使用して同じ作業を実行できます。
AIとそれを駆動できる脳の実際のテストは、もうすぐです。 産業用ロボットのような仕事のために自律型ロボットとドローンが開発されており、現場で携帯して必要な人を助けることができるポータブル医療機器が切実に必要とされています。現実になります。 これらのアイデアには、ディープラーニングアルゴリズムとニューラルネットワークで収集されたデータを独自に分析する機能を備えたAIを駆動できるコンピューティングが必要です。 ケーブルに接続することはできず、Verizonでさえカバレッジがない場所で使用されます。
強力であることに加えて、小型でポータブルに設計されたコンピューターは電力効率がよくなければなりません。 テストでは（.pdfファイル）、NVIDIA GPUベースのコンピューティングはIntelコアi7 6700K CPUと同等であり、60ワットと比較して6ワットの電力を使用できることが示されています。電力グリッドに接続されていない機器の場合、それは重要です。
AlexNetおよびGoogLeNetを使用していくつかのベンチマークを実行しました。CVベースのオブジェクトカテゴリ分類および検出テストソフトウェアで、結果は素晴らしいものでした。 Max-P（ハイパワー）モードでは、Jetson TX2はわずか13ワットの電力を使用しながら、AlexNetネットワークを使用して 1秒あたり 平均641枚の画像を分析できました。 GoogLeNetテストでは、14ワットの電力を使用しながら、1秒あたり平均278枚の画像をテストしました。 Max-Q（低電力）テストでは、わずか7ワットの電力を使用しながら、AlexNetで1秒あたり平均481画像、GoogLeNetで1秒あたり191画像を記録しました。 これは、昨年のJetson TX1が提供できる量の約2倍であり、非常に優れていました。
迅速かつ正確なオンサイトで情報を処理できる場合、クラウドへの接続は以前の制限要因ではありません。
研究所で
Jetson TX2は、現場で非常に優れた機能を備えている必要があります。 これは、クラウドに接続せずに既存の機器から大幅にアップグレードすることで学習する、次世代のマシンの最初のものです。 しかし、開発者が愛する機能も備えています。
クレジットカードサイズのコンピューティングモジュールは、Jetson TX2開発キットの一部として利用可能な完全なキャリアボードに接続できます。 キャリアボードは、Jetsonモジュールの400 I / Oピンを使用して、標準のデスクトップ接続を提供します。 ソフトウェア開発者は、標準のUSBキーボードとマウス、標準モニター、およびJetson TX2を使用して、完全な開発環境を作成できます。
Ubuntu 16.04ベースのLinux4Tegraオペレーティングシステム上で実行されるディープラーニングAIアプリケーションの開発とデバッグに必要なすべてのツールは、NVIDIAのJetPackソフトウェアの一部として含まれています。 開発者は、NVIDIAの開発者ゾーンからパッケージをダウンロードできます。また、チュートリアルとコミュニティの知識に従って、Jetsonができることを確認し、独自のアイデアに取り組み始めることができます。 JetPackに含まれるソフトウェアは、TX2処理システムで最適化されて実行されるように事前構成されています。
- cuDNN-ディープニューラルネットワーク用のプリミティブのGPUアクセラレーションライブラリ。
- NVIDIA VisionWorksは、コンピュータービジョン（CV）および画像処理用のソフトウェア開発パッケージです。
- CUDAツールキット-GPUで高速化されたアプリケーションを構築するCおよびC ++開発者向けの包括的な開発環境。
- TensorRT –画像分類、セグメンテーション、オブジェクト検出ニューラルネットワーク用の高性能な深層学習推論ランタイム。
- NVIDIA Nsight Eclipse-CUDA-Cアプリケーションの開発、デバッグ、プロファイリング用のフル機能でカスタマイズされたEclipse IDE。
- Tegra System ProfilerおよびTegra Graphics Debugger-OpenGLを使用してアプリケーションをプロファイルおよびサンプルするツール。
- NVIDIA Jetson TX2を使用してハードウェアを開発および設計するために必要な担保と資産。
同じプラットフォームを使用してアプリケーションをビルドおよびデバッグすることは、複雑で複雑なものには不可欠です。 これは、開発者がプロセスを簡素化できる方法の1つであり、物事を簡単にするのに役立つものはすべて、より幸せな開発者に役立ちます。 Jetson TX2は、すべてのグループが使用する唯一の開発およびビルドコンピューターとして設計されていない可能性がありますが、それが可能であることを知っていることは、インストールおよびフィールドワークの恩恵です。 処理と戻りのために別のコンピューターバンクにデータを送り返すことなく、処理と同じように Edgeで 小さな調整と変更を行うことができます。
利用可能なハードウェア資産と図面を使用して機器を設計し、複雑さを軽減するだけでなく、すぐに利用できる周辺機器とソフトウェアを使用した簡単なインターフェースを実現できます。 ラップトップとUSBケーブルを装備したエンジニアまたはフィールドテックは、必要に応じてゼロから再構築するために必要なすべてを備えています。
NVIDIA Jetpackソフトウェアにより、開発者はビルド環境をセットアップするのではなく、作業に集中できます。
NVIDIAのJetpackのインストールも合理化されています。 レビュー担当者にはインストール用の更新バージョンが提供され、巧妙なGUIを使用した簡単な指示に従って、すべてのソフトウェアの完全な再構築がわずかな手順とコーヒー1杯で完了しました。 繰り返しになりますが、開発環境がビルド環境自体を維持するのではなく、開発者が作業に集中できるように、NVIDIAが物事を容易にしていることがわかります。
数日間のセットアップとすべてのテストの後、NVIDIAがここで提供しているものに非常に感銘を受けました。 最初のJetson TX1は、ディープラーニングニューラルネットワークアプリケーションのヘビーリフティングを行うためにGPUコアを使用した高速開発のニーズを満たす素晴らしい製品でした。 非常に短い時間で、NVIDIAは、同じ使い慣れた開発ツールと手法を使用して、クラウドへの依存関係を解消できる後継者の水準を引き上げました。
未来のテクノロジーは私たち全員を刺激し、刺激を与えます。 Jetson TX2のような製品は、その将来を可能にするものです。 NVIDIA Jetson TX2開発者キットの価格は、小売注文で599ドル、学生で299ドルです。
NVIDIA Embedded Developersポータルをご覧ください
