Ultralytics YOLO11 su NVIDIA Jetson Orin Nano Super: veloce ed efficiente

Il NVIDIA Jetson Orin Nano Super Developer Kit, lanciato il 17 dicembre 2024, è un supercomputer AI generativo compatto ma potente, progettato per portare funzionalità avanzate all'edge computing. Facilita l'elaborazione in tempo reale ed elimina la necessità di cloud computing. NVIDIA Jetson Orin Nano Super permette agli sviluppatori di creare sistemi intelligenti convenienti che funzionano in modo efficiente in ambienti locali.

Se abbinato ai modelli Ultralytics YOLO come Ultralytics YOLO11, il Jetson Orin Nano Super può gestire una vasta gamma di applicazioni di visione artificiale sull'edge. In particolare, YOLO11 è un modello di computer vision noto per la sua velocità e precisione in attività come rilevamento oggetti, tracciamento oggetti e segmentazione di istanze.

Combinare le capacità di YOLO11 con la robusta GPU (Graphics Processing Unit) del kit e il supporto per framework come PyTorch, ONNX e NVIDIA TensorRT consente implementazioni ad alte prestazioni. Questa combinazione offre agli sviluppatori una soluzione efficiente per creare applicazioni AI, dal rilevamento oggetti nella robotica al tracciamento di oggetti in tempo reale in spazi intelligenti e sistemi di vendita al dettaglio.

In questo articolo, esamineremo il NVIDIA Jetson Orin Nano Super Developer Kit, come funziona con Ultralytics YOLO11 per l'edge AI, i suoi benchmark di prestazioni, le applicazioni nel mondo reale e come può aiutare gli sviluppatori a costruire progetti di visione artificiale. Cominciamo!

Link to this sectionChe cos'è il NVIDIA Jetson Orin Nano Super Developer Kit?#

Il NVIDIA Jetson Orin Nano Super Developer Kit è un computer compatto ma potente che ridefinisce l'AI generativa per piccoli dispositivi edge. Offre fino a 67 TOPS (trilioni di operazioni al secondo) di prestazioni AI, rendendolo ideale per sviluppatori, studenti e hobbisti che lavorano su progetti AI avanzati.

Ecco alcune delle sue caratteristiche principali:

• Prestazioni della GPU: Il dispositivo è basato sulla GPU con architettura NVIDIA Ampere, che include 1.024 CUDA cores e 32 Tensor Cores. I CUDA cores elaborano molti compiti simultaneamente, accelerando calcoli complessi, mentre i Tensor Cores sono specializzati per compiti AI come il deep learning.
• CPU potente: Presenta un processore Arm Cortex-A78AE a 6 core, progettato per bilanciare velocità ed efficienza. Il dispositivo può gestire più attività senza problemi mantenendo basso il consumo energetico. Questo è importante per i sistemi che vengono eseguiti localmente senza accesso a grandi fonti di alimentazione.
• Memoria efficiente: Il kit è dotato di 8GB di memoria LPDDR5 (Low Power Double Data Rate 5). LPDDR5 è un tipo di RAM (Random Access Memory) ottimizzata per velocità ed efficienza energetica, che consente al dispositivo di gestire grandi dataset ed elaborazione in tempo reale senza consumare energia eccessiva.
• Opzioni di connettività: Include porte USB 3.2 per trasferimenti dati rapidi, una porta Gigabit Ethernet per connessioni di rete stabili e interfacce per telecamere per integrare sensori o telecamere.
• Strumenti di sviluppo AI: Il Jetson Orin Nano Super funziona con l'NVIDIA JetPack SDK, che fornisce strumenti come CUDA per un calcolo più veloce e TensorRT per ottimizzare i modelli AI. Questi strumenti rendono più facile per gli sviluppatori costruire e distribuire applicazioni AI in modo rapido ed efficiente.

Link to this sectionBenchmark delle prestazioni: Jetson Orin Nano Super Vs. Orin NX 16GB#

Se conosci il lavoro di NVIDIA, potresti chiederti come questa nuova uscita si confronti con l'esistente NVIDIA Jetson Orin NX 16GB (senza super mode). Mentre il Jetson Orin NX offre capacità complessive superiori, il Jetson Orin Nano Super Developer Kit fornisce prestazioni impressionanti a una frazione del costo.

Fig 2. Uno sguardo all'ecosistema NVIDIA Jetson Orin.

Ecco una rapida panoramica:

• Prestazioni AI: Jetson Orin Nano Super offre fino a 67 TOPS, ottimo per la maggior parte delle attività di edge AI, mentre il Jetson Orin NX offre fino a 100 TOPS per applicazioni più impegnative.
• Memoria: Jetson Orin Nano Super include 8GB LPDDR5, sufficienti per attività in tempo reale, mentre l'Orin NX li raddoppia a 16GB per carichi di lavoro maggiori.
• Efficienza energetica: Jetson Orin Nano Super è più efficiente dal punto di vista energetico e configurabile tra 7W e 25W, rispetto alle maggiori richieste energetiche del Jetson Orin NX.
• GPU: Entrambi condividono l'architettura NVIDIA Ampere con 1.024 CUDA cores e 32 Tensor Cores per prestazioni GPU robuste.

Link to this sectionYOLO11 con Jetson Orin Nano Super: Portare la visione artificiale all'edge#

Ora che abbiamo una comprensione migliore del Jetson Orin Nano Super, diamo un'occhiata a come YOLO11 può intervenire per portare le capacità di visione artificiale all'edge. I modelli Ultralytics YOLO, incluso YOLO11, sono dotati di modalità versatili come train, predict ed export, rendendoli adattabili a una varietà di flussi di lavoro AI.

Ad esempio, nella modalità training, i modelli Ultralytics YOLO possono essere ottimizzati e addestrati su dataset personalizzati per applicazioni specifiche, come il rilevamento di oggetti unici o l'ottimizzazione per ambienti specifici. Allo stesso modo, la modalità prediction è progettata per l'inferenza, abilitando compiti di computer vision in tempo reale. Infine, la modalità export può essere utilizzata per convertire i modelli in formati ottimizzati per la distribuzione.

Fig 3. I modelli Ultralytics YOLO supportano varie funzionalità e modalità.

YOLO11 in modalità export supporta una gamma di opzioni di distribuzione dei modelli, tra cui:

• NVIDIA TensorRT: Questo formato è ottimizzato per le GPU NVIDIA, offrendo inferenza ad alte prestazioni e bassa latenza sul Jetson Orin Nano Super.
• ONNX (Open Neural Network Exchange): Garantisce la compatibilità tra varie piattaforme, rendendolo versatile per diversi ecosistemi hardware e software.
• TorchScript: Questo formato è ideale per le applicazioni basate su PyTorch, aiutando con un'integrazione fluida nei flussi di lavoro PyTorch.
• TFLite (TensorFlow Lite): Un formato progettato per implementazioni AI leggere, rendendolo perfetto per sistemi mobili ed embedded.

Utilizzando questi formati di distribuzione, gli sviluppatori possono sfruttare appieno l'hardware del Jetson Orin Nano Super per eseguire YOLO11 per applicazioni in tempo reale come spazi intelligenti, robotica e automazione del commercio al dettaglio.

Link to this sectionBenchmark di YOLO11 sul NVIDIA Jetson Orin Nano Super#

Successivamente, per avere un'idea migliore di quanto velocemente YOLO11 possa girare sul NVIDIA Jetson Orin Nano Super, esploriamo le sue prestazioni impressionanti e i benchmark utilizzando formati di export accelerati da GPU come PyTorch, ONNX e TensorRT. Questi test rivelano che il Jetson Orin Nano Super raggiunge tempi di inferenza con i modelli YOLO11 che sono paragonabili a - e occasionalmente superano - l'esistente Jetson Orin NX 16GB (senza super mode).

Fig 4. Benchmark di YOLO11 su NVIDIA Jetson Orin Nano Super.

Ciò che rende tutto questo ancora più notevole è l'accessibilità economica del Jetson Orin Nano Super. Offrendo tali prestazioni a meno della metà del prezzo del Jetson Orin NX 16GB, fornisce un valore eccezionale per gli sviluppatori che creano applicazioni YOLO11 ad alte prestazioni. Questa combinazione di costo e prestazioni rende il Jetson Orin Nano Super una scelta eccellente per attività di visione artificiale in tempo reale sull'edge.

Fig 5. Benchmark di YOLO11 su Jetson Orin NX 16GB.

Link to this sectionMettiti alla prova con YOLO11 e il NVIDIA Jetson Orin Nano Super#

Se sei entusiasta di iniziare a distribuire YOLO11 sul Jetson Orin Nano Super, ci sono buone notizie: è un processo semplice. Dopo aver flashato il tuo dispositivo con l'NVIDIA JetPack SDK, puoi utilizzare un'immagine Docker pre-costruita per una configurazione rapida o installare manualmente i pacchetti necessari.

Per chi cerca un'integrazione più veloce e fluida, il container Docker aggiornato di JetPack 6 è la soluzione ideale. Un container Docker è un ambiente leggero e portatile che include tutti gli strumenti e le dipendenze necessari per eseguire software specifici.

Il container Ultralytics, ottimizzato per JetPack 6.1, viene precaricato con CUDA 12.6, TensorRT 10.3 e strumenti essenziali come PyTorch e TorchVision, tutti adattati per l'architettura ARM64 di Jetson. Utilizzando questo container, gli sviluppatori possono risparmiare tempo sulla configurazione e concentrarsi sulla creazione e sull'ottimizzazione delle loro applicazioni di visione artificiale con YOLO11.

Link to this sectionApplicazioni di YOLO11 sul NVIDIA Jetson Orin Nano Super#

Per chi cerca ispirazione per il prossimo progetto AI, c'è potenziale per applicazioni di computer vision basate sull'edge ovunque intorno a noi.

Nella vita quotidiana, l'edge AI sta ridefinendo gli spazi intelligenti consentendo ai sistemi di rilevare e tracciare oggetti in tempo reale, il tutto senza fare affidamento sull'elaborazione cloud. Che si tratti di monitorare il traffico in una città frenetica o di identificare attività insolite in spazi pubblici, l'edge vision AI sta aumentando la sicurezza e l'efficienza.

Anche i rivenditori stanno sfruttando l'edge AI e la computer vision. Dai controlli automatizzati dell'inventario alla prevenzione dei furti, modelli come YOLO11 rendono possibile per le aziende distribuire soluzioni in tempo reale direttamente nei negozi.

Allo stesso modo, quando si tratta di AI nell'assistenza sanitaria, il monitoraggio basato sull'edge garantisce la sicurezza del paziente, rileva anomalie e mantiene la conformità, il tutto senza ritardi causati dalla dipendenza dal cloud. Con strumenti come il Jetson Orin Nano Super e YOLO11, il futuro della visione artificiale si sta svolgendo proprio all'edge, dove è più necessario.

Link to this sectionPunti chiave#

Distribuire modelli Ultralytics YOLO come YOLO11 sul NVIDIA Jetson Orin Nano Super Developer Kit offre una soluzione affidabile ed efficiente per applicazioni edge AI. Con prestazioni GPU robuste, supporto fluido per PyTorch, ONNX e TensorRT e benchmark impressionanti, è ben adatto per attività di computer vision in tempo reale come il rilevamento e il tracciamento di oggetti.

Le innovazioni e le collaborazioni in tecnologie all'avanguardia come la visione artificiale e l'accelerazione hardware stanno trasformando il modo in cui lavoriamo, consentendo agli sviluppatori di costruire soluzioni scalabili e ad alte prestazioni sull'edge. Con l'avanzamento dell'AI, strumenti come YOLO11 e il Jetson Orin Nano Super rendono più facile che mai dare vita a soluzioni intelligenti in tempo reale.

Curioso dell'AI? Visita il nostro repository GitHub per esplorare i nostri contributi e interagire con la nostra community. Scopri come stiamo usando l'AI per avere un impatto in settori come l'agricoltura e l'assistenza sanitaria.