産品介紹——————————————

　　AP11型AI智能(néng)邊(biān)緣计算盒是(shì)NVIDIAJetsonXavier開(kāi)發(fà)套(tào)件(jiàn)，它(tā)涵蓋了(le)节(jié)能(néng)緊湊的(de)JetsonXavierNX模块(kuài)，用(yòng)于(yú)AI邊(biān)緣設備。得益于(yú)新(xīn)的(de)雲(yún)原生(shēng)支持(chí)，NVIDIA软(ruǎn)件(jiàn)堆(duī)栈加速，功耗小到(dào)10W，同(tóng)时(shí)其(qí)性(xìng)能(néng)比其(qí)廣泛使用(yòng)的(de)前(qián)身(shēn)JetsonTX2高(gāo)出(chū)10倍以上(shàng)。这(zhè)一(yī)高(gāo)效的(de)開(kāi)發(fà)和(hé)測試能(néng)力，精确、多(duō)模态的(de)AI推理(lǐ)和(hé)超小解(jiě)決方(fāng)案(àn)，为開(kāi)發(fà)新(xīn)的(de)突破性(xìng)商品打(dǎ)開(kāi)了(le)大(dà)門(mén)。

　　AP11型AI智能(néng)邊(biān)緣计算盒支持(chí)整个(gè)NVIDIA软(ruǎn)件(jiàn)堆(duī)栈，包(bāo)括最(zuì)新(xīn)的(de)NVIDIA工具，用(yòng)于(yú)加速SDK和(hé)應(yìng)用(yòng)程序開(kāi)發(fà)和(hé)優化(huà)。这(zhè)種(zhǒng)強(qiáng)大(dà)的(de)堆(duī)栈可(kě)以幫助你在(zài)制造、物(wù)流、零(líng)售、服(fú)務(wù)、农業、智慧城(chéng)市(shì)、醫疗保健和(hé)生(shēng)命科學(xué)等領域建立各(gè)種(zhǒng)創新(xīn)的(de)解(jiě)決方(fāng)案(àn)，並(bìng)與(yǔ)JetsonXavierNX結合使用(yòng)。

　　JetsonXavierNX結合了(le)易于(yú)開(kāi)發(fà)、布(bù)局(jú)速度(dù)快(kuài)、尺(chǐ)寸小、性(xìng)能(néng)非(fēi)凡、功耗低(dī)等特(tè)點(diǎn)，使之(zhī)成(chéng)为最(zuì)靈活、最(zuì)具可(kě)擴展(zhǎn)性(xìng)的(de)平台(tái)，能(néng)夠在(zài)産品壽命周期內(nèi)快(kuài)速進(jìn)入(rù)市(shì)场(chǎng)並(bìng)不(bù)斷創新(xīn)。

　　強(qiáng)大(dà)的(de)21TOPSAI性(xìng)能(néng)————————

　　在(zài)內(nèi)嵌式和(hé)邊(biān)緣系(xì)統中(zhōng)，JetsonXavierNX最(zuì)多(duō)可(kě)以提(tí)供21个(gè)TOPS，尤其(qí)是(shì)高(gāo)性(xìng)能(néng)计算和(hé)AI。你可(kě)以得到(dào)384个(gè)NVIDIACUDACores，48个(gè)TensorCores，6个(gè)CarmelARMCPU和(hé)两(liǎng)个(gè)NVIDIA深度(dù)學(xué)習加速器(NVDLA)引擎性(xìng)能(néng)。这(zhè)些(xiē)功能(néng)結合了(le)超过(guò)51GB/s的(de)內(nèi)存带(dài)宽(kuān)、视頻編碼和(hé)解(jiě)碼，使得JetsonXavierNX

　　從多(duō)个(gè)傳感(gǎn)器高(gāo)分(fēn)辨率數據(jù)轉(zhuǎn)變(biàn)为並(bìng)行運行多(duō)个(gè)現(xiàn)代(dài)神經(jīng)网(wǎng)络並(bìng)處(chù)理(lǐ)的(de)首選平台(tái)。

　　如(rú)使用(yòng)TENSORFLOWWOW，NVIDIAJETSON系(xì)列可(kě)以實(shí)現(xiàn)更(gèng)大(dà)、更(gèng)複雜的(de)深度(dù)神經(jīng)网(wǎng)络。、OPENCV、JETPACK、KERAS、MXNET、PYTORCH,實(shí)現(xiàn)物(wù)理(lǐ)識别、目标(biāo)檢測跟踪、語(yǔ)音(yīn)識别等视覺開(kāi)發(fà)功能(néng)。

　　現(xiàn)在(zài)開(kāi)發(fà)者(zhě)可(kě)以借(jiè)助雲(yún)原生(shēng)支持(chí)在(zài)邊(biān)緣設備上(shàng)開(kāi)發(fà)和(hé)部(bù)署(shǔ)AI软(ruǎn)件(jiàn)。NVIDIANGC提(tí)前(qián)訓练的(de)AI模型和(hé)NVIDIA遷移學(xué)習工具包(bāo)为AI网(wǎng)络的(de)推理(lǐ)優化(huà)带(dài)来(lái)了(le)更(gèng)快(kuài)的(de)捷徑，同(tóng)时(shí)在(zài)Jetson設備上(shàng)進(jìn)行容器化(huà)部(bù)署(shǔ)，可(kě)以實(shí)現(xiàn)靈活、無縫的(de)更(gèng)新(xīn)。

　　节(jié)能(néng)效果(guǒ)极佳————————

　　借(jiè)助JETSONXAVIERNX，您可(kě)以使用(yòng)完整的(de)NVIDIA软(ruǎn)件(jiàn)堆(duī)栈，通(tòng)过(guò)加快(kuài)庫運行現(xiàn)代(dài)Al网(wǎng)络和(hé)框架，從而(ér)滿足深度(dù)學(xué)習、计算机视覺、计算机图(tú)形、多(duō)媒體(tǐ)等方(fāng)面(miàn)的(de)需要(yào)。此(cǐ)外(wài)，它(tā)還(huán)可(kě)以为當今嵌入(rù)式應(yìng)用(yòng)所(suǒ)需的(de)傳感(gǎn)器和(hé)外(wài)部(bù)設備留下(xià)更(gèng)多(duō)的(de)功率預算。

　　功能(néng)特(tè)性(xìng)————————————

　　VLIW7路(lù)视覺Cpu视覺;

　　選擇前(qián)端图(tú)像預處(chù)理(lǐ)，支持(chí)21Tops深度(dù)學(xué)習计算。CNN結合後(hòu)端算法(fǎ)计算，支低(dī)比特(tè)量(liàng)化(huà)。、深度(dù)學(xué)習專用(yòng)加速器，如(rú)RCNN等神經(jīng)网(wǎng)络結構，支持(chí)AlexNet低(dī)比特(tè)量(liàng)化(huà)。、VGG、多(duō)種(zhǒng)分(fēn)类神經(jīng)网(wǎng)络，如(rú)ResNet，支持(chí)低(dī)比特(tè)量(liàng)化(huà)FasterRerR-CNN、SSD、对神經(jīng)网(wǎng)络進(jìn)行FPN等多(duō)種(zhǒng)目标(biāo)檢測;