JG-AI-01A 人工智能教學(xué)開發(fā)平臺(tái)
一、總體介紹
1. 平臺(tái)采用 Jetson Nano 開發(fā)套件
2. 提供現(xiàn)代 AI 的強(qiáng)大功能。完整的軟件可編程性。 Jetson Nano 采用四核 64 位 ARM CPU 和 128 核集成 NVIDIA GPU ，可提供 472 GFLOPS 的計(jì)算性能。它還包括 4GB LPDDR4 存儲(chǔ)器，采用高效，低功耗封裝，具有 5W / 10W 功率模式和 5V DC 輸入。
3. 完全兼容這些框架和 NVIDIA 領(lǐng)先的 AI 平臺(tái)，可以比以往更輕松地將基于 AI 的推理工作負(fù)載部署到 Jetson 。 Jetson Nano 為各種復(fù)雜的深度神經(jīng)網(wǎng)絡(luò)（ DNN ）模型提供實(shí)時(shí)計(jì)算機(jī)視覺和推理。這些功能支持多傳感器自主機(jī)器人，具有智能邊緣分析的物聯(lián)網(wǎng)設(shè)備和先進(jìn)的 AI 系統(tǒng)。甚至轉(zhuǎn)移學(xué)習(xí)也可以使用 ML 框架在 Jetson Nano 上本地重新訓(xùn)練網(wǎng)絡(luò)。
4. Jetson Nano 開發(fā)套件的占地面積僅為 80x100mm ，具有四個(gè)高速 USB 3.0 端口， MIPI CSI-2 攝像頭連接器， HDMI 2.0 和 DisplayPort 1.3 ，千兆以太網(wǎng)， M.2 Key-E 模塊， MicroSD 卡插槽，和 40 引腳 GPIO 接頭。端口和 GPIO 接頭開箱即用，具有各種流行的外圍設(shè)備，傳感器和即用型項(xiàng)目。
5 、 Jetson Nano 可以運(yùn)行各種各樣的高級(jí)網(wǎng)絡(luò)，包括流行的 ML 框架的完整原生版本，如 TensorFlow ， PyTorch ， Caffe / Caffe2 ， Keras ， MXNet 等。通過實(shí)現(xiàn)圖像識(shí)別，對(duì)象檢測(cè)和定位，姿勢(shì)估計(jì)，語義分割，視頻增強(qiáng)和智能分析等強(qiáng)大功能，這些網(wǎng)絡(luò)可用于構(gòu)建自動(dòng)機(jī)器和復(fù)雜 AI 系統(tǒng)。
• 硬件資源及技術(shù)參數(shù)
處理 |
|
中央處理器 |
64 位四核 ARM A57 @ 1.43GHz |
GPU |
128 核 NVIDIA Maxwell @ 921MHz |
記憶 |
4GB 64 位 LPDDR4 @ 1600MHz | 25.6 GB / s |
視頻編碼器 * |
4Kp30 | （ 4x ） 1080p30 | （ 2x ） 1080p60 |
視頻解碼器 * |
4Kp60 | （ 2x ） 4Kp30 | （ 8x ） 1080p30 | （ 4x ） 1080p60 |
接口 |
|
USB |
4x USB 3.0 A （主機(jī)） | USB 2.0 Micro B （設(shè)備） |
相機(jī) |
MIPI CSI-2 x2 （ 15 位 Flex 連接器） |
顯示 |
HDMI | DisplayPort 的 |
聯(lián)網(wǎng) |
千兆以太網(wǎng)（ RJ45 ） |
無線 |
M.2 帶有 PCIe x1 的 Key-E |
存儲(chǔ) |
MicroSD 卡（建議最低 16GB UHS-1 ） |
其他 I / O. |
（ 3x ） I2C | （ 2x ） SPI | UART | I2S | 個(gè) GPIO |
主要實(shí)驗(yàn)項(xiàng)目
平臺(tái)提供 OpenCV 、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和端側(cè) AI 模型部署等教學(xué)資源，并提供從神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練、模型轉(zhuǎn)換到模型部署的完整文檔教程。配套豐富的實(shí)訓(xùn)案例以及開發(fā)手冊(cè)等。
1 、控制基礎(chǔ)例程
控制 RGB 燈
控制蜂鳴器
操作控制舵機(jī)
讀取舵機(jī)位置
控制所有舵機(jī)
控制機(jī)械臂做一些動(dòng)作
操作機(jī)械臂記憶動(dòng)作
機(jī)械臂夾方塊
2 、 OpenCV 基礎(chǔ)例程
圖像讀取與顯示；
圖像繪制；
圖像 ROI 提��；
圖像幾何變換；
圖像形態(tài)學(xué)操作；
圖像輪廓提取
3 、機(jī)器學(xué)習(xí)基礎(chǔ)例程
(1) 回歸算法；
(2) 聚類算法；
(3) 分類算法；
(4) 決策樹；
(5) 支持向量機(jī)；
4 、深度學(xué)習(xí)基礎(chǔ)例程
神經(jīng)網(wǎng)絡(luò)線性回歸；
神經(jīng)網(wǎng)絡(luò)非線性回歸；
全連接神經(jīng)網(wǎng)絡(luò)識(shí)別手寫數(shù)字；
卷積神經(jīng)網(wǎng)絡(luò)人臉識(shí)別
神經(jīng)網(wǎng)絡(luò)模型的保存與使用；
5 、深度學(xué)習(xí)綜合例程
(1) 手勢(shì)識(shí)別實(shí)驗(yàn)
(2) 顏色識(shí)別實(shí)驗(yàn)
(3) 顏色識(shí)別并抓取積木實(shí)驗(yàn)
(4) 視覺定位實(shí)驗(yàn)
(5) 垃圾分類實(shí)驗(yàn)
(6) 目標(biāo)追蹤實(shí)驗(yàn)
(7) 人臉表情識(shí)別應(yīng)用案例
(8) 車牌識(shí)別應(yīng)用案例
(9) 口罩檢測(cè)應(yīng)用案例
|
