{"id":26273,"date":"2025-05-22T12:31:10","date_gmt":"2025-05-22T10:31:10","guid":{"rendered":"https:\/\/monraspberry.com\/?post_type=product&#038;p=26273"},"modified":"2026-10-19T06:04:05","modified_gmt":"2026-10-19T04:04:05","slug":"c100-nvidia-jetson-nano-4gb-entwicklerkit","status":"publish","type":"product","link":"https:\/\/monraspberry.com\/de\/produit\/kit-de-developpement-c100-nvidia-jetson-nano-4gb\/","title":{"rendered":"Entwicklungskit C100 NVIDIA Jetson Nano 4 GB"},"content":{"rendered":"<h2>Jetson Nano 4 GB: das C100-Kit f\u00fcr den Einstieg in Embedded-KI mit CUDA<\/h2>\n<p>Die <strong>C100-Entwicklungskit<\/strong> kombiniert das Modul <strong>NVIDIA Jetson Nano 4 GB<\/strong> mit einer von OKdo und Radxa entwickelten Tr\u00e4gerplatine. Es ist ein preiswerter Einstieg in Computer Vision und die Inferenz neuronaler Netze: Maxwell-GPU mit 128 CUDA-Kernen, NVIDIA JetPack-Umgebung und zwei MIPI CSI-2-Kameraanschl\u00fcsse.<\/p>\n<p>Sein Vorteil gegen\u00fcber dem klassischen Jetson Nano-Kit: Das Produktionsmodul verf\u00fcgt \u00fcber <strong>16 GB eMMC<\/strong>, und die Platine erg\u00e4nzt einen microSD-Kartenleser, um den Arbeitsspeicherplatz zu erweitern.<\/p>\n<h2>Highlights des Jetson Nano C100-Kits<\/h2>\n<ul>\n<li><strong>NVIDIA-GPU mit 128 CUDA-Kernen<\/strong> : GPU-beschleunigte Bildklassifizierung, Objekterkennung oder Segmentierung, mit TensorRT und cuDNN aus JetPack.<\/li>\n<li><strong>Zwei MIPI CSI-2-Kameraeing\u00e4nge<\/strong> : Die Sensoren IMX219 und IMX477 werden ohne zus\u00e4tzlichen Treiber erkannt, ideal f\u00fcr Stereo oder zwei gleichzeitige Streams.<\/li>\n<li><strong>16 GB eMMC + microSD<\/strong> : System auf der eMMC oder auf einer gr\u00f6\u00dferen microSD-Karte f\u00fcr die Entwicklung.<\/li>\n<li><strong>4 USB 3.0-Anschl\u00fcsse und Gigabit Ethernet<\/strong> : USB-Kameras, externer Speicher und schnelles kabelgebundenes Netzwerk.<\/li>\n<li><strong>M.2-Steckplatz Key E<\/strong> : F\u00fcgen Sie ein Wi-Fi-Modul hinzu, wenn das Projekt ohne Kabel auskommen soll.<\/li>\n<li><strong>40-Pin-GPIO<\/strong> : I2C, I2S, SPI und UART f\u00fcr Sensoren, Motoren und Displays.<\/li>\n<\/ul>\n<h2>Technische Daten<\/h2>\n<div class=\"mr-scroll\">\n<table>\n<thead>\n<tr>\n<th>Merkmal<\/th>\n<th>Kit C100 Jetson Nano 4 GB<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Modul<\/td>\n<td>NVIDIA Jetson Nano 4 GB (Produktionsmodul)<\/td>\n<\/tr>\n<tr>\n<td>Prozessor<\/td>\n<td>4 Arm Cortex-A57-Kerne mit 1,43 GHz<\/td>\n<\/tr>\n<tr>\n<td>GPU<\/td>\n<td>NVIDIA Maxwell-Architektur, 128 CUDA-Kerne<\/td>\n<\/tr>\n<tr>\n<td>Speicher<\/td>\n<td>4 GB LPDDR4 64 Bit, 25,6 GB\/s<\/td>\n<\/tr>\n<tr>\n<td>Speicherung<\/td>\n<td>16 GB eMMC 5.1 auf dem Modul + microSD-Kartenleser<\/td>\n<\/tr>\n<tr>\n<td>Video<\/td>\n<td>Hardware-Dekodierung bis 4K 60 (HEVC), Kodierung bis 4K 30<\/td>\n<\/tr>\n<tr>\n<td>Anzeige<\/td>\n<td>HDMI in voller Gr\u00f6\u00dfe<\/td>\n<\/tr>\n<tr>\n<td>USB<\/td>\n<td>4 x USB 3.0 + 1 micro-USB<\/td>\n<\/tr>\n<tr>\n<td>Netzwerk<\/td>\n<td>Gigabit Ethernet, M.2 Key E f\u00fcr optionales Wi-Fi<\/td>\n<\/tr>\n<tr>\n<td>Kameras<\/td>\n<td>2 MIPI CSI-2-Anschl\u00fcsse (IMX219, IMX477 unterst\u00fctzt)<\/td>\n<\/tr>\n<tr>\n<td>Erweiterung<\/td>\n<td>40-Pin-GPIO: I2C, I2S, SPI, UART<\/td>\n<\/tr>\n<tr>\n<td>Ern\u00e4hrung<\/td>\n<td>5 V \/ 4 A (20 W) \u00fcber Hohlstecker 5,5 x 2,1 mm<\/td>\n<\/tr>\n<tr>\n<td>Software<\/td>\n<td>OKdo-Image Ubuntu 18.04 mit NVIDIA JetPack 4.6<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<h2>Welches Modell w\u00e4hlen?<\/h2>\n<div class=\"mr-scroll\">\n<table>\n<thead>\n<tr>\n<th>L\u00f6sung<\/th>\n<th>KI-Rechenleistung<\/th>\n<th>Speicher<\/th>\n<th>Ideal f\u00fcr<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Jetson Nano C100 (dieses Produkt)<\/td>\n<td>Maxwell-GPU mit 128 CUDA-Kernen<\/td>\n<td>4 GB LPDDR4<\/td>\n<td>CUDA und Bildverarbeitung lernen, Prototypen mit kleinem Budget<\/td>\n<\/tr>\n<tr>\n<td><a href=\"https:\/\/monraspberry.com\/de\/product\/nvidia-jetson-agx-orin-development-kit\/\">Jetson AGX Orin<\/a><\/td>\n<td>Ampere-GPU mit 1792 CUDA-Kernen, \u00fcber 200 TOPS<\/td>\n<td>32 GB LPDDR5<\/td>\n<td>fortgeschrittene Robotik, Multi-Kamera, gro\u00dfe Modelle<\/td>\n<\/tr>\n<tr>\n<td><a href=\"https:\/\/monraspberry.com\/de\/product\/google-coral-usb-beschleuniger\/\">Google Coral USB Beschleuniger<\/a><\/td>\n<td>Edge TPU am USB-Anschluss<\/td>\n<td>die des Host-Computers<\/td>\n<td>TensorFlow Lite-Inferenz zu einer vorhandenen Platine hinzuf\u00fcgen<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<p>Unser Rat: Der Jetson Nano bleibt das beste Lernwerkzeug, um das CUDA-\u00d6kosystem kennenzulernen. F\u00fcr intensive Produktion w\u00e4hlen Sie ein Orin-Modul. Unser Vergleich <a href=\"https:\/\/monraspberry.com\/de\/raspberry-pi-vs-nvidia-jetson-le-comparatif-2025-ultime\/\">Raspberry Pi oder NVIDIA Jetson<\/a> erl\u00e4utert die Unterschiede.<\/p>\n<h2>Kompatibilit\u00e4t und Stolperfallen<\/h2>\n<ul>\n<li><strong>Ern\u00e4hrung<\/strong> : Verwenden Sie ein Netzteil mit 5 V \/ 4 A am Hohlstecker 5,5 x 2,1 mm. \u00dcber micro-USB lassen sich keine 4 A erreichen, und die Einrichtungsanleitung sieht diesen Anschluss f\u00fcr die serielle Konsole vor.<\/li>\n<li><strong>Jumper<\/strong> : Setzen Sie keinen Jumper auf den 2-Pin-Anschluss neben dem Hohlstecker, anders als in manchen Tutorials zum urspr\u00fcnglichen NVIDIA-Kit angegeben.<\/li>\n<li><strong>Software<\/strong> : Der Jetson Nano endet mit dem Zweig JetPack 4.6 (Ubuntu 18.04). Neuere JetPack-Versionen richten sich an Orin-Module. Verwenden Sie das von OKdo ver\u00f6ffentlichte C100-Image, nicht das des NVIDIA-Kits.<\/li>\n<li><strong>GPIO<\/strong> : Die 40-Pin-Belegung entspricht der des Raspberry Pi, die HATs h\u00e4ngen jedoch von Raspberry Pi OS-Treibern ab: Pr\u00fcfen Sie jede Erweiterungsplatine im Einzelfall.<\/li>\n<li><strong>Kameras<\/strong> : Bevorzugen Sie die Sensoren IMX219 oder IMX477. Andere Sensoren ben\u00f6tigen einen speziellen Treiber.<\/li>\n<\/ul>\n<h2>Im Lieferumfang enthalten und nicht enthalten<\/h2>\n<p>Das Kit umfasst das auf seiner Tr\u00e4gerplatine montierte Jetson Nano-Modul. Kabel, microSD-Karte und Netzteil sind nicht im Lieferumfang enthalten.<\/p>\n<h2>Empfohlenes Zubeh\u00f6r<\/h2>\n<ul>\n<li><a href=\"https:\/\/monraspberry.com\/de\/product\/kameramodul-v2-8mp\/\">Kameramodul v2 8 MP<\/a> : IMX219-Sensor, vom C100-Image nativ erkannt, f\u00fcr den Start Ihrer Bildverarbeitungsprojekte.<\/li>\n<li><a href=\"https:\/\/monraspberry.com\/de\/product\/sandisk-ultra-micro-sd-karte\/\">SanDisk Ultra microSD-Karte<\/a> : Die Startanleitung flasht das System auf microSD, um mehr Speicherplatz zu haben.<\/li>\n<li>SD\/TF-Kartenleser USB 3.0: zum Schreiben des Images c100.img.xz von Ihrem Computer aus.<\/li>\n<li>HDMI-Kabel: Der Videoausgang ist ein HDMI-Anschluss in voller Gr\u00f6\u00dfe.<\/li>\n<li>Ethernet-Kabel RJ45 CAT6: kabelgebundenes Gigabit-Netzwerk f\u00fcr Updates und die \u00dcbertragung von Modellen.<\/li>\n<\/ul>\n<h2>Einsatzbereiche und Projekte<\/h2>\n<ul>\n<li><strong>Objekterkennung in Echtzeit<\/strong> in einem Kamerastream, um Durchg\u00e4nge zu z\u00e4hlen oder einen Bereich zu \u00fcberwachen.<\/li>\n<li><strong>Mobiler Roboter<\/strong> : Bildverarbeitung, Linien- oder Objektverfolgung, Motorsteuerung \u00fcber GPIO.<\/li>\n<li><strong>Gesichtserkennung mit zwei Kameras<\/strong> mit Python und OpenCV, das Beispiel aus der offiziellen C100-Anleitung.<\/li>\n<li><strong>KI-Unterricht<\/strong> : eine echte CUDA-GPU f\u00fcr praktische \u00dcbungen. Lesen Sie auch unseren Artikel \u00fcber KI-Beschleunigerkarten.<\/li>\n<\/ul>\n<h2>H\u00e4ufig gestellte Fragen<\/h2>\n<h3>Was ist der Unterschied zwischen dem Jetson Nano 4 GB C100 und dem NVIDIA-Kit?<\/h3>\n<p>Dasselbe Jetson Nano 4 GB-Modul, jedoch in der Produktionsversion mit 16 GB eMMC, auf einer Tr\u00e4gerplatine von OKdo\/Radxa. Die Software stammt aus dem C100-Image von OKdo.<\/p>\n<h3>Ist der Jetson Nano dasselbe wie der Jetson Orin Nano Super?<\/h3>\n<p>Nein. Der Orin Nano Super ist eine neuere Generation, von NVIDIA mit 67 TOPS angegeben. Der Jetson Nano nutzt eine Maxwell-GPU und den Zweig JetPack 4.6.<\/p>\n<h3>Welches Netzteil f\u00fcr den Jetson Nano C100?<\/h3>\n<p>Ein Netzteil mit 5 V \/ 4 A (20 W) und Hohlstecker 5,5 x 2,1 mm, Mitte positiv. Micro-USB reicht nicht aus, um den vollen Leistungsmodus zu nutzen.<\/p>\n<h3>Ist eine microSD-Karte erforderlich?<\/h3>\n<p>Das Modul verf\u00fcgt \u00fcber 16 GB eMMC, die OKdo-Anleitung empfiehlt jedoch, von microSD zu starten, um mehr Speicherplatz f\u00fcr die Entwicklung zu haben.<\/p>\n<h3>Funktionieren Raspberry Pi-Kameras?<\/h3>\n<p>Ja, f\u00fcr die Sensoren IMX219 (Kamera v2) und IMX477, die von Haus aus unterst\u00fctzt werden. Andere Modelle ben\u00f6tigen eigene Treiber.<\/p>\n<h3>Lassen sich Raspberry Pi-HATs am GPIO verwenden?<\/h3>\n<p>Der 40-Pin-Anschluss \u00fcbernimmt die Raspberry Pi-Belegung, die Treiber unterscheiden sich jedoch. Pr\u00fcfen Sie jeden HAT vor dem Kauf.<\/p>\n<p>Starten Sie mit dem Jetson Nano 4 GB C100 in die Embedded-KI. Versand innerhalb von 24\/48 h nach Zahlungseingang aus unserem Lager in Frankreich, offizielle und gepr\u00fcfte Produkte, R\u00fcckgabe innerhalb von 14 Tagen mit R\u00fccksendegenehmigung m\u00f6glich, kostenlose Lieferung an eine Abholstation ab 200 \u20ac Einkaufswert und Zahlung per Visa, Mastercard, PayPal, Apple Pay oder Google Pay. Entdecken Sie das gesamte NVIDIA-Sortiment.<\/p>","protected":false},"excerpt":{"rendered":"<ul>\n<li>Jetson Nano 4 GB zum Erlernen von CUDA, Bildverarbeitung und KI-Inferenz<\/li>\n<li>Maxwell-GPU mit 128 Kernen, 4 GB LPDDR4 und 16 GB integrierter eMMC<\/li>\n<li>Zwei CSI-Kameraeing\u00e4nge, 4 USB 3.0, Gigabit Ethernet und 40-Pin-GPIO<\/li>\n<\/ul>","protected":false},"featured_media":26274,"template":"","meta":[],"product_brand":[402],"product_cat":[357],"product_tag":[],"class_list":["post-26273","product","type-product","status-publish","has-post-thumbnail","product_brand-nvidia","product_cat-nvidia","first","onbackorder","taxable","shipping-taxable","purchasable","product-type-simple","add-to-wishlist-after_add_to_cart"],"jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/monraspberry.com\/de\/wp-json\/wp\/v2\/product\/26273","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/monraspberry.com\/de\/wp-json\/wp\/v2\/product"}],"about":[{"href":"https:\/\/monraspberry.com\/de\/wp-json\/wp\/v2\/types\/product"}],"version-history":[{"count":0,"href":"https:\/\/monraspberry.com\/de\/wp-json\/wp\/v2\/product\/26273\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/monraspberry.com\/de\/wp-json\/wp\/v2\/media\/26274"}],"wp:attachment":[{"href":"https:\/\/monraspberry.com\/de\/wp-json\/wp\/v2\/media?parent=26273"}],"wp:term":[{"taxonomy":"product_brand","embeddable":true,"href":"https:\/\/monraspberry.com\/de\/wp-json\/wp\/v2\/product_brand?post=26273"},{"taxonomy":"product_cat","embeddable":true,"href":"https:\/\/monraspberry.com\/de\/wp-json\/wp\/v2\/product_cat?post=26273"},{"taxonomy":"product_tag","embeddable":true,"href":"https:\/\/monraspberry.com\/de\/wp-json\/wp\/v2\/product_tag?post=26273"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}