迷你却强大的开发工具包为爱好者的赛车加速并创下新记录。

改装赛车弯弯曲曲地驶向终点。观众欢呼，负责车队的工程师和技师们击掌庆祝。这不是NASCAR，而是一个硬件共享办公空间，是硅谷DIY 无人驾驶赛车运动的起点。

科技行业的工程师和业余爱好者用笔记本电脑来调整无人驾驶赛车的神经网络，取代了用扳手操作的机械师。

在这个场景中，NVIDIA Jetson Nano开发工具包让自动驾驶实现了性能飞跃。这是因为NVIDIA Jetson Nano以爱好者们都能支付的价格，为他们1/16大小或更小的“改装”车提供了专业的AI支持。

无人驾驶赛车比赛吸引了来自亚马逊、谷歌、微软、NVINVIDIA和其他科技公司的学生、业余爱好者和员工来参加，供他们周末娱乐。活动主持人、无人机初创公司3DR的首席执行官Chris Anderson表示:“NVIDIA与我们的社区越来越相关。这是一场全尺寸自动驾驶汽车的赛事。”

今年9月的一个周日，数百名无人驾驶赛车爱好者聚集在加州奥克兰的Circuit Launch space，参加一场无人驾驶比赛。就在几个月前，这个DIY赛车制造商社区的许多人还在使用Raspberry Pi，但现在为了保持竞争力，他们大多已经改用了Jetson Nano。

NVIDIA的车队在“改装”赛车比赛中获得了第一名。在允许更多预算的“无限制”比赛中，使用了Jetson的赛车分别排名第一和第二。

Anderson说，来自40个国家的1万多人参与了全球的无人驾驶比赛社区。

更快的赛车运行时间

将赛车在室内跑道上运行的时间从12秒减少到6秒，是Jetson Nano深度学习的成果。

“毫无疑问，Jetson Nano已经开始成为一个创客平台。这是向AI范式转变的一个例子，也是创客社区如何迈出这一大步的一个体现，”参加竞赛的NVIDIA自主机器开发技术工程师John Welsh表示。

为什么是Jetson Nano AI？

运行Ubuntu Linux的紧凑而强大的Jetson Nano运行着与超级计算机上使用的相同的AI框架——包括PyTorch、Keras、TensorFlow和OpenCV库。

用于计算机视觉和自然语言处理的PyTorch开源机器学习库支持打造各行各业的机器人，满足视觉、对话等需求。

Jetson Nano还运行NVIDIA CUDA-X库、工具和技术的集合，可以提高AI应用程序的性能。这意味着它可以使用所有相同的TensorFlow软件库，并能够通过TensorRT优化模型和加速推理。

此外，Jetson Nano提供了472 GFLOPS的计算性能，可以处理高要求的人工智能工作负载，同时运行功率只有5瓦，非常适合所有类型的电池驱动机器人。

“能把这种自动驾驶技术带给每个人简直太棒了，”同样参加了比赛的NVIDIA Jetson架构师Gabriele Gorla说。

组建你自己的DIY赛车

如果你想开始你的自主机器之旅，JetRacer开源项目提供了一个很好的起点，以解决人工智能竞赛的挑战。只要有一台包含Jetson Nano的JetRacer小车，就可以开始组装了。

另一个方法是从头开始打造你自己的定制车——或者考虑自己动手做一辆Donkeycar——然后把它安装到Jetson Nano上。

为了加快软件开发，在microSD卡上刷新可用的JetCard文件。这个系统配置预装了一个Jupyter Lab服务器，它在安装制动装置时启动，用于基于web的编程。在构建中加一个LED显示屏来显示Jetson的IP地址和其他有用信息是很有帮助的。

系统设置还提供了对前面提到的和流行的PyTorch和TensorFlow深度学习框架的访问。使用JetCard配置好设置之后，就可以直接从Python的web浏览器开始开发AI项目了。

无人驾驶赛车以及更多内容

开源的Ubuntu Linux为深度学习提供了强大的编程能力。使用Juptyer Notebooks的爱好者能和专业人士一样很容易地训练出模型。这就像在web浏览器中更改代码块，然后继续使用模型一样简单。

无人驾驶赛车只是一个开始。Jetson Nano的潜在应用范围包括从医疗成像到家用机器人和工业loT的一切。

“我们相信使用深度学习将获得更大的潜力，这也是我们为什么要向其他用户介绍这个平台。”NVIDIA Jetson技术营销经理Chitoku Yato说，他曾和Welsh一起参加比赛。