תוכן עניינים:
בינה מלאכותית ומכונות שיכולות ללמוד הם כיצד ישתפרו הדברים שאנו משתמשים בכל יום. גוגל ואנדרואיד כוללות AI באמצעות Google Assistant ולמידת מכונות, ולכן חשוב לדעת כיצד פועל הקצה האחורי, איך הגיעו לשם ואילו סוגי ציוד מאפשרים הכל. וזה גם ממש מגניב!
האנשים שיבנו טכנולוגיה זו של העתיד יזדקקו לכלים לעשות זאת. בשנת 2017 NVIDIA עושה את שלה, והג'טסון TX2 הוא התגלמות רעיון זה. מפתחים זקוקים לחומרה שלא רק מסוגלת לבצע את המחשוב ולחשוב (כן, אני אגיד את זה) שעתידנו החכם יותר יצטרך, אלא שהוא גם קל לשימוש ולפריסה.
AI בקצה.
NVIDIA מתייחס לזה כאל "מסירת AI בקצה" וזה תיאור נאות. ה- TX2 הוא מחשב-על שלם. זה מסוגל לעבד נתונים בכוחות עצמו במקום ובשעה שהם אכן מתרחשים במקום במרחק של אלפי מיילים משם דרך האינטרנט. אנו לוקחים את הקישוריות כמובנת מאליה בגלל הדרך בה אנו משתמשים בה ברגע זה, אך ישנם מקרים רבים בהם ההמתנה לנתיב הלוך ושוב ממכונה חכמה היא פשוט ארוכה מכדי לחכות. ולחלק גדול מהשיש הכחול הזה שאנחנו חיים עליו אין חיבור לאינטרנט, והוא לא תקיים הרבה מאוד זמן.
מחשב קטן שיכול לעשות כמעט כל דבר ולעבד את כל הנתונים שהוא אוסף בעצמו הוא כיצד אתה מתמודד עם הבעיות הללו. נראה כי NVIDIA מסמרה אותו כאן.
מה הדבר הזה?
זה לא משהו שתוכל למצוא ב- Best Buy כדי להשתמש בדברים שאתה עושה בטלפון שלך. זה לא מפעיל אנדרואיד (אבל זה בהחלט לא יהיה קשה לתקן את זה) וזה משהו שרובנו לא נקנה. אבל זה עדיין חלק חשוב מאוד מהדברים שאנחנו אוהבים.
הג'טסון TX2 הוא כלי פיתוח. Jetson TX2 הוא גם מודול מוכן לשדה להעברת ציוד מבוסס AI. זה מחשב בגודל כרטיס אשראי עם כל הכניסות והפלטים שיש למחשב "רגיל". כשאתה מחבר את מודול TX2 ללוח הגב שעוצב במיוחד (זה חלק מערך הפיתוח) הוא הופך לרוב למחשב גורם טיפורי קטן, טיפוסי, השלם עם כל היציאות והתקעים שבשולחן העבודה שלך.
מפתחים יכולים להשתמש בזה כדי לבנות ציוד ולמעשה להשתמש בג'טסון עצמו כדי להפעיל הדגמות והדמיות. זו מכונה קטנה ומסוגלת שיכולה לעשות את כל החישובים שמשהו גדול בהרבה יכול לעשות תוך שימוש בכמות כוח זעומה לשם כך. מפרט הטכנולוגיה מרשים.
- סדרת NVIDIA פארקר Tegra X2: 255 ליבות פסקל GPU ושתי ליבות מעבד של 64 סיביות של דנוור מזוודות עם ארבעה מעבד Cortex-A57 בתצורת HMP
- 8 ג'יגה-בייט RAM של 128 סיביות LPDDR4
- אחסון מקומי 5.1MMM 5.1 בנפח
- Wi-Fi 802.11b / g / n / ac 2x2 MIMO
- Bluetooth 4.1
- USB 3.0 ו- USB 2.0
- Gigabit Ethernet
- חריץ כרטיס SD לאחסון חיצוני
- SATA 2.0
- PMIC רב ערוצי שלם
- מחבר קלט / פלט סטנדרטי לתעשייה במהירות גבוהה ומהיר נמוך
המפרט הטכנולוגי הטוב ביותר הוא שג'טסון TX2 הוא סיכה לירידה בסיכה בתחליף לג'טסון TX1 בשנה שעברה. תן לזה לשקוע קצת - מפתחים המשתמשים במחשבי NVIDIA TX1 קיימים בכדי להניע את המוח מאחורי הציוד שלהם יוכלו לכבות דברים, למשוך את הלוח הישן ולהכניס את החדש. התוכנה עבור TX1 תעודכן לאותה תוכנה בה TX2 משתמשת כך שהיא תהיה ממש ירידה בהחלפה. אם אי פעם עשית עבודות שדה או מפעל כלשהן על ציוד שעולה כסף רב כאשר יש לו זמן השבתה, אתה מבין כמה זה חשוב. בעוד ציוד הדור הבא מפותח, הוא משתמש בחומרה שעובדת 100% עם הדור הקיים.
הסוד כאן הוא דרך ליבות פסקל GPU של NVIDIA. אותה סיבה שמשמשת ליבות פסקל בכרטיסי מסך מתקדמים במיוחד המיועדים למשחקי VR ו- 4K תלת-ממדיים, היא הסיבה שהם משמשים לג'טסון TX2. ליבות ה- GPU הן דרך יעילה יותר לרסק מספרים. הם מהירים יותר ומשתמשים בהרבה פחות כוח.
הגביע הקדוש של המחשוב הוא בינה מלאכותית (AI): בניית מכונה כל כך אינטליגנטית, שהיא יכולה ללמוד בעצמה ללא הוראות מפורשות. למידה עמוקה היא מרכיב קריטי להשגת AI מודרני. למידה עמוקה מאפשרת למוח "AI" לתפוס את העולם סביבו; המכונה לומדת ובסופו של דבר מקבלת החלטות מעצמה. כיום מקובל להכיר באקדמיה ובתעשייה כי GPUs הם המובילים בתחום הכשרת רשתות עצביות עמוקות (DNN), בשל יתרונות מהירות ויעילות אנרגיה בהשוואה לפלטפורמות מבוססות-CPU מסורתיות יותר.
מחשבי GPU של NVIDIA כבר עושים כמה דברים מדהימים. הם מניעים את הלמידה העמוקה המשמשת למכוניות בנהיגה עצמית, מלמדים רובוטים מיומנויות מוטוריות דמויות אנושיות כמו הליכה ותפיסה, ניתוח וידיאו במהירות גבוהה כדי לספק כיתובי טקסט ואפילו לנגן Go. ומכים מתנגדים אנושיים טובים באמת.
ליבות ה- GPU יכולות לבצע את אותה העבודה באמצעות פחות כוח כמו מחשוב מעבד מסורתי.
המבחן האמיתי של AI והמוחות שיכולים להניע אותו נמצא באופק. רובוטים ומזל"טים אוטונומיים מפותחים לעבודות כמו בדיקה תעשייתית, מכשירים רפואיים ניידים שניתן לקחת בשטח כדי לעזור לנזקקים נדרשים נואשות ואפילו מצלמות אבטחה חכמות שיכולות לנתח את מה שהם רואים ולנקוט בפעולות מתאימות בקרוב להיות מציאויות. רעיונות אלה זקוקים למחשוב שיכול להניע AI עם אלגוריתמי למידה עמוקים ויכולת לנתח נתונים עצביים שנאספו בעצמם. הם לא יכולים להיות מחוברים לכבל וישמשו במקומות בהם אפילו ל- Verizon אין כיסוי.
מלבד היותו חזק, מחשב המיועד להיות קטן ונייד צריך להיות יעיל בחשמל. הבדיקה מראה (קובץ pdf) שמחשוב מבוסס NVIDIA GPU יכול להיות שווה ערך למעבד Intel Core i7 6700K ולהשתמש בספק של 6 וואט בהשוואה ל 60. עבור ציוד שאינו מחובר לרשת החשמל, זה חשוב.
רצינו כמה מדדים בעזרת AlexNet ו- GoogLeNet - תוכנה לבדיקת קטגוריית אובייקטים מבוססי קורות חיים ובדיקת זיהוי והתוצאות היו פנטסטיות. במצב Max-P (הספק גבוה), ג'טסון TX2 הצליח לנתח בממוצע 641 תמונות בשנייה באמצעות רשת AlexNet תוך שימוש בסך 13 וואט חשמל בלבד. בדיקת GoogLeNet העמידה בממוצע 278 תמונות בשנייה תוך שימוש בספק של 14 וואט. מבחני Max-Q (צריכת חשמל נמוכה) קלעו בממוצע 481 תמונות בשנייה ב- AlexNet ו -191 תמונות בשנייה ב- GoogLeNet תוך שימוש בסך 7 וואט בלבד. זה בערך פי שניים ממה שג'טסון TX1 בשנה שעברה יכול היה לספק, וגם הוא היה די טוב בזה.
כאשר אתה יכול לעבד מידע מהיר כל כך ומדויק זה באתר, חיבור לענן אינו הגורם המגביל שהיה בעבר.
במעבדה
ג'טסון TX2 אמור להיות מסוגל מאוד בתחום. זו המכונות הראשונות מהדור הבא שתלמד באמצעות ביצוע ללא חיבור לענן ושדרוג משמעותי מהציוד הקיים. אבל יש לו גם תכונות שמפתחים יאהבו.
מודול המחשוב בגודל כרטיסי האשראי יכול לחבר ללוח ספקים שלם הזמין כחלק מערכת הפיתוח של ג'טסון TX2. לוח המנשא משתמש בסיכות 400 קלט / פלט במודול ג'טסון כדי לספק חיבורי שולחן עבודה סטנדרטיים. מפתח תוכנה יכול להשתמש במקלדת ועכבר USB סטנדרטיים, צג רגיל ו- Jetson TX2 כדי ליצור סביבת פיתוח שלמה.
הפעלה על מערכת הפעלה Linux4Tegra מבוססת Ubuntu 16.04, כל הכלים הדרושים לך לפיתוח וניקוי באגים של יישומי AI למידה עמוקה כלולים כחלק מתוכנת JetPack של NVIDIA. מפתחים יכולים להוריד את החבילה מאזור המפתחים של NVIDIA, כמו גם לעקוב אחר הדרכות וידע בקהילה כדי לראות מה הג'טסון יכול לעשות ואז להתחיל לעבוד על רעיונותיהם שלהם. תוכנה כלולה ב- JetPack מוגדרת מראש להפעלה מותאמת במערכת העיבוד TX2:
- cuDNN - ספרייה מואצת של GPU של פרימיטיביות לרשתות עצביות עמוקות.
- NVIDIA VisionWorks היא חבילת פיתוח תוכנה לעיבוד תמונה (CV) ולעיבוד תמונה.
- CUDA Toolkit - סביבת פיתוח מקיפה למפתחי C ו- C ++ הבונים יישומים מואצים GPU.
- TensorRT - זמן ריצת סיכום למידה עמוקה עם ביצועים גבוהים לסיווג תמונות, פילוח, וגילוי עצמים ברשתות עצביות.
- NVIDIA Nsight Eclipse - Eclipse IDE עם כל התכונות וההתאמה האישית לפיתוח, ניפוי באגים ופרופיל יישומי CUDA-C.
- Tegra System Profiler ו- Tegra Graphics Debugger - כלים לפרופיל ולדגימה של יישומים באמצעות OpenGL.
- הבטוחות והנכסים הדרושים לפיתוח ועיצוב חומרה באמצעות NVIDIA Jetson TX2.
השימוש באותה פלטפורמה לבניית באגים וביצוע באגים כלשהם הוא חובה לכל דבר מורכב ומסובך. זו אחת הדרכים שמפתחים יכולים לפשט את התהליך וכל דבר שיכול לעזור להקל על המפתחים הופך למפתחים שמחים יותר. למרות שג'טסון TX2 עשוי שלא להיות מתוכנן כמחשב הפיתוח והבנייה היחיד בו כל קבוצה תשתמש, בידיעה שהוא מסוגל הוא יתרון להתקנה ועבודה בשטח. ביצוע שינויים ושינויים קטנים ניתן לבצע ב- Edge באותו אופן בו העיבוד מתבצע מבלי לשלוח נתונים לבנק מחשב אחר לעיבוד והחזרה.
ניתן לתכנן ציוד באמצעות נכסי חומרה וציורים זמינים כדי לא רק להפחית את המורכבות אלא גם לאפשר ממשק קל באמצעות ציוד היקפי ותוכנה זמינים. חמושים עם מחשב נייד וכבל USB, למהנדס או טכנאי שדה יש את כל הדרוש כדי לבנות מחדש מהיסוד במידת הצורך.
התוכנה של NVIDIA Jetpack פירושה שמפתחים יכולים להתמקד בעבודתם ולא להקים סביבת בנייה.
אפילו התקנת ה- Jetpack של NVIDIA מתייעלת. לסוקרים סופקה גרסה מעודכנת להתקנה, ובעקבות מספר הוראות פשוטות באמצעות GUI חכם, בנה מחדש את כל התוכנות שהושלמו בכמה צעדים וכוס קפה. שוב, אנו רואים ש- NVIDIA מקלה על כך שמפתחים יכולים להתמקד בעבודה שלהם במקום לשמור על סביבת הבניה עצמה.
אחרי כמה ימים של הקמת דברים ובדיקת הכל, התרחקתי מאוד ממה ש- NVIDIA מספקת כאן. הג'טסון TX1 הראשון היה מוצר נהדר שמילא צורך בפיתוח מהיר באמצעות ליבות GPU כדי לבצע את ההרמה הכבדה ליישומי רשת עצבית למידה עמוקה. תוך זמן קצר מאוד, NVIDIA העלתה את הרף עם יורש שיכול לשבור את התלות בענן באמצעות אותם כלי פיתוח וטכניקות מוכרים.
הטכנולוגיה של העתיד תלהיב ותעורר את כולנו. מוצרים כמו Jetson TX2 הם מה שיאפשר את העתיד ההוא. ערכת המפתחים NVIDIA Jetson TX2 מתומחרת ב 599 $ להזמנות קמעונאיות ו 299 $ לסטודנטים.
ראה בפורטל המפתחים המשובצים של NVIDIA
