在舊金山舉行的 AI 聚會上，NVIDIA 推出了 Jetson TX2 和 JetPack 3.0 AI SDK。Jetson 是世界領先的低功耗嵌入式平臺，可為各地的邊緣設備提供服務器級的 AI 計算性能。Jetson TX2 具有集成的 256 核 NVIDIA Pascal GPU、六核 ARMv8 64 位 CPU 復合體和 8GB 具有 128 位接口的 LPDDR4 內(nèi)存。CPU 綜合體結合了雙核 NVIDIA Denver 2 和四核 Arm Cortex-A57。Jetson TX2 模塊（如圖 1 所示）適合 50 x 87 毫米、85 克和 7.5 瓦的典型能源使用量的小尺寸、重量和功率 （SWaP） 占位面積。

物聯(lián)網(wǎng) （IoT） 設備通常用作中繼數(shù)據(jù)的簡單網(wǎng)關。他們依靠云連接來執(zhí)行繁重的工作和數(shù)字運算。邊緣計算是一種新興的范式，它使用本地計算在數(shù)據(jù)源上進行分析。Jetson TX2 具有超過 TFLOP/s 的性能，非常適合將高級 AI 部署到互聯(lián)網(wǎng)連接較差或昂貴的遠程現(xiàn)場位置。Jetson TX2 還提供近乎實時的響應能力和最小的延遲——這對于需要關鍵任務自主權的智能機器而言至關重要。

Jetson TX2 基于 16nm NVIDIA Tegra“Parker”片上系統(tǒng) （SoC）（圖 2 顯示了框圖）。Jetson TX2 在深度學習推理方面的能效是其前身 Jetson TX1 的兩倍，并提供比英特爾至強服務器 CPU 更高的性能。這種效率的飛躍重新定義了將高級人工智能從云端擴展到邊緣的可能性。

圖 2：NVIDIA Jetson TX2 Tegra “Parker” SoC 框圖，具有集成的 NVIDIA Pascal GPU、NVIDIA Denver 2 + Arm Cortex-A57 CPU 集群和多媒體加速引擎（點擊圖片查看完整分辨率）。

Jetson TX2 具有多個多媒體流引擎，可通過卸載傳感器采集和分發(fā)來為其 Pascal GPU 提供數(shù)據(jù)。這些多媒體引擎包括六個專用 MIPI CSI-2 攝像頭端口，每個通道的帶寬高達 2.5 Gb/s，雙圖像服務處理器 （ISP） 的處理速度為 1.4 gigapixels/s，以及支持 H.265 的 4K 視頻編解碼器每秒 60 幀。

Jetson TX2 使用 NVIDIA cuDNN 和 TensorRT 庫加速尖端的深度神經(jīng)網(wǎng)絡 （DNN） 架構，并支持 循環(huán)神經(jīng)網(wǎng)絡 （RNN）、 長短期記憶網(wǎng)絡 （LSTM）和在線 強化學習。其雙 CAN 總線控制器可實現(xiàn)自動駕駛集成，以控制使用 DNN 感知周圍世界并在動態(tài)環(huán)境中安全運行的機器人和無人機。Jetson TX2 軟件通過 NVIDIA 的 JetPack 3.0 和 Linux For Tegra （L4T） 板級支持包 （BSP） 提供。

表 1 比較了 Jetson TX2 與上一代 Jetson TX1 的特性。

性能翻倍，效率翻倍

在我 關于 JetPack 2.3 的帖子中，我展示了 NVIDIA TensorRT 如何以比桌面級 CPU 高 18 倍的效率提高 Jetson TX1 深度學習推理性能。TensorRT 通過使用圖形優(yōu)化、內(nèi)核融合、 半精度浮點計算 （FP16）和架構自動調(diào)整來優(yōu)化生產(chǎn)網(wǎng)絡以顯著提高性能。除了利用 Jetson TX2 對 FP16 的硬件支持外，NVIDIA TensorRT 還能夠同時批量處理多個圖像，從而獲得更高的性能。

Jetson TX2 和 JetPack 3.0 共同將 Jetson 平臺的性能和效率提升到一個全新的水平，為用戶提供獲得兩倍于 Jetson TX1 的效率或高達兩倍于 AI 應用程序性能的選項。這種獨特的功能使 Jetson TX2 成為需要在邊緣高效 AI 的產(chǎn)品和需要在邊緣附近獲得高性能的產(chǎn)品的理想選擇。Jetson TX2 還與 Jetson TX1 直接兼容，并為使用 Jetson TX1 設計的產(chǎn)品提供了輕松升級的機會。

為了對 Jetson TX2 和 JetPack 3.0 的性能進行基準測試，我們將其與服務器級 CPU、Intel Xeon E5-2690 v4 進行比較，并使用 GoogLeNet 深度圖像識別網(wǎng)絡測量深度學習推理吞吐量（每秒圖像數(shù)）。如圖 3 所示，以不到 15 W 的功率運行的 Jetson TX2 優(yōu)于以近 200 W 的功率運行的 CPU，從而在邊緣實現(xiàn)數(shù)據(jù)中心級 AI 功能。

圖 3：在 NVIDIA Jetson TX2 和 Intel Xeon E5-2960 v4 上分析的 GoogLeNet 網(wǎng)絡架構的性能。

Jetson TX2 這種卓越的 AI 性能和效率源于新的 Pascal GPU 架構和動態(tài)能量配置文件（Max-Q 和 Max-P）、JetPack 3.0 附帶的優(yōu)化深度學習庫以及大內(nèi)存帶寬的可用性。

Max-Q 和 Max-P

Jetson TX2 旨在實現(xiàn) 7.5W 功率下的峰值處理效率。這種性能水平（稱為 Max-Q）代表了功率/吞吐量曲線的峰值。模塊上的每個組件（包括電源）都經(jīng)過優(yōu)化，可在此時提供最高效率。GPU 的 Max-Q 頻率為 854 MHz，而 Arm A57 CPU 的 Max-Q 頻率為 1.2 GHz。JetPack 3.0 中的 L4T BSP 包括用于將 Jetson TX2 設置為 Max-Q 模式的預設平臺配置。JetPack 3.0 還包括一個新的命令行工具nvpmodel ，用于在運行時切換配置文件。

雖然動態(tài)電壓和頻率縮放 （DVFS） 允許 Jetson TX2 的 Tegra “Parker” SoC 在運行時根據(jù)用戶負載和功耗調(diào)整時鐘速度，但 Max-Q 配置設置了時鐘上限以確保應用程序正常運行僅在最有效的范圍內(nèi)。表 2 顯示了 Jetson TX2 和 Jetson TX1 在運行 GoogLeNet 和 AlexNet 深度學習基準時的性能和能效。在 Max-Q 模式下運行的 Jetson TX2 的性能與在最大時鐘頻率下運行的 Jetson TX1 的性能相似，但僅消耗一半的功率，從而使能效提高了一倍。

盡管大多數(shù)功率預算有限的平臺將從 Max-Q 行為中獲益最多，但其他平臺可能更喜歡使用最大時鐘來獲得峰值吞吐量，盡管功耗更高且效率降低。DVFS 可以配置為以一系列其他時鐘速度運行，包括降頻和超頻。Max-P 是另一種預設平臺配置，可在不到 15W 的情況下實現(xiàn)最大系統(tǒng)性能。當啟用 Arm A57 集群或 Denver 2 集群時，GPU 的 Max-P 頻率為 1122 MHz，CPU 的 Max-P 頻率為 2 GHz；同時啟用兩個集群時，Max-P 頻率為 1.4 GHz。您還可以創(chuàng)建具有中頻目標的自定義平臺配置，以便在您的應用程序的峰值效率和峰值性能之間取得平衡。

Jetson TX2 執(zhí)行 GoogLeNet 推理的速度高達 33.2 圖像/秒/瓦，效率幾乎是 Jetson TX1 的兩倍，比英特爾至強效率高近 20 倍。

端到端人工智能應用

Jetson TX2 的高效性能不可或缺的是兩個 Pascal 流式多處理器 （SM），每個處理器具有 128 個 CUDA 內(nèi)核。Pascal GPU 架構提供了重大的 性能改進和功耗優(yōu)化。TX2 的 CPU 復合體包括一個雙核 7 路超標量 NVIDIA Denver 2，通過動態(tài)代碼優(yōu)化實現(xiàn)高單線程性能，以及一個面向多線程的四核 Arm Cortex-A57。

連貫的 Denver 2 和 A57 CPU 各有一個 2MB L2 高速緩存，并通過 NVIDIA 設計的高性能互連結構進行鏈接，以使兩個 CPU 在異構多處理器 （HMP） 環(huán)境中同時運行。一致性機制允許任務根據(jù)動態(tài)性能需求自由遷移，有效利用 CPU 內(nèi)核之間的資源，減少開銷。

Jetson TX2 是自主機器端到端 AI 管道的理想平臺。Jetson 用于流式傳輸實時高帶寬數(shù)據(jù)：它可以同時從多個傳感器攝取數(shù)據(jù)，并在 GPU 上處理數(shù)據(jù)后執(zhí)行媒體解碼/編碼、網(wǎng)絡和低級命令和控制協(xié)議。圖 4 顯示了使用一系列高速接口（包括 CSI、PCIe、USB3 和千兆以太網(wǎng)）連接傳感器的常見管道配置。CUDA 預處理和后處理階段通常包括色彩空間轉換（成像 DNN 通常使用 BGR 平面格式）和網(wǎng)絡輸出的統(tǒng)計分析。

圖 4：端到端 AI 管道，包括傳感器采集、處理、命令和控制。

Jetson TX2 的內(nèi)存和帶寬是 Jetson TX1 的兩倍，能夠同時捕獲和處理額外的高帶寬數(shù)據(jù)流，包括立體攝像機和 4K 超高清輸入和輸出。通過管道深度學習和計算機視覺將來自不同來源和光譜域的多個傳感器融合在一起，提高自主導航期間的感知和態(tài)勢感知。

Jetson TX2 開發(fā)人員套件入門

首先，NVIDIA 提供了 Jetson TX2 開發(fā)人員套件 ，其中包括一個參考 mini-ITX 載板（170 毫米 x 170 毫米）和一個 5 兆像素的 MIPI CSI-2 攝像頭模塊。開發(fā)工具包包括文檔和設計原理圖以及 JetPack-L4T 的免費軟件更新。圖 5 展示了開發(fā)人員套件，顯示了 Jetson TX2 模塊和標準 PC 連接，包括 USB3、HDMI、RJ45 千兆以太網(wǎng)、SD 卡和 PCIe x4 插槽，這使得為 Jetson 開發(fā)應用程序變得容易。

要從開發(fā)轉向定制部署平臺，您可以修改開發(fā)工具包載板和相機模塊的參考設計文件以創(chuàng)建定制設計。或者，Jetson 生態(tài)系統(tǒng)合作伙伴提供現(xiàn)成的解決方案，用于部署 Jetson TX1 和 Jetson TX2 模塊，包括微型載體、外殼和攝像頭。NVIDIA 開發(fā)者論壇 提供技術支持和與 Jetson 構建者和 NVIDIA 工程師社區(qū)合作的場所。 表 3 列出了主要文檔和有用的資源。

Jetson TX2 開發(fā)人員套件可通過NVIDIA 在線商店預訂，價格為 599 美元 。北美和歐洲將于 3 月 14 日開始發(fā)貨，其他地區(qū)也將陸續(xù)發(fā)貨。還提供 Jetson TX2 教育折扣 ：299 美元適用于學術機構的附屬機構。NVIDIA 已將 Jetson TX1 開發(fā)者套件的價格降至 499 美元。

JetPack 3.0 SDK

最新的 NVIDIA JetPack 3.0 使 Jetson TX2 能夠使用行業(yè)領先的 AI 開發(fā)人員工具和硬件加速 API（見表 4），包括構建在 Linux 之上的 NVIDIA CUDA Toolkit 8.0 版、cuDNN、TensorRT、VisionWorks、GStreamer 和 OpenCV內(nèi)核 v4.4、L4T R27.1 BSP 和 Ubuntu 16.04 LTS。Jetpack 3.0 包括用于交互式分析和調(diào)試的 Tegra System Profiler 和 Tegra Graphics Debugger 工具。Tegra Multimedia API 包括低級攝像頭捕獲和 Video4Linux2 （V4L2） 編解碼器接口。閃爍時，JetPack 會自動使用選定的軟件組件配置 Jetson TX2，從而實現(xiàn)開箱即用的完整環(huán)境。

Jetson 是用于部署 Caffe、Torch、Theano 和 TensorFlow 等深度學習框架的高性能嵌入式解決方案。這些和許多其他深度學習框架已經(jīng)將 NVIDIA 的 cuDNN 庫與 GPU 加速集成在一起，并且只需極少的遷移工作即可在 Jetson 上進行部署。Jetson 采用 NVIDIA 的共享軟件和硬件架構，通常在 PC 和服務器環(huán)境中使用，以在整個企業(yè)中無縫擴展和部署從云和數(shù)據(jù)中心到邊緣設備的應用程序。

兩天的演示

NVIDIA 為期兩天的演示 計劃旨在幫助任何人開始部署深度學習。NVIDIA 提供計算機視覺原語，包括圖像識別、對象檢測+定位、分割和使用DIGITS訓練的 神經(jīng)網(wǎng)絡模型。您可以將這些網(wǎng)絡模型部署到 Jetson，以使用NVIDIA TensorRT進行高效的深度學習推理 。兩天演示提供示例流應用程序，以幫助您試驗實時攝像頭饋送和真實世界數(shù)據(jù)，如圖 6 所示。

GitHub 上提供了為期兩天的演示代碼 ，以及易于遵循的分步說明，用于測試和重新訓練網(wǎng)絡模型，為您的自定義主題擴展視覺原語。這些教程說明了 DIGITS 工作流的強大概念，向您展示如何在云或 PC 上迭代訓練網(wǎng)絡模型，然后將它們部署到 Jetson 以進行運行時推理和進一步的數(shù)據(jù)收集。

使用預先訓練的網(wǎng)絡和遷移學習，此工作流可以輕松地根據(jù)您的任務定制基礎網(wǎng)絡，并使用自定義對象類。一旦針對某個原語或應用程序證明了特定的網(wǎng)絡架構，給定包含新對象的示例訓練數(shù)據(jù)，為特定用戶定義的應用程序重新調(diào)整用途或重新訓練它通常會容易得多。

正如 這篇 Parallel Forall 博客文章中所討論的，NVIDIA 已為 DIGITS 5 添加了對分段網(wǎng)絡的支持，現(xiàn)在可用于 Jetson TX2 和為期兩天的演示。分割原語使用全卷積 Alexnet 架構 （FCN-Alexnet） 對視野中的單個像素進行分類。由于分類發(fā)生在像素級別，而不是圖像識別中的圖像級別，因此分割模型能夠提取對其周圍環(huán)境的全面理解。這克服了自主導航機器人和無人機所面臨的重大障礙，這些機器人和無人機可以直接使用分割場進行路徑規(guī)劃和避障。

分段引導的自由空間檢測使地面車輛能夠安全地導航地平面，而無人機則可以視覺識別并跟隨地平線和天空平面，以避免與障礙物和地形發(fā)生碰撞。感知和避免功能是智能機器與其環(huán)境安全交互的關鍵。在 Jetson TX2 上使用 TensorRT 處理機載計算要求高的分段網(wǎng)絡對于避免事故所需的低響應延遲至關重要。

兩天演示包括使用 FCN-Alexnet 的航空分割模型，以及相應的地平線第一人稱視圖 （FPV） 數(shù)據(jù)集。空中分割模型可用作無人機和自主導航的示例。您可以使用自定義數(shù)據(jù)輕松擴展模型，以識別用戶定義的類，如著陸墊和工業(yè)設備。以這種方式增強后，您可以將其部署到配備 Jetson 的無人機上，例如 Teal 和 Aerialtronics的無人機。

為了鼓勵開發(fā)其他自主飛行控制模式，我在 GitHub 上發(fā)布了空中訓練數(shù)據(jù)集、分割模型和工具。NVIDIA Jetson TX2 和 為期兩天的演示 讓您可以比以往更輕松地開始使用該領域的高級深度學習解決方案。

Jetson 生態(tài)系統(tǒng)

Jetson TX2 的模塊化外形使其可部署到各種環(huán)境和場景中。來自 Jetson TX2 開發(fā)人員套件的 NVIDIA 開源參考載體設計為縮小或修改設計以滿足個別項目要求提供了一個起點。一些小型化載體具有與 Jetson 模塊本身相同的 50x87mm 占用空間，從而實現(xiàn)緊湊的組裝，如圖 8 所示。使用 NVIDIA 提供的文檔和設計資料制作您自己的產(chǎn)品，或嘗試現(xiàn)成的解決方案。4 月，NVIDIA 將分別以 299 美元和 399 美元的價格提供 Jetson TX1 和 TX2 模塊，批量為 1000 件或更多。

圖 8：適用于 Jetson TX2 和 Jetson TX1 的 ConnectTech

生態(tài)系統(tǒng)合作伙伴 ConnectTech 和 Auvidea 提供與 Jetson TX1 和 TX2 共享插座兼容的可部署微型載體和外殼，如圖 8 所示。成像合作伙伴 Leopard Imaging 和 Ridge Run 提供相機和多媒體支持。加固專家 Abaco Systems 和 Wolf Advanced Technology 提供 MIL 規(guī)格認證，可在惡劣環(huán)境中運行。

可擴展陣列在 1U 中提供 24 個 Jetson 插槽，具有 10 Gb 網(wǎng)絡、被動冷卻和節(jié)能綠色 HPC。

除了旨在部署到現(xiàn)場的緊湊型載體和外殼之外，Jetson 生態(tài)系統(tǒng)的范圍還超出了典型嵌入式應用程序的范圍。Jetson TX2 的多核 Arm/GPU 架構和卓越的計算效率也引起了高性能計算 （HPC） 行業(yè)的關注。高密度 1U 機架式服務器現(xiàn)在可提供 10 Gb 以太網(wǎng)和多達 24 個 Jetson 模塊。圖 9 顯示了一個示例可擴展陣列服務器。Jetson 的低功耗和被動冷卻對于輕量級、可擴展的云任務（包括低功耗 Web 服務器、多媒體處理和分布式計算）具有吸引力。

邊緣的人工智能

Jetson TX2 無與倫比的嵌入式計算能力將尖端 DNN 和下一代 AI 帶入了板載邊緣設備。Jetson TX2 以高能效提供服務器級性能，觸手可及。它的原始深度學習性能比英特爾至強高出 1.25 倍，計算效率高出近 20 倍。Jetson 緊湊的占地面積、計算能力和具有深度學習的 JetPack 軟件堆棧使開發(fā)人員能夠使用 AI 解決 21 世紀的挑戰(zhàn)。

關于作者

Dustin 是 NVIDIA Jetson 團隊的一名開發(fā)人員推廣員。Dustin 擁有機器人技術和嵌入式系統(tǒng)方面的背景，喜歡在社區(qū)中提供幫助并與 Jetson 合作開展項目。

審核編輯：郭婷