NVIDIA Jetson Nano 4GB B01 Utvecklarkit för Edge AI/ROS - A57 1,43GHz, 128-kärnig Maxwell GPU

Översikt

Jetson NANO 4GB B01 AI Large Model Developer Kit är ett kompakt utvecklingskit (utvecklingskort plattform) designat för att komma igång med AI. Det kan köra flera neurala nätverk parallellt för applikationer som bildklassificering, objektigenkänning, segmentering och talbehandling, och kan drivas med så lite som 5 watt.

Denna Jetson Nano-plattform använder en fyrkärnig ARM Cortex-A57-processor och en 128-kärnig Maxwell GPU med 4GB LPDDR-minne, och stöder populära AI-ramverk och algoritmer som TensorFlow, PyTorch, Caffe/Caffe2, Keras och MXNet.

Nyckelfunktioner

• CPU: Fyrkärnig ARM A57 @ 1.43 GHz
• GPU: 128-kärnig Maxwell
• AI-beräkningskraft: 473 GFLOPS (även angivet som 472 GFLOP i den tillhandahållna texten)
• Låg strömförbrukning: så lite som 5 W (även visat som 5 W–10 W i tillhandahållet jämförelsematerial)
• Video kodning: 4K @ 30; 4x 1080p @ 30; 9x 720p @ 30 (H.264/H.265)
• Videodekodning: 4K @ 60; 2x 4K @ 30; 8x 1080p @ 30; 18x 720p @ 30 (H.264/H.265)
• Kameragränssnitt: MIPI CSI-2 DPHY kanal *2
• Display: HDMI och DP
• Nätverk / expansion: Gigabit Ethernet; M.2 Nyckel E; stöder M.2 dual-band hög hastighets nätverkskort; stöder USB hög hastighets nätverkskort
• USB: 4x USB 3.0; USB 2.0 Micro-B
• Övriga I/O listade: GPIO, I2C, I2S, SPI, UART
• Strömingångar nämnda: micro USB, DC-ström och PoE (som anges i den tillhandahållna texten)

Specifikationer

Lagringsanteckningar (Officiell Demo vs SUB-version)

• Den tillhandahållna jämförelsematerialet listar två varianter: Jetson Nano 4GB Utvecklingskit (SUB) och Jetson Nano 4GB Utvecklingskit (Officiell Demo).
• SUB-lagring (visad): 16GB eMMC. Materialet anger att kortet kan startas utan extern lagring, och att 16GB eMMC uppfyller vanliga utvecklingsbehov och är kompatibelt med den officiella systemavbildningsfilen.
• Officiell Demo-lagring (visad): microSD (Ingår inte). Materialet anger att användare behöver köpa ett TF-kort (microSD) och skriva systemavbildningsfilen för att starta kortet.
• Om lagringskapaciteten är otillräcklig för ett projekt, kan materialet ange att kapaciteten kan utökas med en USB-disk eller TF-kort.

TF-kort / Systemavbildningsnotering

• Det angivna materialet säger: “TF-kortet som ingår i fraktlistan är alla skrivna med systemavbildningen.”
• Det angivna materialet säger också: “Alla versioner av kitet innehåller ett 64GB TF-kort.”
• En annan notering anger att installation av den officiella systemavbildningen + AI-miljökonfiguration kan överskrida 32GB, och det rekommenderas att använda en U-disk/TF-kort på 64GB eller mer.

Instruktionsvideor

Kurs / Instruktionsinnehåll (som tillhandahålls)

• Uppdaterad i juni 2026: OpenClaw-distributions- och applikationshandledningar (NY). Två interaktionsmetoder anges: WAP och röstmoduler.
• Avancerade ROS-tutorials (HET): ROS1 och ROS2 grunder samt relaterat lärmaterial visas.
• Avancerade AI Vision Utvecklingstutorials (HET): inkluderar objekt som ombordkamera-tutorial, USB extern kameratest, Jetson-Inference miljöuppbyggnad, DeepStream miljöuppbyggnad och mer (som listas i översikten nedan).

Jetson Nano B01 Kursöversikt (utdrag)

• Kom igång snabbt: 1. Lär dig rutten; 2. Snabbstartstutorial
• Jetson Nano B01 Grundläggande tutorial: 1. Introduktion till Jetson nano B01; 2. Flash systemavbildningen; 3. Flasher SD läs om disken; 4. Jetson Nano B01 startar; 5. Skriv den officiella bilden (SDK)
• Jetson Nano B01 SUB-kort grundläggande tutorial: 1. Introduktion till Jetson Nano B01 SUB-kort; 2. Skriv EMMC systemavbildning
• TF starta: 1.Jetson Nano SUB TF-kortstart och skalning; 2. Skriv TF-korts systemavbild; 3. Flasherad SD läs om disken; 4. Skriv TF-kortets boot
• U-diskstart: 1. Skriv EMMC boot; 2. Skriv U-diskens system; 3. Flasherad U-disk läs om disken; 4. Jetson Nano SUB start
• Systemets grundläggande installationshandledning: 1. Introduktion till Jetson Nano B01-systemet och skrivbordet; 2. SD-korts utvidgning; 3. Nätverkskonfiguration; 4. SSH Telnet & Filöverföring; 5. VNC fjärrinloggning; 6. Jetson Nano B01 systembackup; 7. Jetson Nano B01 swaputrymme ökat; 8. Installation och användning av Jtop
• GPIO hårdvarukontrollhandledning: 1. API-användning av GPIO-bibliotek; 2. Jetson Nano B01 hårdvarubiblioteks konfiguration; 3. Pin-läsningsfunktion; 4. Pin-nivå utgångskontroll; 5. Kontrollera LED; 6. Jetson Nano B01 kommunicerar med externa enheters seriella portar; 7. Jetson Nano B01 I2C-kommunikation
• AI avancerad visuell handledning: 1.On-board kamera handledning; 2. USB extern kamera test; 3. Jupyter lab och Jetcham installation; 4. Installera TensorFlow (valfritt); 5. Jetson-Inference miljö konstruktion (valfritt); 6. Hej AI Värld; 7. Bildklassificering resonemang; 8. Objekt detektering resonemang; 9. Semantisk segmentering; 10. Pose uppskattning; 11. Aktionsigenkänning; 12. Bakgrundsborttagning; 13. Monokulär djup uppskattning; 14. DeepStream miljö konstruktion (valfritt); 15. Fordonsinspektion; 16. Introduktion till yolo5; 17. YOLO5 miljö konstruktion (valfritt); 18. Realtidsdetektering av yolo5; 19. yolo5 + tensorrt acceleration; 20. yolo5 + tensorrt acceleration + Deep Stream (öppna kamera); 21. Mediapipe miljö konstruktion (valfritt); 22. Mediapipe utveckling; 23. Läs mig
• YOLOv11 / YOLO26 Avancerad Användning (NY): 00. Måste läsas innan körning; 01. YOLOv11 miljö konstruktion; 02. CLI Användning; 03. Objekt Detektering; 04. Instans Segmentering; 05. Pose Uppskattning; 06.Bildklassificering; 07. Orienterad begränsningslåda objektidentifiering; 08. Modellkonvertering
• ROS1 grundkurs: 1. Introduktion till ROS; 2. Projektfilstruktur; 3. Vanliga kommandon och verktyg; 4. Publicerare; 5. Prenumeranter; 6. Anpassa ämnesmeddelanden och användning; 7. Klient; 8. Server; 9. Anpassa servicemeddelanden och användning; 10. TF-utgivning och övervakning
• ROS1 visuell bildbehandlingskurs: 1. AR-vision; 2. AR QR-kod; 3. ROS+OpenCV grund; 4. ROS+OpenCV tillämpning; 5. MediaPipe utveckling
• ROS2 grundkurs: 1. Introduktion till ROS2; 2. ROS2 installera Humble; 3. ROS2 utvecklingsmiljö; 4. ROS2 arbetsyta; 5. ROS2 funktionspaket; 6. ROS2 nod; 7. ROS2 ämneskommunikation; 8. ROS2 servicekommunikation; 9. ROS2 åtgärdskommunikation; 10. ROS2 anpassat gränssnittmeddelande; 11. ROS2 parameter service fall; 12. ROS2 meta-funktionspaket; 13. ROS2 distribuerad kommunikation; 14. ROS2 DDS; 15.ROS2 tidsrelaterad API; 16. ROS2 vanliga kommandon verktyg; 17. ROS2 rviz2 användning; 18. ROS2 rqt verktygslåda; 19. ROS2 Launch startfil konfiguration; 20. ROS2 inspelning och uppspelningsverktyg; 21. ROS2 URDF modell; 22. ROS2 Gazebo simuleringsplattform; 23. ROS2 TF2 koordinattransformation
• Docker Kurs: 1. Översikt och installation; 2. Vanliga kommandon; 3. Förstå och publicera bilder; 4. Hårdvaruinteraktion databehandling; 5. Gå in i dockerbehållare; 6. Uppdatera dockerbilder
• OpenCV bildbehandlingskurs: 1. OpenCV Grundkurs; 2. ROS+opencv applikation; 3. QR-kod igenkänning; 4. AR Vision; 5. Mediapipe
• Offline AI stora modellhandledningar: 0. AI stora modell systembild instruktioner; 1. AI stora modell miljödistribution; 2. Installera stor modell dialogplattform; 3. Meta AI Llama 3.2 modell; 4. Alibaba Cloud Qwen2 modell; 5. Alibaba Cloud Qwen3 modell; 6. SUTD TinyLlama; 7. DeepSeek DeepSeek-R1 modell; 8.Microsoft Phi-3; 9. Microsoft Orca Mini; 10. NVIDIA StarCoder2; 11. Google Gemma3 Visuellt Multimodalt Stort Modell; 12. Offline Text till Tal (TTS); 13. Offline Tal till Text (ASR)
• Online stora modellhandledningar: 1. OpenRouter stor modell API aggregationsplattform; 2. Multimodal visuell förståelseapplikation; 3. Multimodal visuell lokaliseringsapplikation; 4. Multimodal bordscanningsapplikation; 5. Multimodal autonom proxyapplikation
• Online stor modell (Röstinteraktion): 0. Röstinteraktionshårdvarukoppling (ReadMe); 1. Offline tal till text (ASR); 2. Offline text till tal (TTS); 3. AI stor modell röstinteraktion; 4. Multimodal visuell förståelse talinteraktion; 5. Multimodal visuell positionsapplikation; 6. Multimodal bordscanningsapplikation; 7. Multimodal autonom proxyapplikation; 8. AI stor modell offline röstassistent
• OpenClaw distribution och grundläggande användning: 1.OpenClaw Distribution; 2. OpenClaw WAP-pluginapplikation; 3. OpenClaw WebChat-interaktion; 4. OpenClaw TUI-interaktion; 5. Introduktion till OpenClaw-verktyg; 6. OpenClaw Gate-gateway användarmanual; 7. Översikt över OpenClaw-funktioner; 8. Introduktion till OpenClaw-hub (Installation av färdigheter); 9. Hantering av OpenClaw-applikationsfiler; 10. OpenClaw-applikationskamera; 12. OpenClaw-applikationsskriptkörning; 13. OpenClaw-applikationsprogrammering (Perifer & GPIO-kontroll); 14. OpenClaw-applikation - dedikerad AI-assistent
• Förberedelse av OpenClaw innan användning: 1. Konfiguration av periferihårdvara; 2. Konfiguration av OpenClaw API-KEY; 3. OpenClaw växlingsmodell; 4. OpenClaw uppmaningsord; 5. Konfiguration av AI-röstinteraktion; 6. Tester av 3D-schema konfiguration
• OpenClaw Peripheral Act programmering (Periferikontroll): 1. Servokontroll; 2. RGB-ljusslang; 3. OLED
• Avancerad utveckling av OpenClaw-tillägg: 1.Temperatur- och fuktighetssensorer; 2. Kameraapplikation; 1. Växtvårdassistent; 2. AI-värmeuppskattning; 3. AI-Gissa Palm Spelet; 4. AI Husdjur; 5. AI Meteorologisk Station; 6. Temperatursensitivitetmätare; 7. Schemalagda uppgifter

Packing List (noter visas)

• Tillhandahållet material anger: separat brädoperation kräver en strömadapter och ett 64G minneskort.

Applikationer

• Edge AI prototypning: bildklassificering, objektidentifiering, segmentering, talbehandling
• ROS-lärande och robotikutveckling (ROS-system / ROS-robotar visas som stödda lärandemål i det tillhandahållna materialet)
• Datorseende och kamerabaserade projekt via MIPI CSI-2 (2 kanaler) eller USB-kameror (som refererat i kursplanen)

För orderbekräftelse (lagervariant, inkluderade tillbehör) eller integrationsfrågor (M.2 Nyckel E WiFi-kort, kameror, ström), kontakta [email protected] or besök https://rcdrone.top/ .

Detaljer