B
blog
Misafir
Misafir
Bu bağlantıyı görüntüleyebilmek için kayıt olmalı zaten üyeyseniz üye girişi yapmalısınız.
ile OpenClaw’a ek gizlilik ve güvenlik özellikleri kazandıran açık kaynaklı
Bu bağlantıyı görüntüleyebilmek için kayıt olmalı zaten üyeyseniz üye girişi yapmalısınız.
platformunu tek komutla kurabilirsiniz. Yeni sürümle birlikte Jetson için geliştirilen
Bu bağlantıyı görüntüleyebilmek için kayıt olmalı zaten üyeyseniz üye girişi yapmalısınız.
yeteneklerine de erişebilirsiniz. Bunlar arasında hem
Bu bağlantıyı görüntüleyebilmek için kayıt olmalı zaten üyeyseniz üye girişi yapmalısınız.
yetenekler hem de
Bu bağlantıyı görüntüleyebilmek için kayıt olmalı zaten üyeyseniz üye girişi yapmalısınız.
süreçlerini kolaylaştıran araçlar yer alıyor. JetPack 7.2 ayrıca NVIDIA’nın en güncel yazılım yığınını ve agent tabanlı yapay zekâ özelliklerini
Bu bağlantıyı görüntüleyebilmek için kayıt olmalı zaten üyeyseniz üye girişi yapmalısınız.
ailesine getiriyor. Böylece mevcut Jetson sistemlerinizde herhangi bir donanım değişikliği yapmadan yeni özelliklerden ve performans iyileştirmelerinden yararlanabilirsiniz.Bu yazıda JetPack 7.2 ile gelen yenilikler ve yetenekler ele alınıyor. Öne çıkan başlıklar şunlar:
- NVIDIA Jetson Thor üzerinde, birden fazla iş yükünün daha öngörülebilir şekilde çalıştırılmasını sağlayan NVIDIA Multi-Instance GPU (MIG) desteği
- Daha verimli ve özelleştirilmiş Linux dağıtımları geliştirmek için resmi Yocto Project desteği
- Jetson AGX Orin 32 GB için sunulan Super Mode ile daha yüksek yapay zekâ performansı ve uç sistemlerde daha iyi maliyet/verimlilik dengesi
Bu güncellemelerle mevcut Jetson platformunuzdan daha fazla performans elde edebilir, ürün geliştirme sürecini hızlandırabilir ve toplam sahip olma maliyetini düşürebilirsiniz.
Şekil 1. JetPack 7.2, uç yapay zekâ (edge AI) pazarındaki güncel eğilimler için optimize edilmiş destek sunuyor.
NVIDIA JetPack 7.2 yapay zekâ ajanları için nasıl hazır hale geliyor?
JetPack 7.2 ile birlikte Jetson cihazlar, kutudan çıktığı haliyle NemoClaw çalıştırmaya hazır geliyor. Gerekli bağımlılıklar ve yazılım bileşenleri önceden yapılandırılmış olarak sunulduğundan, NemoClaw tabanlı iş akışlarını Jetson üzerinde herhangi bir manuel ortam kurulumu yapmadan çalıştırabilirsiniz.
JetPack 7.2 yüklü bir Jetson cihazına NemoClaw kurmak için aşağıdaki tek komutu çalıştırmanız yeterlidir:
Copy to Clipboard
curl -fsSL nvidia.com/nemoclaw.sh | bash
JetPack 7.2 ile gelen Jetson agent yetenekleri
JetPack 7.2, geliştiricilere yapay zekâ ajanları kullanarak Jetson yazılım yığınlarını oluşturup optimize edebilmeleri için Jetson agent yetenekleri de sunuyor.
Agent yetenekleri; hangi araçların kullanılacağını, hangi çıktıların oluşturulacağını ve sonuçların nasıl doğrulanacağını tanımlayan, tekrar kullanılabilir talimat setlerinden oluşuyor. Böylece geliştirme sürecindeki pek çok adımı manuel olarak yönetmek yerine bu işleri bir yapay zekâ ajanına devredebilirsiniz.
Jetson agent yetenekleri de aynı yaklaşımı Jetson platformuna uyguluyor. Jetson Linux özelleştirmelerinden bellek optimizasyonuna, model performans testlerinden dağıtım yapılandırmalarına kadar birçok görevi otomatikleştirmenize yardımcı oluyor. Bu sayede geliştirme sürecini sadeleştirebilir, prototipten üretime daha hızlı geçebilirsiniz.
JetPack 7.2 üç ana yetenek kategorisiyle birlikte geliyor:
Jetson Linux özelleştirme yetenekleri: Bu yetenekler, yapay zekâ ajanlarının özel taşıyıcı kartlar için sıfırdan BSP oluşturmasına ve özelleştirmesine yardımcı oluyor. Giriş/çıkış yapılandırmaları, saat ayarları, fan kontrolü, güç profilleri ve donanıma özel diğer ayarlar bu kapsamda yer alıyor.
Daha önce haftalar sürebilen BSP uyarlama ve yapılandırma işlemleri, yapay zekâ ajanları tarafından gerçekleştirilebildiği için özel Jetson tabanlı ürünlerin geliştirme süresi önemli ölçüde kısalabiliyor.
Bellek optimizasyonu yetenekleri: Bu yetenekler, yazılım yığını genelinde bellek kullanımını optimize etmeye odaklanıyor. Önyükleyici (bootloader) bellek ayırmalarından başlayarak çekirdek (kernel) bellek rezervasyonlarının optimize edilmesi, gereksiz kullanıcı alanı süreçlerinin azaltılması ve belirli iş yükleri için en verimli yazılım yapılandırmasının oluşturulması gibi işlemleri kapsıyor.
Sonuç olarak, daha düşük bellek kapasitesine sahip sistemlerde daha karmaşık iş yükleri çalıştırılabildiğinden toplam sahip olma maliyeti (TCO) azaltılabiliyor.
Model performans testi yetenekleri: Bu yetenekler, belirli bir kullanım senaryosu için en uygun model yapılandırmasını belirlemeye yardımcı oluyor. Model kıyaslama testleri, çıkarım (inference) optimizasyonu ve Jetson tanılama araçları bu kapsamda yer alıyor.
Örneğin NemoClaw tabanlı bir uygulama geliştiren bir ekip, hedef Jetson cihazında kendi iş yükü için hangi modelin en verimli şekilde çalıştığını belirlemek amacıyla bu yeteneklerden yararlanabilir.
Bu üç ana kategorinin yanı sıra NVIDIA, yapay zekâ ajanlarının görüntü işleme hatları oluşturmasına yardımcı olan yeni yetenekler de sunuyor. Bu kapsamda,
Bu bağlantıyı görüntüleyebilmek için kayıt olmalı zaten üyeyseniz üye girişi yapmalısınız.
ve
Bu bağlantıyı görüntüleyebilmek için kayıt olmalı zaten üyeyseniz üye girişi yapmalısınız.
çözümleri kullanılarak görüntü analitiği uygulamalarının geliştirilmesi destekleniyor.
Şekil 2. Jetson agent yetenekleri, yapay zekâ ajanlarıyla desteklenen geliştirme süreçlerine güç sağlıyor.
Jetson Thor’da MIG desteği: Farklı önceliklere sahip iş yükleri için GPU bölümlendirme
Jetson Thor üzerinde çalışan JetPack 7.2, NVIDIA’nın entegre
Bu bağlantıyı görüntüleyebilmek için kayıt olmalı zaten üyeyseniz üye girişi yapmalısınız.
için NVIDIA Multi-Instance GPU (
Bu bağlantıyı görüntüleyebilmek için kayıt olmalı zaten üyeyseniz üye girişi yapmalısınız.
) desteği sunuyor. Bu özellik sayesinde GPU, işlem kaynakları, önbellek ve bellek bant genişliği birbirinden ayrılmış iki bağımsız GPU bölümüne ayrılabiliyor. Böylece birden fazla yapay zekâ iş yükü aynı anda çalıştırılırken daha öngörülebilir performans elde edilebiliyor ve iş yüklerinin birbirini etkilemesi en aza indiriliyor.JetPack 7 ile birlikte gelen Preemptible RT çekirdeğiyle kullanıldığında MIG, birden fazla iş yükünün daha öngörülebilir şekilde çalışmasını sağlıyor.
Bu özellikle insansı robotlar, otonom makineler, endüstriyel otomasyon sistemleri ve tıbbi cihazlar gibi fiziksel yapay zekâ uygulamalarında önemli. Çünkü algılama, planlama, kontrol, üretken yapay zekâ ve güvenlik uygulamaları çoğu zaman aynı SoC üzerinde çalışıyor. Bu iş yüklerinin aynı kaynakları paylaşması, zaman açısından kritik süreçlerde gecikme dalgalanmalarına neden olabiliyor.
Jetson Thor üzerindeki MIG desteği sayesinde robotik kontrol gibi gecikmeye duyarlı uygulamalar için belirli GPU kaynaklarını ayırabilir, aynı anda başka bir bölümde yapay zekâ çıkarımı veya üretken yapay zekâ modellerini çalıştırabilirsiniz. Böylece algılama, sensör füzyonu, hareket planlama ve güvenlik izleme gibi görevlerde daha tutarlı performans elde edebilirsiniz.
JetPack 7.2, Jetson Thor üzerinde iki MIG bölümü destekliyor:
- Yapay zekâ ve grafik işlemleri için daha büyük bir bölüm: çıkarım, render, görselleştirme ve genel CUDA iş yükleri için tasarlanmış durumda (12 SM, 1536 CUDA çekirdeği)
- Robotik, kontrol, algılama ve güvenlik açısından kritik uygulamalar için ayrılmış ikinci bir bölüm (8 SM, 1024 CUDA çekirdeği)
Uygulamalar, konteynerler ve servisler; CUDA Runtime kontrolleri ve NVIDIA Container Toolkit entegrasyonu kullanılarak belirli MIG bölümlerine atanabiliyor.
Bu özellik özellikle yeni nesil insansı robotlarda önem kazanıyor. Kontrol döngüleri, yapay zekâ tabanlı algılama sistemleri ve üretken yapay zekâ modellerinin aynı gömülü platform üzerinde güvenilir şekilde birlikte çalışması gerekiyor.
Veri merkezlerinde kullanılan GPU bölümlendirme yaklaşımını gömülü yapay zekâ sistemlerine taşıyan JetPack 7.2, gerçek dünya uygulamaları için daha öngörülebilir ve güvenilir edge AI sistemlerinin geliştirilmesine katkı sağlıyor.
Jetson Thor üzerindeki MIG desteği hakkında daha fazla bilgiye
Bu bağlantıyı görüntüleyebilmek için kayıt olmalı zaten üyeyseniz üye girişi yapmalısınız.
dokümantasyondan ulaşabilirsiniz.NVIDIA Jetson için resmi Yocto Project desteği
JetPack 7.2 ile birlikte NVIDIA, Jetson platformu için resmi
Bu bağlantıyı görüntüleyebilmek için kayıt olmalı zaten üyeyseniz üye girişi yapmalısınız.
Project desteği sunmaya başlıyor. Bu destek kapsamında Jetson geliştirici kitleri için doğrulanmış tarifler (recipes) ve referans imajlar sağlanıyor.
Bu bağlantıyı görüntüleyebilmek için kayıt olmalı zaten üyeyseniz üye girişi yapmalısınız.
, gömülü sistemler için özelleştirilmiş Linux dağıtımları oluşturmayı sağlayan açık kaynaklı bir Linux Foundation projesidir.NVIDIA artık OE4T katmanının geliştirme yol haritasına doğrudan katkı sağlıyor ve düzenli sürüm döngülerini yönetiyor. Ayrıca CI/CD süreçleri, yazılım kalite güvencesi (SQA) ve Jetson geliştirici kitleri için doğrulanmış referans imajların yayınlanması da NVIDIA tarafından yürütülüyor. Geliştiriciler ise teknik dokümantasyon ve özel forum desteğine erişebiliyor.
Yocto Project’in Jetson geliştiricilerine sunduğu üç temel avantaj bulunuyor:
Özelleştirilebilirlik: Geliştiriciler, NVIDIA’nın Ubuntu tabanlı L4T imajını uyarlamak yerine yalnızca ihtiyaç duydukları servisleri, sürücüleri ve kütüphaneleri içeren özel sistem imajları oluşturabiliyor. Bu da bellek kullanımını azaltırken sistem performansını hedef uygulamaya göre optimize etmeyi kolaylaştırıyor.
Tekrarlanabilirlik: Yocto Project ile oluşturulan imajlar her derleme sürecinde aynı sonucu üretiyor. Bu özellik hata ayıklama, test ve sertifikasyon süreçlerini kolaylaştırıyor. Özellikle medikal ve endüstriyel uygulamalar gibi düzenlemelere tabi alanlarda önemli avantaj sağlıyor.
Açık ekosistem: Geliştiriciler; yapay zekâ çerçeveleri, endüstriyel haberleşme protokolleri ve özel ara katman yazılımları için binlerce hazır tarif ve topluluk katmanına erişebiliyor.
L4T/JetPack ile OE4T/Yocto Project arasında hangi durumda hangisinin tercih edilmesi gerektiğini görmek için Şekil 3’teki Geliştirici Karar Rehberi’ne göz atabilirsiniz.
Şekil 3. L4T/JetPack ile OE4T/Yocto Project arasında seçim yaparken yol gösterecek Geliştirici Karar Rehberi.
Jetson yazılım yığınının birleştirilmesi ve daha yüksek performans
JetPack 7.2, Jetson Thor ile birlikte sunulan Ubuntu 24.04, Linux Kernel 6.8 ve CUDA Toolkit 13.0 tabanlı yazılım altyapısını artık Jetson Orin ailesine de getiriyor. Böylece Orin ve Thor platformlarında aynı yazılım temelini kullanabilirsiniz.
Bu sayede en güncel yapay zekâ uygulamalarını Jetson ürün ailesinin tamamında daha kolay şekilde çalıştırabilir, CUDA’nın yeni özelliklerinden, kütüphanelerinden ve performans iyileştirmelerinden yararlanabilirsiniz.
Orin ve Thor’un aynı yazılım altyapısını paylaşması, birden fazla Jetson platformunu desteklemek için gereken geliştirme ve bakım yükünü de azaltıyor. Uygulama geliştirme, test, dağıtım ve uzun vadeli cihaz yönetimi süreçlerini daha kolay yönetebilirsiniz.
JetPack 7.2 ayrıca Jetson AGX Orin 32 GB için yeni bir Super Mode sunuyor. Bu mod, GPU frekanslarını ve güç limitlerini artırarak cihazın performansını Jetson AGX Orin 64 GB modeline yaklaştırıyor.
GPU frekansı 930 MHz’den 1,3 GHz’e yükselirken güç limiti 60 W’a kadar çıkabiliyor. Bunun sonucunda yapay zekâ performansı 200 TOPS’tan 241 TOPS’a yükseliyor. Bu da standart AGX Orin 32 GB yapılandırmasına göre yüzde 20’nin üzerinde bir performans artışı anlamına geliyor.
Böylece Jetson AGX Orin 32 GB kullanarak, AGX Orin 64 GB modeline yakın performans elde edebilirsiniz. Üstelik modül maliyeti yaklaşık yüzde 45 daha düşük.
Bu nedenle yeni Super Mode, üretken yapay zekâ, robotik ve edge AI uygulamaları için Jetson AGX Orin 32 GB’ı daha cazip bir seçenek haline getiriyor.
Şekil 4. JetPack 7.2 ile birlikte Jetson AGX Orin modüllerinin karşılaştırması.
Şekil 5. Jetson AGX Orin modülleri üzerinde model performanslarının karşılaştırılması.
Jetson AGX Orin 32 GB | Jetson AGX Orin 32GB Super | Jetson AGX Orin 64 GB | |
|---|---|---|---|
Nemotron3 Nano 30B A3B | 31 | 37 | 40 |
Cosmos Reason 2 8B | 9 | 10 | 10 |
Qwen 3.5 4B | 24 | 27 | 28 |
Qwen 3.5 9B | 13 | 15 | 17 |
Qwen 3.6 27B | 4 | 5 | 7 |
Gemma 4 E4B | 25 | 29 | 32 |
Tablo 1. Jetson AGX Orin 32 GB, Orin 32 GB Super ve Orin 64 GB platformlarında üretken yapay zekâ modellerinin token/saniye performans karşılaştırması.
Jetson cihazları satın almak ve detaylı bilgi edinmek için mağazamızı bu
Bu bağlantıyı görüntüleyebilmek için kayıt olmalı zaten üyeyseniz üye girişi yapmalısınız.
üzerinden ziyaret edebilirsiniz.
Bu bağlantıyı görüntüleyebilmek için kayıt olmalı zaten üyeyseniz üye girişi yapmalısınız.