JG-AI-01A 人工智能教學開發(fā)平臺
一、總體介紹
1. 平臺采用 Jetson Nano 開發(fā)套件
2. 提供現(xiàn)代 AI 的強大功能。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 的計算性能。它還包括 4GB LPDDR4 存儲器，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 領先的 AI 平臺，可以比以往更輕松地將基于 AI 的推理工作負載部署到 Jetson 。 Jetson Nano 為各種復雜的深度神經網絡（ DNN ）模型提供實時計算機視覺和推理。這些功能支持多傳感器自主機器人，具有智能邊緣分析的物聯(lián)網設備和先進的 AI 系統(tǒng)。甚至轉移學習也可以使用 ML 框架在 Jetson Nano 上本地重新訓練網絡。
4. Jetson Nano 開發(fā)套件的占地面積僅為 80x100mm ，具有四個高速 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， 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備，傳感器和即用型項目。
5 、 Jetson Nano 可以運行各種各樣的高級網絡，包括流行的 ML 框架的完整原生版本，如 TensorFlow ， PyTorch ， Caffe / Caffe2 ， Keras ， MXNet 等。通過實現(xiàn)圖像識別，對象檢測和定位，姿勢估計，語義分割，視頻增強和智能分析等強大功能，這些網絡可用于構建自動機器和復雜 AI 系統(tǒng)。
• 硬件資源及技術參數(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） | USB 2.0 Micro B （設備） |
相機 |
MIPI CSI-2 x2 （ 15 位 Flex 連接器） |
顯示 |
HDMI | DisplayPort 的 |
聯(lián)網 |
千兆以太網（ RJ45 ） |
無線 |
M.2 帶有 PCIe x1 的 Key-E |
存儲 |
MicroSD 卡（建議最低 16GB UHS-1 ） |
其他 I / O. |
（ 3x ） I2C | （ 2x ） SPI | UART | I2S | 個 GPIO |
主要實驗項目
平臺提供 OpenCV 、機器學習、深度學習和端側 AI 模型部署等教學資源，并提供從神經網絡模型訓練、模型轉換到模型部署的完整文檔教程。配套豐富的實訓案例以及開發(fā)手冊等。
1 、控制基礎例程
控制 RGB 燈
控制蜂鳴器
操作控制舵機
讀取舵機位置
控制所有舵機
控制機械臂做一些動作
操作機械臂記憶動作
機械臂夾方塊
2 、 OpenCV 基礎例程
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)學操作；
圖像輪廓提取
3 、機器學習基礎例程
(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；
4 、深度學習基礎例程
神經網絡線性回歸；
神經網絡非線性回歸；
全連接神經網絡識別手寫數(shù)字；
卷積神經網絡人臉識別
神經網絡模型的保存與使用；
5 、深度學習綜合例程
(1) 手勢識別實驗
(2) 顏色識別實驗
(3) 顏色識別并抓取積木實驗
(4) 視覺定位實驗
(5) 垃圾分類實驗
(6) 目標追蹤實驗
(7) 人臉表情識別應用案例
(8) 車牌識別應用案例
(9) 口罩檢測應用案例
|
