Nvidia jetson tx2是超级计算机，它将构建下一个伟大的想法

NVIDIA将此称为“在边缘提供AI”，这是一个恰当的描述。 TX2是一台完整的超级计算机。它能够在实际发生的地点和时间自行处理数据，而不是通过互联网远在千里之外。由于我们现在使用它的方式，我们认为连接是理所当然的，但是有很多情况下等待来自智能机器的数据往返太长时间等待。我们生活的这种蓝色大理石的很大一部分与互联网没有联系，也不会持续很长时间。

一台可以处理任何事情并处理它自己收集的所有数据的小型计算机就是你如何解决这些问题。 NVIDIA似乎已经在这里钉了它。

这是什么？

这不是您在百思买可以找到的用于手机操作的东西。它不运行Android（但肯定不难解决），这是我们大多数人不会购买的东西。但它仍然是我们喜爱的事物中非常重要的一部分。

Jetson TX2是一个开发工具。 Jetson TX2也是现场就绪模块，可为任何基于AI的设备供电。它是一台信用卡大小的计算机，所有输入和输出都是“常规”计算机。当您将TX2模块插入其专门设计的背板（这是开发套件的一部分）时，它主要变成一个典型的小型PC，配有桌面上的所有端口和插头。

开发人员可以使用它来构建设备并实际使用Jetson本身来运行演示和模拟。它是一台功能强大的小型机器，可以进行所有计算，而使用极小的功率可以做更大的事情。技术规格令人印象深刻。

NVIDIA Parker系列Tegra X2：256核Pascal GPU和两个64位Denver CPU内核与HMP配置中的四个Cortex-A57 CPU配对
8GB的128位LPDDR4 RAM
32GB eMMC 5.1板载存储
802.11b / g / n / ac 2x2 MIMO Wi-Fi
蓝牙4.1
USB 3.0和USB 2.0
千兆以太网
SD卡插槽用于外部存储
SATA 2.0
完整的多通道PMIC
400针高速和低速工业标准I / O连接器

最好的技术规格是Jetson TX2是针对去年的Jetson TX1替代引脚的引脚。让它陷入困境 - 使用现有NVIDIA TX1计算机为设备后面的大脑供电的开发人员将能够关闭设备，拉出旧板并放入新板。 TX1的软件将更新为TX2使用的相同软件，因此它实际上是一个替代品。如果您曾经在设备上做过任何类型的现场或工厂工作，如果有任何停机时间会花费很多钱，那么您就会明白这是多么重要。在开发下一代设备时，它使用的硬件与现有一代100％兼容。

这里的秘密是通过NVIDIA的Pascal GPU内核。 Pascal核心用于为VR和4K 3D游戏设计的高端视频卡的原因相同，这也是他们用于Jetson TX2的原因。 GPU核心是一种更有效的数字处理方式。它们更快，耗电量更少。

计算的圣杯是人工智能（AI）：构建一台如此智能的机器，它可以在没有明确指示的情况下自行学习。深度学习是实现现代人工智能的关键因素。深度学习让AI“大脑”能够感知周围的世界; 机器学习并最终自己做出决定。现在，在学术界和工业界广泛认可GPU是训练深度神经网络（DNN）的最先进技术，与传统的基于CPU的平台相比，由于速度和能效优势。

NVIDIA GPU计算机已经做了一些了不起的事情。他们推动用于自动驾驶汽车的深度学习，教授机器人类似于行走和抓握的运动技能，高速分析视频以提供文字标题甚至玩Go。打败真正优秀的人类对手。

GPU核心可以使用比传统CPU计算更少的功率来完成相同的工作。

人工智能和可以驱动它的大脑的真正考验即将来临。自动机器人和无人机正在开发用于工作检查等工作，可以在现场采取便携式医疗设备以帮助急需的人，甚至可以分析他们所看到的内容并采取适当行动的智能安全摄像头是现实。这些想法需要能够通过深度学习算法驱动AI的计算以及自己分析神经网络收集数据的能力。它们不能连接到电缆上，并且将用于甚至Verizon都没有覆盖的地方。

除了功能强大外，设计小巧便携的计算机必须具有高能效。测试显示（.pdf文件）NVIDIA基于GPU的计算可以相当于英特尔酷睿i7 6700K CPU，使用6瓦功率而不是60瓦。对于未连接到电网的设备，这一点很重要。

我们使用AlexNet和GoogLeNet运行了一些基准测试 - 基于CV的对象类别分类和检测测试软件，结果非常棒。在Max-P（高功率）模式下，Jetson TX2能够使用AlexNet网络每秒平均分析641个图像，同时仅使用13瓦的功率。 GoogLeNet测试平均每秒278张图像，同时使用14瓦的功率。 Max-Q（低功耗）测试在AlexNet上平均每秒拍摄481张图像，在GoogLeNet上每秒拍摄191张图像，同时仅使用7瓦的功率。这只是去年Jetson TX1可以提供的两倍，而且它也非常出色。

如果您能够快速且准确地在现场处理信息，则与云的连接不再是以前的限制因素。

在实验室里

Jetson TX2在现场应该非常强大。它是下一代机器中的第一台，它可以在不连接云的情况下进行学习，并从现有设备进行大量升级。但它也有开发人员喜欢的功能。

信用卡大小的计算模块可插入一个完整的载板，作为Jetson TX2开发套件的一部分。载板使用Jetson模块上的400 I / O引脚提供标准桌面连接。软件开发人员可以使用标准USB键盘和鼠标，标准监视器和Jetson TX2来创建完整的开发环境。

在基于Ubuntu 16.04的Linux4Tegra操作系统上运行，开发和调试深度学习AI应用程序所需的所有工具都包含在NVIDIA的JetPack软件中。开发人员可以从NVIDIA的开发人员专区下载该软件包，并遵循教程和社区知识，了解Jetson可以做些什么然后开始自己的想法。 JetPack中包含的软件已预先配置为在TX2处理系统上运行优化：

cuDNN - 用于深度神经网络的GPU加速原语库。
NVIDIA VisionWorks是用于计算机视觉（CV）和图像处理的软件开发包。
CUDA Toolkit - 一个全面的开发环境，适用于构建GPU加速应用程序的C和C ++开发人员。
TensorRT - 用于图像分类，分割和对象检测神经网络的高性能深度学习推理运行时。
NVIDIA Nsight Eclipse - 用于开发，调试和分析CUDA-C应用程序的全功能和定制Eclipse IDE。
Tegra System Profiler和Tegra Graphics Debugger - 使用OpenGL对应用程序进行分析和示例的工具。
使用NVIDIA Jetson TX2开发和设计硬件所需的抵押品和资产。

使用相同的平台来构建和调试任何应用程序是任何复杂和复杂的必需品。这是开发人员简化流程的方式之一，任何有助于简化工作的方法都可以让开发人员更快乐。虽然Jetson TX2可能不会被设计为任何组都将使用的唯一开发和构建计算机，但知道它能够是安装和现场工作的福音。可以在边缘上进行小的调整和更改，就像处理一样，无需将数据发送回另一个计算机库进行处理和返回。