NVIDIA Jetson Nano 4GB B01 Geliştirici Kiti Edge AI/ROS için - A57 1.43GHz, 128 çekirdekli Maxwell GPU

Genel Bakış

Jetson NANO 4GB B01 AI Büyük Model Geliştirici Kiti, AI ile başlamayı kolaylaştırmak için tasarlanmış kompakt bir geliştirici kitidir (geliştirici kartı platformu). Görüntü sınıflandırma, nesne tespiti, segmentasyon ve ses işleme gibi uygulamalar için birden fazla sinir ağını paralel olarak çalıştırabilir ve sadece 5 watt ile çalışabilir.

Bu Jetson Nano platformu, 4GB LPDDR belleğe sahip bir quad-core ARM Cortex-A57 işlemci ve 128 çekirdekli Maxwell GPU kullanır ve TensorFlow, PyTorch, Caffe/Caffe2, Keras ve MXNet gibi popüler AI çerçevelerini ve algoritmalarını destekler.

Ana Özellikler

• CPU: Quad-core ARM A57 @ 1.43 GHz
• GPU: 128 çekirdekli Maxwell
• AI hesaplama gücü: 473 GFLOPS (sağlanan metinde 472 GFLOP olarak da belirtilmiştir)
• Düşük güç tüketimi: sadece 5 W (sağlanan karşılaştırma materyalinde 5 W–10 W olarak da gösterilmiştir)
• Video kodlama: 4K @ 30; 4x 1080p @ 30; 9x 720p @ 30 (H.264/H.265)
• Video çözümü: 4K @ 60; 2x 4K @ 30; 8x 1080p @ 30; 18x 720p @ 30 (H.264/H.265)
• Kamera arayüzü: MIPI CSI-2 DPHY kanalı *2
• Ekran: HDMI ve DP
• Ağ / genişletme: Gigabit Ethernet; M.2 Anahtar E; M.2 çift bant yüksek hızlı ağ kartını destekler; USB yüksek hızlı ağ kartını destekler
• USB: 4x USB 3.0; USB 2.0 Micro-B
• Diğer I/O listesi: GPIO, I2C, I2S, SPI, UART
• Belirtilen güç girişleri: mikro USB, DC güç ve PoE (sağlanan metinde belirtildiği gibi)

Özellikler

Depolama Notları (Resmi Demo vs SUB Versiyonu)

• Sağlanan karşılaştırma materyali iki varyantı listeliyor: Jetson Nano 4GB Geliştirici Kiti (SUB) ve Jetson Nano 4GB Geliştirici Kiti (Resmi Demo).
• SUB depolama (gösterilen): 16GB eMMC. Materyal, kartın harici depolama olmadan başlatılabileceğini ve 16GB eMMC'nin normal geliştirme ihtiyaçlarını karşıladığını ve resmi sistem imaj dosyasıyla uyumlu olduğunu belirtmektedir.
• Resmi Demo depolama (gösterilen): microSD (Dahil değil). Materyal, kullanıcıların bir TF kartı (microSD) satın alması ve sistemi başlatmak için sistem imaj dosyasını yazması gerektiğini belirtmektedir.
• Eğer bir proje için depolama kapasitesi yetersizse, malzeme durumu kapasitesinin bir USB disk veya TF kart kullanılarak genişletilebileceğini belirtmektedir.

TF Kart / Sistem Görüntüsü Notu

• Sağlanan malzeme şunu belirtmektedir: “Gönderim listesinde yer alan TF kartları, sistem görüntüsü ile yazılmıştır.”
• Sağlanan malzeme ayrıca şunu belirtmektedir: “Kiti içeren tüm versiyonlar 64GB TF kart içermektedir.”
• Başka bir not, resmi sistem görüntüsü + AI ortam yapılandırmasının 32GB'ı aşabileceğini belirtmekte ve 64GB veya daha büyük bir U disk/TF kart kullanılması önerilmektedir.

Eğitim Videoları

Kurs / Eğitim İçeriği (sağlandığı gibi)

• Haziran 2026'da güncellendi: Açık Pençe dağıtım ve uygulama eğitimleri (YENİ). İki etkileşim yöntemi belirtilmiştir: WAP ve ses modülleri.
• Gelişmiş ROS Eğitimleri (SICAK): ROS1 ve ROS2 temelleri ve ilgili öğrenim materyalleri gösterilmektedir.
• Gelişmiş AI Görüş Geliştirme Eğitimleri (SICAK): yerleşik kamera eğitimi, USB harici kamera testi, Jetson-Inference ortamı oluşturma, DeepStream ortamı oluşturma ve daha fazlasını içermektedir (aşağıdaki taslakta listelenmiştir).

Jetson Nano B01 Kurs Taslağı (alıntı)

• Hızla başlayın: 1. Rotayı öğrenin; 2. Hızlı başlangıç eğitimi
• Jetson Nano B01 Temel Eğitimi: 1. Jetson Nano B01'e giriş; 2. Sistem görüntüsünü flaşla; 3. Flaşlanmış SD'yi yeniden oku; 4. Jetson Nano B01 başlat; 5. Resmi görüntüyü yaz (SDK)
• Jetson Nano B01 SUB kartı temel eğitimi: 1. Jetson Nano B01 SUB kartına giriş; 2. EMMC sistem görüntüsünü yaz
• TF başlatma: 1.Jetson Nano SUB TF kart başlangıcı ve ölçeklendirme; 2. TF kart sistem imajı yaz; 3. Flash'lanmış SD diski yeniden oku; 4. TF kartı başlat
• U disk başlangıcı: 1. EMMC başlat yaz; 2. U disk sistemi yaz; 3. Flash'lanmış U diski yeniden oku; 4. Jetson Nano SUB başlangıcı
• Sistem temel kurulum kılavuzu: 1. Jetson Nano B01 sistemi ve masaüstüne giriş; 2. SD kart genişletme; 3. Ağ yapılandırması; 4. SSH Telnet & Dosya Transferi; 5. VNC uzaktan giriş; 6. Jetson Nano B01 sistem yedeği; 7. Jetson Nano B01 takas alanı artırıldı; 8. Jtop'un kurulumu ve kullanımı
• GPIO donanım kontrol kılavuzu: 1. GPIO kütüphanelerinin API kullanımı; 2. Jetson Nano B01 donanım kütüphanesi yapılandırması; 3. Pin okuma fonksiyonu; 4. Pin seviye çıkış kontrolü; 5. LED kontrolü; 6. Jetson Nano B01'in harici cihaz seri portları ile iletişimi; 7. Jetson Nano B01 I2C iletişimi
• AI ileri düzey görsel kılavuz: 1. 1. Yerleşik kamera eğitimi; 2. USB harici kamera testi; 3. Jupyter lab ve Jetcham kurulumu; 4. TensorFlow'u yükle (isteğe bağlı); 5. Jetson-Inference ortamı oluşturma (isteğe bağlı); 6. Merhaba AI Dünyası; 7. Görüntü sınıflandırma akıl yürütmesi; 8. Nesne tespiti akıl yürütmesi; 9. Anlamsal segmentasyon; 10. Poz tahmini; 11. Eylem tanıma; 12. Arka plan kaldırma; 13. Monoküler derinlik tahmini; 14. DeepStream ortamı oluşturma (isteğe bağlı); 15. Otomotiv Muayenesi; 16. yolo5'e giriş; 17. YOLO5 ortamı oluşturma (isteğe bağlı); 18. yolo5'in gerçek zamanlı tespiti; 19. yolo5 + tensorrt hızlandırması; 20. yolo5 + tensorrt hızlandırması + Deep Stream (açık kamera); 21. Mediapipe ortamı oluşturma (isteğe bağlı); 22. Mediapipe geliştirme; 23. Beni Oku
• YOLOv11 / YOLO26 Gelişmiş Kullanım (YENİ): 00. Çalıştırmadan önce okunması gerekenler; 01. YOLOv11 ortamı oluşturma; 02. CLI Kullanımı; 03. Nesne Tespiti; 04. Örnek Segmentasyonu; 05. Poz Tahmini; 06.Görüntü Sınıflandırması; 07. Yönlendirilmiş sınırlayıcı kutu nesne tespiti; 08. Model dönüştürme
• ROS1 temel kursu: 1. ROS'a Giriş; 2. Proje dosya yapısı; 3. Yaygın komutlar ve araçlar; 4. Yayıncı; 5. Aboneler; 6. Konu mesajlarını özelleştirme ve kullanma; 7. İstemci; 8. Sunucu; 9. Hizmet mesajlarını ve kullanımını özelleştirme; 10. TF sürümü ve izleme
• ROS1 görsel görüntü işleme kursu: 1. AR görselliği; 2. AR QR kodu; 3. ROS+OpenCV temeli; 4. ROS+OpenCV uygulaması; 5. MediaPipe geliştirme
• ROS2 temel kursu: 1. ROS2'ye Giriş; 2. ROS2'yi Humble olarak yükleme; 3. ROS2 geliştirme ortamı; 4. ROS2 çalışma alanı; 5. ROS2 işlev paketi; 6. ROS2 düğümü; 7. ROS2 konu iletişimi; 8. ROS2 hizmet iletişimi; 9. ROS2 eylem iletişimi; 10. ROS2 özel arayüz mesajı; 11. ROS2 parametre hizmet durumu; 12. ROS2 meta-fonksiyon paketi; 13. ROS2 dağıtılmış iletişim; 14. ROS2 DDS; 15.ROS2 zaman ile ilgili API; 16. ROS2 ortak komut araçları; 17. ROS2 rviz2 kullanımı; 18. ROS2 rqt araç kutusu; 19. ROS2 Başlatma başlangıç dosyası yapılandırması; 20. ROS2 kayıt ve oynatma aracı; 21. ROS2 URDF modeli; 22. ROS2 Gazebo simülasyon platformu; 23. ROS2 TF2 koordinat dönüşümü
• Docker Kursu: 1. Genel bakış ve kurulum; 2. Ortak komutlar; 3. Görüntüleri anlama ve yayınlama; 4. Donanım etkileşimi veri işleme; 5. Docker konteynerine girme; 6. Docker görüntülerini güncelleme
• OpenCV görüntü işleme kursu: 1. OpenCV Temel Kursu; 2. ROS+opencv uygulaması; 3. QR kodu tanıma; 4. AR Görüş; 5. Mediapipe
• Çevrimdışı AI büyük model eğitimleri: 0. AI büyük model sistem görüntü talimatları; 1. AI büyük model ortam dağıtımı; 2. Büyük model diyalog platformu kurulum; 3. Meta AI Llama 3.2 modeli; 4. Alibaba Cloud Qwen2 modeli; 5. Alibaba Cloud Qwen3 modeli; 6. SUTD TinyLlama; 7. DeepSeek DeepSeek-R1 modeli; 8. Microsoft Phi-3; 9. Microsoft Orca Mini; 10. NVIDIA StarCoder2; 11. Google Gemma3 Görsel Çok Modlu Büyük Model; 12. Çevrimdışı Metinden Sese (TTS); 13. Çevrimdışı Sesten Metne (ASR)
• Çevrimiçi büyük model eğitimleri: 1. OpenRouter büyük model API toplama platformu; 2. Çok modlu görsel anlama uygulaması; 3. Çok modlu görsel konumlandırma uygulaması; 4. Çok modlu tablo tarama uygulaması; 5. Çok modlu otonom proxy uygulaması
• Çevrimiçi büyük model (Ses etkileşimi): 0. Ses etkileşimi donanım bağlantısı (ReadMe); 1. Çevrimdışı sesten metne (ASR); 2. Çevrimdışı metinden sese (TTS); 3. AI büyük model ses etkileşimi; 4. Çok modlu görsel anlama ses etkileşimi; 5. Çok modlu görsel konum uygulaması; 6. Çok modlu tablo tarama uygulaması; 7. Çok modlu otonom proxy uygulaması; 8. AI büyük model çevrimdışı sesli asistan
• OpenClaw dağıtımı ve temel kullanımı: 1.OpenClaw Dağıtımı; 2. OpenClaw WAP eklenti uygulaması; 3. OpenClaw WebChat etkileşimi; 4. OpenClaw TUI etkileşimi; 5. OpenClaw araçları tanıtımı; 6. OpenClaw Gate geçit kullanıcı kılavuzu; 7. OpenClaw özellikleri genel bakış; 8. OpenClaw hub tanıtımı (Yetenek kurulumu); 9. OpenClaw uygulama-dosya yönetimi; 10. OpenClaw uygulama-kamera; 12. OpenClaw uygulama-script yürütme; 13. OpenClaw uygulama-programlama (Aygıt & GPIO Kontrolü); 14. OpenClaw uygulama-özel AI Asistan
• OpenClaw kullanımdan önce hazırlık: 1. Aygıt donanım yapılandırması; 2. OpenClaw API-KEY yapılandırması; 3. OpenClaw anahtarlama modeli; 4. OpenClaw istemci kelimeleri; 5. AI ses etkileşimi yapılandırması; 6. 3D şeması yapılandırma testleri
• OpenClaw Aygıt Aktif programlama (Aygıt kontrolü): 1. Servo kontrol; 2. RGB ışık şeridi; 3. OLED
• OpenClaw genişletme ileri düzey geliştirme: 1.Sıcaklık ve nem sensörleri; 2. Kamera uygulaması; 1. Bitki bakım asistanı; 2. AI-isı tahmini; 3. AI-Tahmin Palm Oyunu; 4. AI Evcil Hayvan; 5. AI Meteorolojik İstasyonu; 6. Sıcaklık hassasiyeti ölçer; 7. Planlı görevler

Paketleme Listesi (gösterilen notlar)

• Sağlanan malzeme durumu: ayrı kart çalışması bir güç adaptörü ve 64G bellek kartı gerektirir.

Uygulamalar

• Kenar AI prototipleme: görüntü sınıflandırma, nesne tespiti, segmentasyon, ses işleme
• ROS öğrenimi ve robotik geliştirme (ROS sistemi / ROS robotu sağlanan malzeme içinde desteklenen öğrenim hedefleri olarak gösterilmektedir)
• Bilgisayarla görme ve MIPI CSI-2 (2 kanal) veya USB kameralar aracılığıyla kamera tabanlı projeler (kurs taslağında referans verilmiştir)

Sipariş onayı için (depolama varyantı, dahil edilen aksesuarlar) veya entegrasyon soruları için (M.2 Anahtar E WiFi kartları, kameralar, güç), iletişim için [email protected] or ziyaret https://rcdrone.top/ .

Detaylar