《表1 Nvidia硬件对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《边缘计算下的AI检测与识别算法综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

对于边缘计算，成本及性能是重要的考量因素。一直以来，并行计算两大厂商之一的英伟达非常重视并行计算在数学上的应用，不但开发出了CUDA库用于并行计算，还开发出了CUDNN库等各种矩阵运算库用以优化运算性能，仅需要学会简单的C++便能方便地调用显卡加速运算。各种深度学习框架如Caffe，Tensorflow等对nvidia的cuda支持，使其移植到嵌入式设备的成本极低，这些因素都使得英伟达旗下显卡占有重要的市场Nvidia硬件对比如表1所示，给出了嵌入式产品端的主要参数。理论上核心越多，并行计算能力越强，从表1中可以看出，Tx1的并行计算能力是Nano的2倍，而使用新架构Pascal的Tx2性能是Tx1的2倍，另一款产品Jetson Xavier则能够提供超过Jetson Tx2的20倍以上性能，但昂贵的价格使不能被大规模部署。