Jetson Xavier NX: Das kann Nvidias neue KI-Entwicklerplatine
Jetson Xavier NX. (Grafik: Nvidia)
• Lesezeit: 1 Min. Gerade keine Zeit? Jetzt speichern und später lesen
Seit 2014 bietet Nvidia unter dem Markennamen Jetson verschiedene Entwicklerboards für den Deep-Learning-Einsatz an. Mit dem Jetson Xavier NX hat der Hersteller das neuste Modell der Produktreihe vorgestellt. Jetson Xavier NX ist als Steckmodul ausgeführt, dessen Grundfläche etwas kleiner ausfällt als die einer Kreditkarte. Das Board ist mit dem Jetson Nano pin-kompatibel und soll daher gut für Upgrades geeignet sein.
Bei einer Leistungszufuhr von 15 Watt soll es das Board auf 21 TeraOPS (INT8) bringen. Im 10-Watt-Modus sind es noch 14 TeraOPS. Die Performance in Deep-Learning-Benchmark MLPerf Interference soll beim Jetson Xavier NX etwa 15-mal höher liegen als beim 2017 vorgestellten Jetson TX2, das noch deutlich größer war.
Machine-Learning-Board: Der Aufbau des Jetson Xavier NX. (Grafik: Nvidia)
Jetson Xavier NX: Die Ausstattung des Machine-Learning-Boards im Überblick
Jetson Xavier NX besitzt eine sechskernige 64-bit-ARM-CPU namens Carmel. Dazu gesellen sich 384 Cuda-Grafikkerne, 48 Tensor-Kerne und zwei NVDLA Deep-Learning-Beschleuniger. CPU- und GPU-Taktung hängen davon ab, ob das Board im 10-Watt- oder im 15-Watt-Modus betrieben wird. Das Board verfügt über 8 Gigabyte LPDDR4x-RAM sowie 16 Gigabyte eMMC-Festspeicher.
Der Verkaufspreis soll bei 399 US-Dollar liegen. Damit ist die Hardware deutlich teurer als der Jetson Nano, der für 99 US-Dollar angeboten wird. Allerdings bringt der es auch auf deutlich weniger Leistung.
Ebenfalls interessant:
- Frameworks für Machine Learning: So gelingt der Einstieg in die KI-Entwicklung
- Machine Learning: Google setzt mit Tensorflow Enterprise und Tensorboard.dev Akzente gegen Pytorch
- Huaweis Ascend 910 soll der stärkste KI-Chip der Welt sein
Bitte beachte unsere Community-Richtlinien
Wir freuen uns über kontroverse Diskussionen, die gerne auch mal hitzig geführt werden dürfen. Beleidigende, grob anstößige, rassistische und strafrechtlich relevante Äußerungen und Beiträge tolerieren wir nicht. Bitte achte darauf, dass du keine Texte veröffentlichst, für die du keine ausdrückliche Erlaubnis des Urhebers hast. Ebenfalls nicht erlaubt ist der Missbrauch der Webangebote unter t3n.de als Werbeplattform. Die Nennung von Produktnamen, Herstellern, Dienstleistern und Websites ist nur dann zulässig, wenn damit nicht vorrangig der Zweck der Werbung verfolgt wird. Wir behalten uns vor, Beiträge, die diese Regeln verletzen, zu löschen und Accounts zeitweilig oder auf Dauer zu sperren.
Trotz all dieser notwendigen Regeln: Diskutiere kontrovers, sage anderen deine Meinung, trage mit weiterführenden Informationen zum Wissensaustausch bei, aber bleibe dabei fair und respektiere die Meinung anderer. Wir wünschen Dir viel Spaß mit den Webangeboten von t3n und freuen uns auf spannende Beiträge.
Dein t3n-Team
Immer mehr Rechenleistung, mehr Tensoren, mehr Statistik, dabei kommt die analytische zu kurz. Da springen blöde Chatbots heraus, die Fraulein von Männlein nicht unterscheiden können. Trotz aller Entwicklung kann man nicht einmal die Topologie eines Gerichteten Azyklischen Graphen (GAG), der vielleicht eine Kette von Ursache/Wirkung einer Handlung modelliert, in einer Datenstruktur vernünftig reflektieren. Das Problem ist seit 1937 bekannt, nachdem P. Alexandroff festgestellt hat, dass Topologie und Partielle Ordnung eines GAG äquivalent sind. Dabei ist die Natur eine hervorragende Ingenieurin. Ich habe mir dieses Problem vorgenommen und gelöst. Einen Vorgeschmack der Lösung für allgemeine GAG, angewendet an Bäume können Sie hier lesen:
„https://www.researchgate.net/publication/335110567_Structure_of_Directed_Trees_-_A_Two-Dimensional_Topological_Sorting“.
Oder glauben Sie, dass die ganze Menschheit mit Quantencomputern am Herumlaufen sind? Nur Simple kann dienlich sein, auch in der weiter Entwicklung von KI.