请问JetsonNano是什么？

1141

问答对人有帮助，内容完整，我也想知道答案 0 什么是JetsonNano 0
2020-11-16 06:01:25　　评论淘帖0 邀请回答您可以邀请以下用户，快速回答问题 × ChristineGu 该类别下有 16 个回答。邀请回答 HengDu 该类别下有 16 个回答。邀请回答 heks 该类别下有 16 个回答。邀请回答 dfasda 该类别下有 15 个回答。邀请回答 nhonglan 该类别下有 15 个回答。邀请回答 yonglanzhang 该类别下有 15 个回答。邀请回答杀狼000 该类别下有 14 个回答。邀请回答 wenminglang 该类别下有 14 个回答。邀请回答 C880U 该类别下有 14 个回答。邀请回答 jhdfvs 该类别下有 14 个回答。邀请回答 chm5 该类别下有 14 个回答。邀请回答 muwersddg 该类别下有 14 个回答。邀请回答 hrtuoyu 该类别下有 13 个回答。邀请回答 hfgdzc 该类别下有 13 个回答。邀请回答 thyysbk 该类别下有 13 个回答。邀请回答凡人wlj 该类别下有 13 个回答。邀请回答 kszdj113 该类别下有 13 个回答。邀请回答飞雪9366 该类别下有 13 个回答。邀请回答 billbian 该类别下有 13 个回答。邀请回答 a732538 该类别下有 13 个回答。邀请回答举报李亚祎相关推荐 • 求JetsonNano的硬件连接和使用方法？ 2606 • 如何实现jetsonnano和stm32的串口通信？ 1431 • 请问如何安装Samba服务？ 1326 • JetsonNano™2GBDeveloperKit开箱测试 2557 • 请问IC型号 2692 • 请问如何得积分？？ 4677 • 请问socfpga的疑问该怎么解决？ 1584 • 请问uCOS-II用stm32的例子我下了，请问怎么打开，怎么下载，新手不懂 2631 • 请问下图函数的作用是什么？ 912 • 请问各位大佬有用过研华pcie1810吗？请问用这卡如何采集电流 3127 1个回答

Jetson nano搭载四核Cortex-A57 MPCore 处理器，采用128 核 Maxwell™ GPU。支持JetPack SDK. 支持主流的AI框架和算法，例如TensorFlow， PyTorch, Caffe/Caffe2, Keras, MXNet等。
支持人脸识别，物体识别追踪，对象检测和定位等应用。

板载资源

Micro SD 卡卡槽: 可接入TF卡（16G以上），烧写系统镜像
40PIN GPIO扩展接口（兼容树莓派40PIN接口）
Micro USB接口：用于5V电源输入或者USB数据传输
千兆以太网口: 10/100/1000Base-T 自适应以太网端口
USB3.0接口：4个USB3.0接口
HDMI高清接口：用于外接HDMI屏幕
DisplayPort接口：用于外接DP屏幕
DC电源接口：用于外接5V电源（外径5.5，内径2.1）
MIPS CSI 摄像头接口：兼容树莓派摄像头接口
性能
下面这一份表格是NVIDIA官方给出的性能对比表格，以供参考
DNR表示无法运行。

Model	Application	Framework	NVIDIA Jetson Nano	Raspberry Pi 3	Raspberry Pi 3 + Intel Neural Compute Stick 2	Google Edge TPU Dev Board
ResNet-50 (224×224)	Classification	TensorFlow	36 FPS	1.4 FPS	16 FPS	DNR
MobileNet-v2 (300×300)	Classification	TensorFlow	64 FPS	2.5 FPS	30 FPS	130 FPS
SSD ResNet-18 (960×544)	Object Detection	TensorFlow	5 FPS	DNR	DNR	DNR
SSD ResNet-18 (480×272)	Object Detection	TensorFlow	16 FPS	DNR	DNR	DNR
SSD ResNet-18 (300×300)	Object Detection	TensorFlow	18 FPS	DNR	DNR	DNR
SSD Mobilenet-V2 (960×544)	Object Detection	TensorFlow	8 FPS	DNR	1.8 FPS	DNR
SSD Mobilenet-V2 (480×272)	Object Detection	TensorFlow	27 FPS	DNR	7 FPS	DNR
SSD Mobilenet-V2 (300×300)	Object Detection	TensorFlow	39 FPS	1 FPS	11 FPS	48 FPS
Inception V4 (299×299)	Classification	PyTorch	11 FPS	DNR	DNR	9 FPS
Tiny YOLO V3 (416×416)	Object Detection	Darknet	25 FPS	0.5 FPS	DNR	DNR
OpenPose (256×256)	Pose Estimation	Caffe	14 FPS	DNR	5 FPS	DNR
VGG-19 (224×224)	Classification	MXNet	10 FPS	0.5 FPS	5 FPS	DNR
Super Resolution (481×321)	Image Processing	PyTorch	15 FPS	DNR	0.6 FPS	DNR
Unet (1x512x512)	Segmentation	Caffe	18 FPS	DNR	5 FPS	DNR