Danh mục sản phẩm
Linh kiện điện tử
KHUYẾN MÃI
Hỗ trợ trực tuyến
Hỗ trợ mua hàng

Mobile: 02436.231.170

Ms Huyền - Kinh doanh

Mobile: 0984.058.846

Tư vấn kỹ thuật Raspberry Pi

Mobile: 0862.628.846

Tư vấn kỹ thuật Module khác

Mobile: 0862.998.846

Trang chủ » AI Computer and System on Module » Coral USB Accelerator

Coral USB Accelerator

Coral USB Accelerator
Coral USB Accelerator Coral USB Accelerator Coral USB Accelerator Coral USB Accelerator Coral USB Accelerator Coral USB Accelerator Coral USB Accelerator Coral USB Accelerator Coral USB Accelerator
Nhà sản xuất: Coral
Mã hàng: USB-Coral
Trạng thái: Còn hàng
Giá: 2,138,000 vnđ
Số lượng:  
   - Hoặc -   

Hỗ trợ mua hàng : 02436.231.170 or 0984.058.846

Tư vấn kỹ thuật Raspberry Pi : 0862.628.846

Tư vấn kỹ thuật Module khác : 0866.828.846 or 0862.998.846 

VUI LÒNG LIÊN HỆ ĐỂ ĐƯỢC HỖ TRỢ KỸ THUẬT  VÀ ĐẶT HÀNG TRỰC TIẾP   

The Coral USB Accelerator brings machine learning inferencing to existing systems.

Works with Linux, Mac, and Windows systems.

Coral USB Accelerator bổ sung một bộ đồng xử lý (coprocessor ) Edge TPU vào hệ thông của bạn từ đó mang lại khả năng suy luận Machine Learning (ML) mạnh mẽ cho các hệ thống Linux hiện có chỉ với việc kết nối qua cổng USB.

Với Edge TPU - một ASIC nhỏ do Google thiết kế và chế tạo - USB Accelerator cung cấp suy luận Machine Learning (ML) hiệu suất cao với chi phí điện năng thấp qua USB 3.0.

Thiết bị này có thể thực hiện các mô hình Mobile vision như MobileNet v2 ở tốc độ hơn 100 khung hình/giây, theo cách hiệu quả về điện năng. Điều này cho phép bạn thêm suy luận ML nhanh vào các thiết bị AI được nhúng của mình theo cách tiết kiệm năng lượng và bảo mật.

Các mô hình được phát triển trên nền tảng TensorFlow Lite và sau đó được biên dịch để chạy trên USB Accelerator.

 

Những lợi ích của Edge TPU

- High-speed TensorFlow Lite inferencing

- Low power

- Small footprint

 Coral là một bộ phận của Google, nơi mà bạn có thể xây dựng các ý tưởng thông minh với nền tảng AI.

Đặc điểm, tính năng

- Google Edge TPU ML accelerator coprocessor

- USB 3.0 Type-C socket

- Hỗ trợ Debian Linux on host CPU

- Các mô hình được xây dựng trên nền TensorFlow

- Hỗ trợ đầy đủ các kiến trúc MobileNet và có thể có các kiến trúc tùy chỉnh

- Tương thích với Google Cloud

Thông số kỹ thuật

- Edge TPU ML accelerator

+ ASIC thiết kế bởi Google cung cấp khả năng suy luận ML hiệu suất cao cho TensorFlow Lite models.

- Arm 32-bit Cortex-M0+ Microprocessor (MCU)

+ Up to 32 MHz max

+ 16 KB Flash memory with ECC

 + 2 KB RAM

- Connections

+ USB 3.1 (gen 1) port and cable (SuperSpeed, 5Gb/s transfer speed)

+ Included cable is USB Type-C to Type-AU

Hỗ trợ các nền tảng

Kết nối qua USB với bất kỳ hệ thống nào chạy Debian Linux (bao gồm Raspberry Pi), macOS hoặc Windows 10.

Hỗ trợ TensorFlow lite

Bạn không cần phải xây dựng mô hình lại từ đầu. Các mô hình TensorFlow Lite có thể được biên dịch để chạy trên USB Accelerator.

Yêu cầu

Coral USB Accelerator phải được kết nối với hostcomputer phù hợp với các thông số kỹ thuật như sau :

- Tất cả các loại máy tính Linux có cổng USB

+  Debian6.0 or higher，or any derivative thereof（such as Ubuntu10.0+）

+  System architecture of either x86_64 or ARM64 with ARMv8 instruction set

- Raspberry Pi

+ Raspberry Pi 2/3/4 (Cũng lưu ý rằng để đạt được tốc độ suy luận tốt nhất, bạn nên sử dụng cổng USB 3.0 (Raspberry Pi 3B+ trở về trước  chỉ có cổng USB 2.0 nên tốc độ sẽ chậm hơn)

Edge TPU performance benchmarks

Một TPU Edge có khả năng thực hiện 4 nghìn tỷ phép tính (tera-operation) mỗi giây (TOPS), sử dụng 0,5 watt cho mỗi TOPS (2 TOPS mỗi watt). Điều đó chuyển thành hiệu suất cho ứng dụng của bạn như thế nào phụ thuộc vào nhiều yếu tố. Mỗi mô hình neural network đều có yêu cầu khác nhau và nếu bạn đang sử dụng thiết bị USB Accelerator, tổng hiệu suất cũng thay đổi dựa trên CPU chủ, tốc độ USB và các tài nguyên hệ thống khác.

Bảng dưới đây so sánh thời gian dành để thực hiện một suy luận duy nhất (single inference) với một số mô hình phổ biến trên Edge TPU. Tất cả các mô hình chạy trên cả CPU và Edge TPU đều là phiên bản TensorFlow Lite.

Các bạn có thể lựa chọn Model architecture tương thích với Edge TPU ( Tất cả chúng đều được train bằng cách sử dụng tập dữ liệu ImageNet với 1000 classes). Nếu bạn muốn kiểm tra các mô hình của riêng mình, vui lòng tham khảo the model architecture requirements

Điều này thể hiện một lựa chọn nhỏ các kiến trúc mô hình tương thích với Edge TPU (tất cả chúng đều được đào tạo bằng cách sử dụng tập dữ liệu ImageNet với 1.000 lớp). Nếu bạn muốn kiểm tra các mô hình của riêng mình, hãy đọc các yêu cầu về kiến trúc mô hình.

Model architecture Desktop CPU 1 Desktop CPU 1
+ USB Accelerator (USB 3.0)
with Edge TPU		 Embedded CPU 2 Dev Board 3
with Edge TPU
Unet Mv2
(128x128)		 27.7 3.3 190.7 5.7
DeepLab V3
(513x513)		 394 52 1139 241
DenseNet
(224x224)		 380 20 1032 25
Inception v1
(224x224)		 90 3.4 392 4.1
Inception v4
(299x299)		 700 85 3157 102
Inception-ResNet V2
(299x299)		 753 57 2852 69
MobileNet v1
(224x224)		 53 2.4 164 2.4
MobileNet v2
(224x224)		 51 2.6 122 2.6
MobileNet v1 SSD
(224x224)		 109 6.5 353 11
MobileNet v2 SSD
(224x224)		 106 7.2 282 14
ResNet-50 V1
(299x299)		 484 49 1763 56
ResNet-50 V2
(299x299)		 557 50 1875 59
ResNet-152 V2
(299x299)		 1823 128 5499 151
SqueezeNet
(224x224)		 55 2.1 232 2
VGG16
(224x224)		 867 296 4595 343
VGG19
(224x224)		 1060 308 5538 357
EfficientNet-EdgeTpu-S* 5431 5.1 705 5.5
EfficientNet-EdgeTpu-M* 8469 8.7 1081 10.6
EfficientNet-EdgeTpu-L* 22258 25.3 2717 30.5

Time per inference, in milliseconds (ms)

Kích thước 

 

 Part List

1 x Coral USB Accelerator

Tài liệu tham khảo:

Datasheet

Get started guide

 

 

CHÍNH SÁCH BÁN HÀNG VÀ ĐỔI TRẢ

MLAB cam kết  cung cấp sản phẩm chính hãng đến tay khách hàng, cung cấp đầy đủ hóa đơn VAT cho cá nhân, các đơn vị doanh nghiệp, trường học, cơ quan nhà nước có yêu cầu.

Quý khách mua  USB Coral tại MLAB, sẽ được hỗ trợ đổi mới (1 đổi 1 nhưng là đổi mới)  trong vòng 12 tháng nếu sản phẩm bị  lỗi do nhà sản xuất. Các bạn tham khảo chính sách bảo hành của MLAB tại đây

 

Viết đánh giá

Họ và tên:


Đánh giá của bạn: Lưu ý: Không hỗ trợ HTML!

Bình chọn: Xấu           Tốt

Nhập mã bảo vệ:



Tiếp tục