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。
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 |
分類 |
TensorFlow |
36 FPS |
1.4 FPS |
16 FPS |
DNR |
MobileNet-V2 |
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 |
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 |