간략하게 jetson에 대해 설명을 하자면 ai와 robotics에 적합한 고성능 임베디드 컴퓨팅 플랫폼이다. 더 쉽게 말하면 정말 성능이 짱짱인 미니 컴퓨터라고 볼 수 있다.
솔직히 미니컴퓨터(raspberry pi, intel nuc)도 ai 가속기(tpu, hailo series)도 아주 많은게 요즘 시작인데 그럼에도 jetson이 사랑 받고 누구나 사용중인 이유는 내 생각에는 크게 두가지다
첫번째 호환이 좋다. nvidia가 쌓아올린 인프라는 무시하기 쉽지 않다. 시뮬레이션의 omniverse, 로봇에 issac sim, ai 가속화의 cuda 등 다양한 도구들과 연동이 쉬우며 저전력에서도 고연산이 가능하다(이게 은근 큼).
두번째 자료가 많다. nvidia에서는 자체적으로 계발자들을 위한 리소스와 지원을 끊임 없이 하고 있다. 또한 실제로 사용하는 사람들이 많아 자료 또한 비슷한 계열중에는 많은 편이라 생각한다.
덕분에 나는 jetson을 선택했고 나름 재미있게 사용 중이다.
| 모델명 | GPU 사양 | CPU 사양 | 메모리 사양 | AI 성능 (TOPS) | 스토리지 방식 | 출시 시기 |
|---|---|---|---|---|---|---|
| Jetson Nano | 128코어 Maxwell GPU | 쿼드코어 Cortex-A57 | 4GB LPDDR4 | 0.5 | microSD | 2019 |
| Jetson TX2 | 256코어 Pascal GPU | 듀얼코어 Denver 2 + 쿼드코어 A57 | 8GB LPDDR4 | 1.3 | eMMC | 2017 |
| Jetson Xavier NX | 384코어 Volta GPU + 48 Tensor 코어 | 6코어 Carmel ARM v8.2 | 8GB LPDDR4x | 21 | eMMC | 2020 |
| Jetson AGX Xavier | 512코어 Volta GPU + 64 Tensor 코어 | 8코어 Carmel ARM v8.2 | 16GB 또는 32GB LPDDR4x | 32 | eMMC | 2018 |
| Jetson Orin Nano | 1024코어 Ampere GPU + 32 Tensor 코어 | 6코어 Cortex-A78AE v8.2 | 4GB 또는 8GB LPDDR5 | 40 | microSD | 2023 |
| Jetson Orin NX | 1024코어 Ampere GPU + 32 Tensor 코어 | 8코어 Cortex-A78AE v8.2 | 8GB 또는 16GB LPDDR5 | 100 | eMMC | 2023 |
| Jetson AGX Orin | 2048코어 Ampere GPU + 64 Tensor 코어 | 12코어 Cortex-A78AE v8.2 | 32GB 또는 64GB LPDDR5 | 275 | eMMC | 2022 |
자세한 사양을 아는 것도 중요한데 gpu, cpu 코어 사양하고 메모리, tops 스토리지 방식 정도만 알면 될 것 같다.
| 스토리지 방식 | 장점 | 단점 |
|---|---|---|
| microSD | - 스토리지 용량 변경 및 업그레이드 가능 - 비용 효율적 | - 속도 및 안정성이 eMMC보다 낮음 - 외부 요인에 의한 손상 가능성 |
| eMMC | - 빠른 데이터 전송 속도 - 높은 안정성 - 내구성 강함 | - 용량 고정 - 교체 및 업그레이드 어려움 - 비용 증가 가능성 |
여기서 일단 필요한 걸 설명하자면 스토리지 방식인데 jetson과 그 외로 나눌 수 있다. micro sd는 말 그대로 sd카드 저장 방식이고 eMMC(Embedded Multi Media Card)는 임베디드 보드에 적합한 mmc규격이다. eMMC의 경우 추가적인 저장공간을 원하면 ssh를 부착하면 된다. 그 방법은 추후에 올리겠다.
간단하게 정리를 해봤는데 생각보다 적을게 많다. 다른 플랫폼과 섞이는 방법, 세팅 방법, tensorrt등 적을게 생각보다 많다 어짜피 시간도 많으니 하나하나 적어볼 생각이다.
https://www.nvidia.com/ko-kr/autonomous-machines/embedded-systems/?utm_source=chatgpt.com
