Nvidia Jetson Nano : 128 coeurs CUDA pour 99 dollars

La carte de développement Nvidia Jetson Nano est une excellente nouvelle sur ce marché. De par son équipement, sa philosophie et la marque qui l’anime, elle devrait apporter beaucoup de possibilités supplémentaires aux habituelles Raspberry Pi.

Non pas que la Pi soit moins intéressante ou moins performante, elle ne vise certainement pas le même public. La recette de Nvidia pour cette Jetson Nano est en fait assez simple. Regarder le cahier des charges des utilisateurs de ce type de solution de développement, prendre en compte les aspirations des chercheurs en Deep Learning et y répondre du mieux possible pour un prix abordable. 

Jetson-Nano_3QTR-Front_Left-1920px

Jetson, c’est une veille histoire pour Nvidia puisque la première carte de ce type proposait une solution Tegra K1 avant de rapidement évoluer vers un Tegra X1 avec la Jetson TX1 puis un Tegra X2 avec la Jetson TX2. Enfin, en 2018, un SoC Xavier fût employé par Nvidia pour cette gamme. A chaque évolution, les cartes gagnaient en maturité tant sur le segment des performances que de l’écosystème. 

2019-03-19 18_18_01-minimachines.net

Jetson Xavier en version module

Je n’ai pas parlé de Jetson Xavier, et pour cause, la solution était loin des habitudes du secteur et concernait avant tout l’industrie. Avec un SoC Xavier associé à un GPU Volta e 512 coeurs et 4 Mo de mémoire cache, la carte embarquait pas moins de 16 Go de DDR4 et 32 Go de eMMC 5.1. Les possibilités techniques étaient énormes et visaient des secteurs complexes : Avec compression et décompression vidéo UltraHD à la volée, traitement visuel  des données, gestion du Deep Learning, et une foule de connecteurs variés. Cette solution visait à rendre les recherches de certaines activités plus faciles comme la création d’IA pour l’automobile,par exemple. Sa faible consommation pouvant s’ajuster en 10, 15 ou 30 watts, elle pouvait aussi bien équiper un tableau de bord que des solutions robotiques mobiles. Avec une puissance de calcul de 30 TOPS, elle pouvait mener à bien la programmation d’énormément de tâches de manière autonome.

2019-03-19 18_19_04-minimachines.net

Jetson Xavier en solution industrielle

La solution Jetson Xavier peut piloter 16 caméras et propose un grand nombre de connecteurs tout en restant très compacte : 10 cm de long pour 8.7 de large sur une épaisseur de 1.6 cm, elle doit pouvoir s’intégrer dans tout type de projet. Problème, alors que la précédente carte Jetson TX2 se négociait à 500 dollars, Jetson Xavier est lancée à 1299 dollars, ce qui en fait une solution purement industrielle.

Nvidia Jetson Nano : une solution “grand public” à 99 dollars

Et voilà que Nvidia rétro-pédale. sa nouvelle solution n’enfle pas en puissance de calcul mais réduit au contraire la voilure pour une solution plus abordable. Annoncée à 99$, la Jetson Nano n’en est pas moins un petit monstre de performances.

Avec 472 GLFOPS, la carte abrite un SoC ARM composée de quatre coeurs Cortex-A57 fonctionnant à 1,43 GHz secondés par un circuit graphique Nvidia Maxwell intégrant 128 coeurs CUDA. Le tout est associé à 4 Go de mémoire vive DDR4. De quoi faire tourner de nombreuses solutions logicielles dans des conditions plus que satisfaisantes.

2019-03-19 17_56_26-minimachines.net

La connectique n’est pas en reste avec un stockage lié à un lecteur de cartes microSDXC. Un port Ethernet Gigabit est présent ainsi qu’un port M.2 pour ajouter une éventuelle carte réseau sans fil. Le reste est classique avec une sortie à la norme HDMI 2.0, un DiplayPort 1.4, quatre ports USB 3.0 et un port micro USB 2.0.
La carte n’oublie pas d’être une solution de développement et expose donc toute une ribambelle de broches pour piloter des solutions externes ou capter des informations : GPIO, I2C, I2S, SPI, MIPI CSI-2, UART… L’alimentation peut se faire en direct via un jack classique depuis un adaptateur secteur 5V 2.5A mais la carte peut également se contenter d’une alimentation réseau POE.

Le tout est condensé sur une carte de 10 cm de long pour 8 cm de large et 2.9 cm d’épaisseur. Plus que d’habitude et pour cause, Nvidia a le bon goût de proposer d’office non pas un petit ventilateur bruyant mais un dissipateur 100% passif en aluminium anodisé noir qui vient couvrir la puce embarquée. Comme vous l’aurez sans doute remarqué, ce dissipateur est pré-percé de 4 trous pour pouvoir ajouter un ventilateur en cas de besoin. Nvidia conseille le Noctua NF-A4x20 PWM pour son silence et son efficacité. Une solution déjà largement plébiscitée par la communauté des utilisateurs d’imprimantes 3D.

Si on fait un bilan de compétence global de cette carte, pour les 99 dollars demandés, on est devant un engin assez exceptionnel pour qui cherche autre chose que la simple restitution multimédia habituelle.

Avec la Jetson Nano, Nvidia ne s’adresse pas à l’amoureux des flux vidéo à la recherche d’une solution parfaite pour décompresser ses séries, mais plutôt à quelqu’un à la recherche d’une carte pour créer des outils robotiques, gérer du Deep Learning ou construire des projets amateurs d’envergure. Le but de ce nouveau dérivé Jetson est de rendre l’accès à l’univers composé par Nvidia plus accessible pour qu’il bouillonne dans plus de centres de recherche, plus de Fablab et de garages. La marque a bien compris que de s’adresser uniquement aux industriels suffisamment établis pour acheter une solution à 1300 dollars ne profiterait pas de l’effervescence bouillonnante des bidouilleurs de tous poils qui découvrent en permanence des solutions originales.

Dans la vidéo ci dessus, une seule carte Jetson Nano analyse en temps réel 8 flux vidéo 1080p à 30 images par seconde et identifie sur chaque flux les différents événements : Piétons, cyclistes, voitures… Ce n’est qu’un des nombreux exemple des capacités de la carte.

Des foules d’usages peuvent être imaginés. De la solution capable d’analyser et d’authentifier à la volée tout type d’animal passant dans son champ de vision au minuscule robot autonome apte à cartographier un lieu ou en faire un inventaire, les possibilités de cette carte à 100$ sont gigantesques.

2019-03-19 18_02_34-minimachines.net

Une philosophie qui se conjugue avec un support logiciel complet

Mais ce qui va séduire également nombre de développeurs à la recherche d’une solution performante et efficace, c’est l’implication de Nvidia dans la gestion de son écosystème. Contrairement à beaucoup de marques gravitant autour du succès des Raspberry Pi, Nvidia se concentre également sur le front logiciel avec des développements sérieux et établis dans la durée.

Depuis des années, Nvidia développe une solution logicielle complète sur une base d’Ubuntu. Jetpack/L4T a déjà sa communauté et les cartes à peine annoncées sont déjà largement documentées et supportées par des images prêtes à l’emploi. La marque publie dans la foulée des éléments sur GitHub comme son JetBot ou des AI déjà entraînées prêtes à l’emploi et proposera sans doute une actualité régulière sur cette nouvelle solution. 

Attendez vous donc à voir surgir rapidement guides et tutos en tout genre. Probablement d’abord les habituels éléments servant à transformer la carte en lecteur vidéo H.265 en UltraHD ou en console rétro dans une simili borne d’arcade. Mais le mieux est à venir avec des développements employant les fonctions de Deep Learning de la carte avec, par exemple, des solutions de robotique autonome, des prises en charge de reconnaissance et de tri visuel, des applications nouvelles exploitant les capacités de calcul de la Jetson Nano.

Reste à espérer que des revendeurs français jouent le jeu, si l’achat de la carte pourra se faire directement auprès de Nvidia US, la disponibilité de la solution chez quelques revendeurs permettrait sans doute de rendre son acquisition et son déploiement plus faciles. 


Soutenez Minimachines.net !
24 commentaires sur ce sujet.
  • 19 mars 2019 - 20 h 28 min

    Cette carte peut être utilisée en tant qu’ordinateur sous linux arm ?

    Répondre
  • 19 mars 2019 - 20 h 34 min

    @Le Breton: C’est un ordinateur sous Linux ARM.

    Répondre
  • 19 mars 2019 - 23 h 23 min

    Deux liens invalides, celui pour le Noctua et la doc Jetpack.

    Répondre
  • 20 mars 2019 - 9 h 13 min

    Curieux de savoir ce que ça peut donner sur des jeux vidéo ou ça ne changera rien par rapport aux capacités d’un Rasp ?

    Répondre
  • 20 mars 2019 - 9 h 19 min

    @Dliryc:

    CA doit être le jour et la nuit :D

    déjà c’est des cores high perf (57 pas 53 mais je sais pas ce que ca vaut par rapport à du a72/73) et la puce graphique des rasp est vraiment anémique la on a du nvidia.

    par contre en terme de teraflop on est légèrement inférieur à une switch.

    cependant en vue du dégagement thermique faut prévoir un bon boitier.

    Répondre
  • 20 mars 2019 - 9 h 37 min

    on a trouvé la puce que Terminator2 cherchait début 1990 XD

    Répondre
  • 20 mars 2019 - 9 h 59 min

    Bonjour,

    Serait-ce une bonne solution pour du calcul scientifique (modèle tournant sur linux, par exemple)?

    Les 472 GLFOPS sont directement accessible, ou faut-il des codes exploitant CUDA pour arriver à ce niveau de performance?

    Répondre
  • 20 mars 2019 - 11 h 08 min

    @Emyr: J’imagine qu’il faut utiliser CUDA pour exploiter le GPU intégré.
    Ceci dit ça devrait être relativement aisé puisque c’est sûrement préinstallé sur les images systèmes fournies par NVidia, et la plupart des libs deep learning / scientifiques supportent déjà CUDA

    Répondre
  • 20 mars 2019 - 11 h 30 min

    cuda … ou opencl qui présente l’avantage d’être plus adatable à l’archi matérielle

    Répondre
  • Tof
    20 mars 2019 - 11 h 35 min

    Si le support logiciel sur Linux est complet, alors je suis très intéressé !

    Le support de la partie GPU est toujours le gros point noir sur les différents SBC en ARM: parfois pas de support du tout, ou alors partiel et buggué, parfois un binaire pré-compilé désuet dès son jour de sortie (et pas compatible avec de futures versions du noyau), ou encore du financement participatif pour développer la partie logiciel/pilote/module à posteriori… Bref la misère.

    Bon par contre, contrairement aux annonces clickbait de AndroidPit, je cite: le titre “Nvidia Jetson Nano : voici l’ordinateur doté d’Intelligence Artificielle pour 88 euros” et dans l’article: “Le Jetson Nano Developer Kit ne coûte que 99 dollars (88 euros)”. En réalité en précommande sur le site Nvidia le prix réel européen est de 109€.

    Et pour la disponibilité, même en précommande sur le site Nvidia: “Désolé, le produit NVIDIA Jetson Nano Developer Kit est actuellement en rupture de stock”…

    Répondre
  • 20 mars 2019 - 11 h 48 min

    @Tof: D’après NVidia la distribution officiellement supportée est Linux4Tegra (L4T) qui d’après la page https://developer.nvidia.com/embedded/linux-tegra est en kernel 4.9… pas tout récent donc mais apparemment avec du support prévu jusqu’en 2023 !

    Sinon je sais pas s’il sera possible de mettre une autre distribution, NVidia fournit un certain nombre de choses, mais est-ce que ça sera adaptable telle est la question.

    Répondre
  • 20 mars 2019 - 14 h 46 min

    Ça commence à devenir intéressant… Cette carte décode les vidéos en 1080p @ 60 fps ? Idem en encodage ?

    Répondre
  • 20 mars 2019 - 17 h 51 min
  • 20 mars 2019 - 18 h 51 min

    Et tant que Vous y êtes,
    Vous pourrez même émuler l’ATARI VCS !

    Car je ne vois pas l’intérêt du RYZEN pour la console ATARI,
    c’est beau l’enfumage…

    Répondre
  • 20 mars 2019 - 20 h 31 min

    Blague à part, l’actualité des SBC (et de Google avec Coral USB et Coral SBC) montre des cartes qui intègrent de plus en plus de bouts d’IA. Va falloir s’y mettre, à moins que toute cette effervescence ne soit qu’un manière de plus de faire du canapé devant Netflix ?

    Répondre
  • 20 mars 2019 - 21 h 02 min
  • Alu
    20 mars 2019 - 21 h 31 min

    Je demande à voir les disponibilité et le support long terme sous linux.

    Par contre, ça commence à être une offre très très intéressante pour s’amuser a découvrir l’IA. Ca a une autre patate et un autre support GPU qu’un Raspberry pi.

    Ca peut faire un bon HTPC…mais bon pour le HTPC, chez nvidia, il y a la shield qui fera bien mieux le boulot Out of the Box.

    Perso, je cherchais justement une machine pas cher pour m’amuser avec tensorflow…je vais suivre ça de très près.

    Répondre
  • 21 mars 2019 - 22 h 01 min

    Alimentable en POE ? Rien que ça c’est génial.

    Répondre
  • 21 mars 2019 - 23 h 00 min

    @Le Breton: je me sers d’une RockPro64 comme desktop (Ubuntu 18.04 avec LXDE). C’est le même concept que cette carte nVidia. Là, je fais tourner du BOINC à 100% d’occupation sur les 6 coeurs pendant que j’utilise FireFox66.

    @Emyr: il serait peut être mieux de prendre ça : https://www.phoronix.com/scan.php?page=article&item=tyan-power8-server&num=1

    @Tof: la RockPro64 a eu une grosse augmentation des mises à jour depuis qu’il y’a eu l’annonce d’un laptop pour 199$ animé par cette carte. Je pense qu’elle va cristalliser pas mal d’efforts et va devenir un bon élève. Mais j’imagine que cette nVidia sera toujours mieux loti.

    @Softreaper: je n’ai pas ça dans mes dépôts. Je n’ai trouvé que [email protected] pour BOINC, mais je pense que ça va se diversifier avec la monté en perf qu’on voit actuellement sur ce genre de solution.

    Répondre
  • 22 mars 2019 - 11 h 15 min

    Curieux de voir ce que cela donnera dans un an.
    On peut imaginer facilement ce système équipant des drones autonomes capables de reconnaître le terrain en temps réel (2 caméras) et identifier précisément leur cible dans un brouhaha d’éléments (une foule par exemple ou une centrale nucléaire ou encore des IOC [indicators of compromise] selon le style).
    Intéressant …

    db

    Répondre
  • 22 mars 2019 - 12 h 07 min

    @gaduc: Toi, tu vas avoir des problèmes.

    Répondre
  • 22 mars 2019 - 18 h 15 min

    moi j’ai préco direct
    on verra ce que ça donne,

    j’espère qu’android aussi pourrait passer dessus.

    Répondre
  • 25 mars 2019 - 11 h 34 min

    Je regarde justement pour un système de vidéo-surveillance.
    Ce serait une carte nickel pour y mettre un zoneminder et l’analyse de flux vidéo, à voir s’il peut utiliser cuda…

    Répondre
  • 15 novembre 2019 - 16 h 43 min

    […] JetPack SDK. De telle sorte qu’il restera parfaitement possible de travailler un projet sous Jetson Nano d’un côté puis, pour le rendre plus performant ou passer à une étape industrielle, le […]

  • LAISSER UN COMMENTAIRE

    *

    *