logologo
Ai badge logo

Bu madde yapay zeka desteği ile üretilmiştir.

Jetson Nano

Elektrik Ve Elektronik+2 Daha
fav gif
Kaydet
viki star outline
jetson.jpeg
Jetson Nano
Üretici
NVIDIA
Alternatifler
Raspberry PiJetson Nano
Boyutları
70 x 45 mm
Çekirdek Sayısı
4
Mimari
64-bit Arm
Ram
4 GB LPDDR4
Güç Tüketimi
5-10 watt
Desteklenen diller
PyhtonC/C++

Jetson Nano, modern yapay zeka uygulamalarının düşük güç tüketimiyle uç noktalarda çalıştırılmasına olanak tanıyan, NVIDIA tarafından geliştirilen kompakt ve güçlü bir yapay zeka bilgisayarıdır. Görüntü sınıflandırma, nesne algılama, segmentasyon ve konuşma işleme gibi alanlarda birden fazla nöral ağı aynı anda çalıştırabilme yeteneğine sahiptir. Küçük boyutuna rağmen yüksek performans sunan bu platform, özellikle düşük maliyetli ve enerji verimli çözümler için tercih edilmektedir.


Jetson Nano ve Kamera Modülü (Yapay zeka tarafından oluşturulmuştur)

Tarihçe

Jetson Nano, bilgisayarla görmenin temel problemlerinden biri olan nesne algılama konusuna odaklanılarak geliştirilmiştir. Kaliforniya merkezli NVIDIA Teknoloji Şirketi tarafından tasarlanan Jetson Nano, ilk kez Mart 2019’da düzenlenen GPU Teknoloji Konferansı’nda (GTC) tanıtılmıştır. Jetson serisi, makine öğreniminin yaygın kullanımı sonucunda geliştirilen entegre hızlandırıcı donanımlardır. Jetson Nano, başta Nesnelerin İnterneti (IoT) üreticileri ve geliştiricileri için düşük maliyetli, düşük güçlü ve küçük boyutlu bir AI platformu olarak tasarlanmıştır.

Teknik Özellikler ve Donanım Yapısı

Jetson Nano, sadece 70 x 45 mm boyutlarında olup bir kredi kartından daha küçüktür. Modül, 64-bit ARM mimarisine sahip olup 128 çekirdekli Maxwell GPU, dört çekirdekli ARM Cortex-A57 CPU, 4 GB LPDDR4 bellek ve 16 GB eMMC hafıza içerir. Ayrıca Gigabit Ethernet bağlantısı, PMIC, güç regülatörleri ve sıcaklık sensörleri gibi bileşenlerle donatılmıştır. 260 pinli SODIMM konektörü sayesinde yüksek ve düşük hızlı I/O bileşenleri destekler. Jetson Nano'nun GPIO, I2C, SPI, UART, USB, HDMI gibi birçok bağlantı arayüzü bulunmaktadır. Depolama için microSD kart yuvası da mevcuttur.

Model Çeşitleri

Jetson Nano’nun üç farklı geliştirici kiti modeli mevcuttur: Jetson Nano A02, Jetson Nano B01 (4GB) ve Jetson Nano 2GB. İlk çıkan A02 modeli Mart 2019’da piyasaya sürülmüş, B01 ise Ocak 2020’de geliştirilmiş sürüm olarak tanıtılmıştır. A02 modelinde Intel 8260 WiFi modülüyle önyükleme yapılamaması gibi bazı teknik sınırlamalar, B01 modeliyle giderilmiştir. Ayrıca B01 modeline ekstra bir kamera slotu eklenmiştir. Üç modelin çoğu teknik özelliği ve bileşeni ortaktır.

Performans ve Güç Verimliliği

Jetson Nano, modern yapay zeka algoritmaları için 472 GFLOP bilgi işlem performansı sunar. Aynı anda yüksek çözünürlüklü sensörlerden gelen verileri işleyebilir ve çok sayıda nöral ağı paralel çalıştırabilir. 5 ila 10 watt arasında değişen düşük güç gereksinimleri sayesinde enerji verimliliği ön plandadır. Bu yönüyle akıllı IoT cihazları, robotik sistemler ve uçta yapay zeka çözümleri için idealdir.

Yazılım Desteği ve Geliştirme Ortamları

Jetson Nano, NVIDIA’nın JetPack SDK'sı ile çalışmakta olup, günümüzde popüler hale gelen yapay zeka kütüphaneleri ve çerçeveleriyle uyumludur. Pandas, NumPy, TensorFlow ve Keras gibi kütüphaneler bu platform üzerinde çalıştırılabilir. Görüntü işleme için OpenCV kütüphanesi desteği de sunulmakta olup, yüz tanıma gibi makine öğrenimi uygulamaları geliştirilebilir. Programlama dilleri olarak C/C++ ve Python desteklenir. Ayrıca web uygulamaları ve veritabanları gibi çeşitli yazılımlar, işletim sistemi tabanlı mimarisi sayesinde Jetson Nano üzerinde kurulabilir.

Kaynakça

Ultralytics. 2 Nisan 2024. Hızlı Başlangıç Kılavuzu: NVIDIA Jetson ile Ultralytics YOLOv8. Erişim tarihi: 12 Mayıs 2025. Erişim adresi: https://docs.ultralytics.com/tr/guides/nvidia-jetson/#install-ultralytics-package_1

NVIDIA. 21 Kasım 2024. Jetson Nano | Milyonlarca cihaz için Modern Yapay Zeka | NVIDIA. Erişim tarihi: 12 Mayıs 2025. Erişim adresi: https://www.nvidia.com/tr-tr/autonomous-machines/embedded-systems/jetson-nano/product-development/

Kılıç, H. 2023. Gömülü Sistem Üzerinde Makine Öğrenmesi Kullanarak Yere Nüfuz Eden Radar Verisinden Nesne Tespiti. Yüksek Lisans Tezi, Selçuk Üniversitesi, Fen Bilimleri Enstitüsü, Konya.

Kocer, Sabri, Ozgur Dundar, ve Resul Butuner, editors. Programmable Smart Microcontroller Cards. İstanbul: ISRES Publishing, 2021. ISBN 978-605-74825-6-3.

Sen de Değerlendir!

0 Değerlendirme

Yazar Bilgileri

Avatar
Ana YazarKaan Gül13 Mayıs 2025 09:10
KÜRE'ye Sor