Introduction
업무에 있어 AI 가속이 필요한 작업을 해야 하는 상황이 생겨, 젯슨 나노를 구입했습니다. 현재 시점에서 젯슨 나노 제품은 단종이 되었으며, 대체재로 Jetson Orin Nano가 판매되고 있으나, 가격이 일반 PC에 버금가게 비싸다 보니 선뜻 접근이 어렵습니다. 그렇다보니 출시된지 한참 되었음에도 가격이 오히려 올라가는 이 이상한 보드를 울며 겨자먹기로 사용할 수 밖에 없습니다.
여전히 쓸만한가?
결론부터 말씀드리자면, 그렇습니다. 개인적으로 구입 후 추론작업 진행해본 결과, yolov8, yolov8n weight,640*480 입력 기준 0.06s~0.05s(15fps~20fps)의 성능을 보입니다. 가격이 너무 치사하긴 하지만, 이정도 성능이 나오는 제품은 이 가격대에 없다고 자신있게 말할 수 있습니다. 라즈베리파이가 cpu 연산으로 2-4s 걸리는 데 비하면 비교도 안되는 성능이 나온다고 보시면 되겠습니다. 다만 이정도로 성능을 끌어올리는데는 몇 가지 작업이 필요하다보니 이에 대한 내용 차차 포스팅해 나가 보도록 하겠습니다.
중고로 구입한다면?
젯슨 나노가 출시된지 시간이 꽤 되었기 때문에, 몇 가지 리비전이 존재합니다. 여기에서는 A02, B01, B01(2GB), eMMC가 탑재된 버전에 대해 다루겠습니다.
A02는 1개의 CSI 포트, GPIO, micro-b, 배럴잭 입력을 받습니다.
B01은 A02와 달리 2개의 CSI 포트, 그리고 후면에 전원입력과 시리얼 통신을 위한 포트의 위치가 약간 바뀌었습니다.
그리고 주의하셔야 할 게...Yahboom이라는 곳에서 만든 젯슨 나노인데요. 이 제품의 경우 젯슨나노 모듈 자체에 16GB eMMC가 내장되어 나옵니다. 단순 제품 구입해서 이것저것 장난감으로 돌려만 본다면 크게 문제가 없을 수도 있습니다. 그런데 eMMC 젯슨 나노는 용량과 포트 활용, 재설치에 있어 정말 불리합니다. pytorch, cuda 등등 딥러닝 관련 패키지를 설치하고 나면 30GB정도 쓰입니다. 내장 메모리로는 이 모든 것들을 커버하기 어렵습니다. 그래서 결국 usb를 통한 외장 메모리를 상시 연결해야 하고, 이렇게 되면 활용할 수 있는 포트가 한개 더 줄어듭니다. 다음의 기준을 제품 구입할 때 참고하시길 바랍니다.
1. microsd 슬롯이 있는가?
2. 배럴잭 입력을 받을 수 있는가?(이게 되어야 최대 성능을 확보할 수 있습니다.)
3. B01 모델인가?(중요치는 않습니다.)
Done!
젯슨 나노는 엔비디아의 Tegra X1 칩을 커팅하여 만든 제품으로, GPU를 활용할 수 있는 SBC(Single Board Computer)라는 점에서 매력적입니다. GPU 연산을 별도로, 저전력으로 진행하고 싶으면서 내가 시스템 하드웨어에 조예가 좀 있다 하면 같은 가격에 Tegra X1 풀 칩이 장착되면서도 자체 UPS(배터리), 디스플레이까지 포함된 닌텐도 스위치 제품을 활용하는 것도 괜찮겠다는 생각이 듭니다. 초기 세팅이 어려울지라도 성능은 젯슨 나노의 2배에 근접할 것으로 보입니다.
긴 글 읽어주셔서 감사합니다. ❤️와 광고 클릭으로 고마움을 간단히 표현할 수 있습니다.
개발환경(Desktop) | Ryzen 5900X, RTX 3080
개발환경(Laptop) | M2 MacBook Pro / Mac OS 13.4 Ventura
개발환경(Jetson Nano) | JetPack 4.6[L4T 32.6.1], Python 3.8.10, PyTorch 1.12.0, TensorRT 8.0.1.6, OpenCV 4.8.0
임베디드,IoT, Ai, AIoT 제품 개발 및 기타 문의 | dokixote@wklabs.io 혹은 오른쪽 아래 채팅을 통해 문의
