Utviklingskit i stil med en ettkortsdatamaskin i SOM-format (modulsystem) som består av et innstikkskort med de to prosessorpakkene samt arbeidsminnet og plass for Micro-SD-kort. Innstikkskortet monteres direkte på hovedkortet. Prosessorpakkene består av en Maxwell-basert GPU med 128 CUDA-kjerner og en firekjerners ARM A57-prosessor (1,43 GHz). Arbeidsminnet består av 4 GB LPDDR4 med hastighet på 25,6 Gb/s. Den rå prosessorkraften er på hele 472 GFLOPs, og grafikkprosessoren gjør det mulig å håndtere videodekoding i opptil 4K i 60 fps og koding (encode) i opptil 4K i 30 fps.
Hovedkortet gir datamaskinen mange ekspansjonsmuligheter med bl.a. M.2 Key E-kontakt for f.eks. trådløse nettverkskort, gigabitnettverksport (1Gb/s) med POE-støtte, 4x USB 3.0-porter og Micro-USB 2.0-kontakt for bl.a. strømforsyning. USB-kontaktene kan brukes til mus og tastatur samt USB-tilkoblede nettverkskort eller Bluetooth-adapter (med Linux-støtte).
For mediesignaler finnes det en HDMI 2.0-kontakt, Displayport 1.2-kontakt, MIPI CSI-2-kontakt for tilkobling av kamera som Raspberry Pi-kameramodulen (
88053) samt I2S-header for lyd. Andre tilkoblinger: viftekontakt (4-pin), separat POE-header (4-pin) og GPIO-kontakt (40-pin) som er identisk den på Raspberry Pi.
Jetpak SDK som kjøres i Linux4Tegra (kernel 4.9), kommer med all nødvendig programvare for å begynne å eksperimentere med maskinlæring og AI. Inkluderer ferdigpakkede versjoner av bl.a. cuDNN, TensorRT, PyTorch og Caffe2. Også støtte for bl.a. TensorFlow fra Google, les mer her:
docs.nvidia.com/deeplearning.
Linux-distribusjonen skrives på et Micro-SD-kort på minst 16 GB (følger ikke med). Får strømtilførsel via Micro-USB-strømadapter (2 A, følger ikke med). Kan også drives via separat DC-strømadapter (5 V) med Ø5,5x2,5 mm-kontakt eller over POE hvis enheten trenger mer strøm (opptil 4 A). Innstikkskortet drar fra 5 til 10 W, og hovedkortet uten andre enheter tilkoblet drar opptil 1,25 W. Mål: 100x80x29 mm.