Jetson Nano: Der Raspberry Pi für KI-Anwendungen

Der Jetson Nano ist ein Rechner für Machine Learning in der Größe eines Raspberry Pi. Wir haben einige KI-Anwendungen mit ihm ausprobiert.

Artikel von Dirk Koller veröffentlicht am 4. Juni 2020, 12:03 Uhr

Der Jetson Nano kostet im Development Kit 109 Euro. (Bild: Dirk Koller)

Wer sich mit künstlicher Intelligenz in Form von Machine Learning oder der zurzeit fokussierten Ausprägung Deep Learning beschäftigt, stößt mit betagten Familienrechnern schnell an Grenzen. Selbst aktuelle Geräte mit acht oder mehr Kernen eignen sich nicht für die Ausführung hunderter paralleler Rechenoperationen, wie sie für künstliche neuronale Netze erforderlich sind.

Besser Geeignetes ist im Zimmer des Nachwuchses zu finden: Denn das Herzstück eines Machine-Learning-Rechners sind schnelle GPUs, also Grafikkarten, wie sie in Gaming-Rechner verbaut werden. Sie erlauben mit ihren vielen Kernen das schnelle und gleichzeitige Ausführen von vergleichsweise einfachen Matrizen-Multiplikationen.

Soll der KI-Rechner aber auch noch mobil und handlich wie ein Raspberry Pi sein - etwa, weil er autonomes Fahren eines Roboter-Autos oder die Hinderniserkennung für eine Drohne unterstützen soll -, hilft selbst der Rechner des Juniors nicht mehr weiter. Hier ist Spezial-Hardware gefragt.

Technische Daten zum Jetson Nano

Eine Möglichkeit für solche Fälle ist der Jetson Nano von Nvidia. Das Unternehmen, das für leistungsfähige Grafikkarten steht, bietet mit seinen Jetson-Systemen Nano, TX2 und Xavier KI-Systeme in verschiedenen Größenordnungen und Preisklassen an. Der Nano ist das Einsteigermodell und basiert auf Nvidias Maxwell-GPU mit 128 Nvidia-Cuda-Recheneinheiten.

Das kleine Modul ist zudem mit einer ARM Cortex-A57 Quad-Core-CPU und 4 GB Arbeitsspeicher ausgestattet. Sensoren aller Art lassen sich wie beim Pi über 40 GPIO-Pins anbinden. Der Stromverbrauch beträgt je nach eingestelltem Modus 5 oder 10 Watt. Die gesammelten technischen Daten findet man auf der Seite des Herstellers.

Der Rechner ist im Development Kit für 109 Euro erhältlich, das sich an Bastler, Tüftler, Entwickler und Studenten richtet, die damit kostengünstig KI-Projekte realisieren können. Das Kit beinhaltet neben dem Nano Compute Modul eine Trägerplatine mit Anschlüssen für die Peripherie (USB, HDMI, Ethernet und so weiter). Für den kommerziellen Einsatz lässt sich das Compute Modul aber auch separat erwerben und mit eigener Hardware betreiben.

Trotz des moderaten Preises hat der Jetson Nano eine ordentliche Leistung, mit der sich mehrere neuronale Netzwerke parallel betreiben und damit Anwendungen wie Klassifizierungen, Objekterkennung oder Sprachverarbeitung realisieren lassen. Das behauptet zumindest der Hersteller. Grund genug, den KI-Zwerg genauer zu betrachten.

Die Packung mit dem Jetson Nano enthält nur den Rechner. Folgendes Zubehör muss also gegebenenfalls noch erworben werden:

• eine schnelle UHS-1 MicroSD-Karte mit wenigstens 16, besser 32 GB
• eine Stromversorgung (Micro USB oder Netzteil mit Hohlstecker)
• Monitor, Maus und Tastatur
• eine Kamera
• ein Gehäuse

Spannungsversorgung mit 4A/5V

Bei der Wahl der Spannungsversorgung braucht es Vorsicht. Die einfachste Variante ist der Anschluss eines Handy-USB-Ladegeräts über den Micro-USB-Anschluss des Nano. Das Ladegerät sollte stabile 2 Ampere (A) bei 5 Volt (V) liefern. Wenn man über die USB-Anschlüsse nun noch Hardware wie Maus, Tastatur und andere Peripherie anschließt, kann das aber schon knapp werden.

Auf der sicheren Seite ist man mit einem 4-A-/5-V-Netzteil mit 5,5 x 2,1 mm Hohlstecker (zum Beispiel von Meanwell für etwa 15 Euro). Wer sich für diese Variante entscheidet, muss einen Jumper zum Aktivieren der Spannungsversorgung über die Hohlstecker-Buchse platzieren: Die beiden Pins zwischen Kamera-Anschluss und Netzteil-Anschluss müssen überbrückt werden, neben den Pins findet sich ein entsprechender Schriftzug (links in der Abbildung).

• 

Der Jumper dient zum Überbrücken zweier Anschlüsse. (Bild: Dirk Koller)