JG-AI-01A 人工智能教学开发平台
![](images5/F37.png)
一、总体介绍
1. 平台采用 Jetson Nano 开发套件
2. 提供现代 AI 的强大功能。完整的软件可编程性。 Jetson Nano 采用四核 64 位 ARM CPU 和 128 核集成 NVIDIA GPU ,可提供 472 GFLOPS 的计算性能。它还包括 4GB LPDDR4 存储器,采用高效,低功耗封装,具有 5W / 10W 功率模式和 5V DC 输入。
3. 完全兼容这些框架和 NVIDIA 领先的 AI 平台,可以比以往更轻松地将基于 AI 的推理工作负载部署到 Jetson 。 Jetson Nano 为各种复杂的深度神经网络( DNN )模型提供实时计算机视觉和推理。这些功能支持多传感器自主机器人,具有智能边缘分析的物联网设备和先进的 AI 系统。甚至转移学习也可以使用 ML 框架在 Jetson Nano 上本地重新训练网络。
4. Jetson Nano 开发套件的占地面积仅为 80x100mm ,具有四个高速 USB 3.0 端口, MIPI CSI-2 摄像头连接器, HDMI 2.0 和 DisplayPort 1.3 ,千兆以太网, M.2 Key-E 模块, MicroSD 卡插槽,和 40 引脚 GPIO 接头。端口和 GPIO 接头开箱即用,具有各种流行的外围设备,传感器和即用型项目。
5 、 Jetson Nano 可以运行各种各样的高级网络,包括流行的 ML 框架的完整原生版本,如 TensorFlow , PyTorch , Caffe / Caffe2 , Keras , MXNet 等。通过实现图像识别,对象检测和定位,姿势估计,语义分割,视频增强和智能分析等强大功能,这些网络可用于构建自动机器和复杂 AI 系统。
硬件资源及技术参数
处理 |
|
中央处理器 |
64 位四核 ARM A57 @ 1.43GHz |
GPU |
128 核 NVIDIA Maxwell @ 921MHz |
记忆 |
4GB 64 位 LPDDR4 @ 1600MHz | 25.6 GB / s |
视频编码器 * |
4Kp30 | ( 4x ) 1080p30 | ( 2x ) 1080p60 |
视频解码器 * |
4Kp60 | ( 2x ) 4Kp30 | ( 8x ) 1080p30 | ( 4x ) 1080p60 |
接口 |
|
USB |
4x USB 3.0 A (主机) | USB 2.0 Micro B (设备) |
相机 |
MIPI CSI-2 x2 ( 15 位 Flex 连接器) |
显示 |
HDMI | DisplayPort 的 |
联网 |
千兆以太网( RJ45 ) |
无线 |
M.2 带有 PCIe x1 的 Key-E |
存储 |
MicroSD 卡(建议最低 16GB UHS-1 ) |
其他 I / O. |
( 3x ) I2C | ( 2x ) SPI | UART | I2S | 个 GPIO |
主要实验项目
平台提供 OpenCV 、机器学习、深度学习和端侧 AI 模型部署等教学资源,并提供从神经网络模型训练、模型转换到模型部署的完整文档教程。配套丰富的实训案例以及开发手册等。
1 、控制基础例程
控制 RGB 灯
控制蜂鸣器
操作控制舵机
读取舵机位置
控制所有舵机
控制机械臂做一些动作
操作机械臂记忆动作
机械臂夹方块
2 、 OpenCV 基础例程
图像读取与显示;
图像绘制;
图像 ROI 提取;
图像几何变换;
图像形态学操作;
图像轮廓提取
3 、机器学习基础例程
(1) 回归算法;
(2) 聚类算法;
(3) 分类算法;
(4) 决策树;
(5) 支持向量机;
4 、深度学习基础例程
神经网络线性回归;
神经网络非线性回归;
全连接神经网络识别手写数字;
卷积神经网络人脸识别
神经网络模型的保存与使用;
5 、深度学习综合例程
(1) 手势识别实验
(2) 颜色识别实验
(3) 颜色识别并抓取积木实验
(4) 视觉定位实验
(5) 垃圾分类实验
(6) 目标追踪实验
(7) 人脸表情识别应用案例
(8) 车牌识别应用案例
(9) 口罩检测应用案例
|