Jetson Nano系列教程0：初識Jetson Nano

關於Jetson Nano Developer Kit

Jetson nano搭載四核Cortex-A57 MPCore 處理器，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。

支持人臉識別，物體識別追蹤，對象檢測和定位等應用。

 

 

板載資源

1. Micro SD 卡卡槽: 可接入TF卡（16G以上），燒寫系統鏡像
2. 40PIN GPIO擴展接口（兼容樹莓派40PIN接口）
3. Micro USB接口：用於5V電源輸入或者USB數據傳輸
4. 千兆以太網口: 10/100/1000Base-T 自適應以太網端口
5. USB3.0接口：4個USB3.0接口
6. HDMI高清接口：用於外接HDMI屏幕
7. DisplayPort接口：用於外接DP屏幕
8. DC電源接口：用於外接5V電源（外徑5.5， 內徑2.1）
9. MIPS CSI 攝像頭接口：兼容樹莓派攝像頭接口

性能

下面這一份表格是NVIDIA官方給出的性能對比表格，以供參考

DNR表示無法運行。

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