Nvidia Jetson Nano vs. Google Coral Dev Board：详细对比
Table of Contents:
- 头衔: 介绍
- 板子硬件规格比较
- 性能测试比较
- 用户体验对比
- 优势和不足
- 结论
- 常见问题解答
介绍
今天我们将探讨市面上最新的两款产品：谷歌的Coral Dev Board和英伟达的Jetson Nano。我之前已经发布过两个关于Coral Board的视频，展示了硬件和传输学习演示。很多人要求我对这两个板子进行比较，因为虽然Jetson Nano和Coral Dev Board是完全不同的产品，但它们在深度学习和推理加速方面占据了相同的市场。以下是一个简短的版本供大家参考。对于那些想要了解更多细节的人，让我们从比较硬件规格开始。
板子硬件规格比较
Coral Dev Board拥有四核Cortex-A53 CPU，基本上与树莓派相同（与树莓派具有相同的微体系结构），此外还有一颗低功耗CPU Cortex-M4F。Nvidia Jetson Nano则配备稍强的Cortex-A57微体系结构的CPU。在内存方面，Nvidia Jetson是当之无愧的领导者，它配备了4GB低功耗DDR4内存，而Google Dev Board只有1GB。这也是为什么他们不建议在Google Dev Board上使用桌面环境的原因之一。eMMC闪存方面，Nvidia Jetson Nano也更胜一筹，它提供16GB的闪存（视频描述中的错误说明已经更正），而Google Dev Board只有8GB。在GPU方面，Jetson Nano配备了128个Nvidia CUDA核心的Nvidia Maxwell架构GPU，而Google Coral Dev Board则搭载了Vivante移动图形芯片。当然，大多数人不会将这两个板子用作常规的桌面电脑，他们希望将它们用于机器学习推理。Google Dev Board的机器学习推理加速器是一款ASIC芯片，即谷歌自家研发的Edge TPU；而Nvidia Jetson Nano则使用其具备128个CUDA核心的GPU来加速深度学习算法。至于无线连接方面，Jetson Nano没有内置无线连接（需要单独购买无线适配器），而Google Coral Dev Board则配有内置Wi-Fi（支持2.4GHz和5GHz）和蓝牙4.2低功耗。最后，Google Coral Dev Board的售价为149美元，稍高于99美元的Jetson Nano。简单总结一下，我们可以看到Nvidia Jetson Nano的硬件规格更优：它具有更强大的CPU、更大的内存，显然它也搭载了更好的GPU。如果你希望将其用作桌面电脑、浏览文件、打字或玩游戏，那么Nvidia Jetson Nano将成为明显的优选。但这不是大部分用户购买这些板子的初衷。
性能测试比较
接下来，我们将比较两款板子的性能测试结果。以下是英伟达和谷歌提供的官方基准测试结果。首先是Inception v4的基准测试，它是一种用于图像识别的卷积神经网络，Nvidia Jetson Nano的每秒帧数为11帧左右，而Google Coral Dev Board为9至10帧。不幸的是，根据官方基准测试结果很难进行比较，因为它们使用了不同的神经网络进行测试，而且输入层大小也会影响性能。在查看数字时要注意细节说明：所有基准测试都是使用C++进行的。谷歌的数字仅针对推理阶段 - 这使其比较干净且操作时间较短。之前的操作由CPU执行，而Google Dev Board的CPU相对较弱，使用的是旧版Cortex-A53架构。
由于官方基准测试结果不具有说服力，我决定进行自己的测试。以下是我对MobileNet SSD v2进行的基准测试结果，它是一个在COCO数据集上进行训练的物体检测网络，输入分辨率为300x300，使用TensorFlow进行优化和推理的结果为Nvidia Jetson Nano的推理速度为每个推理72毫秒，而Google Coral Dev Board的速度更快（比Jetson Nano快了三倍多），为每个推理20.7毫秒。
用户体验对比
最后，让我们比较一下这些板子的用户体验。首先，让我们谈谈板子的操作系统。Nvidia Jetson Nano使用的是Ubuntu 18.04的改进版本，它的外观与常规Ubuntu桌面非常相似。Google Coral Dev Board则使用的是Mendel OS，这是Debian Stretch的改进版本。虽然您当然可以自己安装喜欢的桌面环境，但出厂设置中并不包含桌面环境。在深度学习框架方面，Google Dev Board只能使用TensorFlow Lite，而Jetson Nano可以使用您喜欢的任何深度学习框架，如TensorFlow、PyTorch、Caffe、MXNet。两个板子都支持设备内训练：对于Nvidia Jetson Nano，这就是常规的反向传播训练，虽然速度比较慢，但是使用的是桌面计算机上的GPU。Google Coral Dev Board也支持设备内训练，但是使用的是一种称为"Low Shot learning"的巧妙技术，它使用预训练的特征提取器将对象特征嵌入到神经网络的最后一层。在Nvidia Jetson Nano上，您可以运行任何可以在常规桌面GPU上运行的模型，但是为了获得更好的结果，您需要使用TensorRT进行一些模型优化。对于Google Coral Dev Board，模型优化是必要的，可以使用云模型编译器或设备上进行。而且，模型训练需要使用量化感知训练。允许我解释一下这一部分：基本上，您不能只是随便找一个在网上找到的或自己训练的模型。在之前，该模型必须使用量化感知训练进行训练。例如，当我在寻找经过训练的ResNet50模型时，我无法找到任何使用量化感知训练的模型。
优势和不足
我的个人看法是，尽管缺乏无线连接，Nvidia Jetson Nano对于爱好者、创客、教育机构以及像初创公司这样的小规模企业来说是更好的选择。即使您没有深入的机器学习专业知识，您也可以轻松安装您喜欢的深度学习框架并在板子上进行本地推理。如果您将模型优化为FP16或INT8精度，您将获得更好的结果。但是对于运行模型来说并非必须。Coral Board在理论上提供了更快的推理时间和更好的功耗效率，但我发现操作起来要困难得多，因此适合中大型企业从事边缘人工智能和熟练的机器学习工程师或喜欢挑战的人。对于爱好者和创客来说，Google Coral USB加速器可能是更好的选择，它可以为您喜欢和熟悉的平台提供机器学习推理加速，例如树莓派。树莓派4将是最佳选择，因为它具有USB 3.0接口，大大减少了树莓派和USB加速器之间的瓶颈。事实上，我的新视频将介绍结合了树莓派、CC3D飞控器和Google Coral USB加速器的智能目标跟踪无人机。请继续关注我的新视频，下次再见！
结论
上述比较表明，Nvidia Jetson Nano在硬件规格和性能方面相对优于Google Coral Dev Board。然而，选择哪个板子取决于您的具体需求和使用情境。如果您是爱好者、创客或教育机构，并且不需要过多复杂的模型优化和算法加速，Nvidia Jetson Nano可能是更适合您的选择。而如果您是中大型企业从事边缘人工智能领域或具有丰富的机器学习经验，那么Google Coral Dev Board可能会更符合您的需求。两款板子都具有自己的优势和不足，您应根据自身情况做出选择。
常见问题解答
Q: 这两款板子是否支持无线连接?
A: Nvidia Jetson Nano没有内置无线连接，需要单独购买无线适配器。而Google Coral Dev Board则具备内置的2.4GHz和5GHz Wi-Fi以及蓝牙4.2低功耗。
Q: 这两款板子支持哪些深度学习框架?
A: Google Coral Dev Board只支持TensorFlow Lite，而Nvidia Jetson Nano可以使用任何您喜欢的深度学习框架，如TensorFlow、PyTorch、Caffe和MXNet等。
Q: 这两款板子适用于哪些应用场景?
A: Nvidia Jetson Nano适用于爱好者、创客、教育机构以及小规模企业，而Google Coral Dev Board更适合中大型企业从事边缘人工智能和熟练的机器学习工程师。
Q: 这两款板子的价格是多少?
A: Google Coral Dev Board售价为149美元，而Nvidia Jetson Nano售价为99美元。
Q: 这些板子是否支持模型训练?
A: 是的，Nvidia Jetson Nano支持设备内的常规反向传播训练，而Google Coral Dev Board则支持一种名为"Low Shot learning"的特殊训练技术，该技术利用预训练的特征提取器将对象特征嵌入到神经网络的最后一层。
Q: Coral Dev Board和Google Coral USB加速器有什么区别?
A: Coral Dev Board是一款完整的开发板，具有更多的功能和灵活性，而Google Coral USB加速器则适用于已有平台（如树莓派），提供机器学习推理加速功能。
Q: Coral Dev Board和Jetson Nano的推理速度哪个更快?
A: 根据测试结果，Google Coral Dev Board的推理速度比Nvidia Jetson Nano更快，但具体速度会受到所使用的模型和优化方式的影响。
Q: 这两款板子是否适合初学者?
A: 对于初学者来说，Nvidia Jetson Nano可能更容易上手，因为它具有更广泛的生态系统和更加友好的用户体验。Google Coral Dev Board则更适合有一定机器学习经验的人。
Q: 这些板子是否适用于智能无人机等项目?
A: 是的，这些板子可以用于智能无人机等项目，但使用情况可能因具体需求而有所不同。
No difficulty
WHY YOU SHOULD CHOOSE TOOLIFY
