《表1 Nvidia硬件对比》
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。
图表编号 | XD0078260500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.18 |
作者 | 孔令军、王锐、张南、李华康 |
绘制单位 | 南京邮电大学、北京中燕信息技术有限公司、中国航天系统科学与工程研究院、南京邮电大学 |
更多格式 | 高清、无水印(增值服务) |