边沿深度进修装备基准评测：英伟达Jetson Nano胜出

固然这个组合速率挺高，但精确度却欠好。我们没法得知谷歌陈诉精确度所行使简直切的验证集，但我们意料他们行使的图像预处理赏罚调动要领与我们用的纷歧样。由于量化的 8 位模子对图像预处理赏罚很是敏感，这也许对功效发生很大影响。

精确度第一名： Jetson Nano

精确度方面，最佳功效来自 Jetson Nano 与 TF-TRT 和 EfficentNet-B3 的组合，着实现了 85% 的精确度。可是，这些功效是相对的，由于我们实习模子时，有的模子行使的数据集比其余模子更大一些。

可以看到，当我们向模子输入更小的数据集时，精确率会更高；而当行使完备数据集时，精确度更低。这个功效的缘故起因是我们没有对更小的数据集举办随机排序，因此个中的图像没有实现公道的均衡。

硬件加快器的可用性

关于这些装备的可用性，开拓者留意到一些重要的差别。

当涉及到选择和陈设预编译的模子和框架时。Jetson 是最机动的。英特尔神经计较棒紧随厥后，由于其提供了很好的库、许多模子和很好的项目。另外，这款计较棒的第二代对比第一代有重大改造。独一的弱点是他们那复杂的软件库 OpenVINO 仅支持在 Ubuntu 16.04，不支持更新的 Linux操纵体系版本。

对比于 Jetson 和英特尔计较棒，Coral 装备存在一些范围性。假如你想在上面运行非官方的模子，你必需将其转换到TensorFlowLite，然后再针对 Edge TPU 举办量化和编译。取决于模子的差异，这种转换有也许无法实现。尽量云云，我们估量谷歌此后会改造这款装备的将来版本。

总结

这里的研究基于我们对为深度进修算法计划的当前最佳边沿计较装备的试探。

我们发明 Jetson Nano 和 Coral 开拓板在推理时刻方面示意很是好。

而在精确度方面，Jetson Nano 示意也很精彩，尽量这个功效是相对的。

从总体示意看，Jetson Nano 是当之无愧的赢家。

可是，必需指出，因为 Jetson Nano 和 Coral 的计划差异，我们没法在两者之上测试同样的模子。我们信托每种装备都有最得当本身的场景，这取决于所要完成的详细使命。

【编辑保举】

1. 人工智能、5G应用不再逗留在“纸上蓝图” 数字经济成长提速
2. Photoshop 2020来了，人工智能让计划更轻松
3. 央视点名保举的“家庭智能管家”，疑似阿里人工智能尝试室新品
4. 新的人工智能编程说话逾越了深度进修
5. 这些编程入门栽过的“坑”，大大都措施员经验过

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!