JETSONナノ対。インテルニューラルコンピューティングスティック2

https://devblogs.nvidia.com/jetson-nano-ai-computing/

 

 

表2は、ラズベリーパイ3のような他のプラットフォームのパフォーマンスを含め、インテルニューラルコンピューティングスティック2、およびGoogleのエッジTPUコーラルのDevボードを完全な結果を提供します。

JETSONナノ、ラズベリーパイ3、インテルニューラルコンピューティングスティック2、およびGoogleのエッジTPUコーラルのDevボードから表2推論パフォーマンスの結果

モデル	応用	フレームワーク	NVIDIA  JETSONナノ	ラズベリーパイ3	ラズベリーパイ3 +インテルニューラルコンピューティングスティック2	GoogleのエッジTPU  のDev会
RESEN-50 （224×224）	分類	TensorFlow	36 FPS	1.4 FPS	16 FPS	DNR
MobileNet-V2 （300×300）	分類	TensorFlow	64 FPS	2.5 FPS	30 FPS	130 FPS
SSD-18 RESNIK（960×544）	物体検出	TensorFlow	5 FPS	DNR	DNR	DNR
SSD-18 RESNIK（480×272）	物体検出	TensorFlow	16 FPS	DNR	DNR	DNR
SSD-18 RESNIK（300×300）	物体検出	TensorFlow	18 FPS	DNR	DNR	DNR
SSD Mobilenet-V2（960×544）	オブジェクト 検出	TensorFlow	8 FPS	DNR	1.8 FPS	DNR
SSD Mobilenet-V2（480×272）	物体検出	TensorFlow	27 FPS	DNR	7 FPS	DNR
SSD Mobilenet-V2 （300×300）	物体検出	TensorFlow	39 FPS	1 FPS	11 FPS	48 FPS
インセプションV4 （299×299）	分類	PyTorch	11 FPS	DNR	DNR	9 FPS
タイニーYOLO V3 （416×416）	物体検出	ダークネット	25 FPS	0.5 FPS	DNR	DNR
OpenPose （256×256）	姿勢推定	カフェ	14 FPS	DNR	5 FPS	DNR
VGG-19（224×224）	分類	MXNet	10 FPS	0.5 FPS	5 FPS	DNR
超解像（481×321）	画像処理	PyTorch	15 FPS	DNR	0.6 FPS	DNR
夢 （1x512x512）	セグメンテーション	カフェ	18 FPS	DNR	5 FPS	DNR