google coral tpu

Das Coral Dev Board Micro ist ein Mikrocontroller-Board mit einer Dual-Core-MCU, Coral Edge TPU, Kamera und Mikrofon. Mit diesem Board können Sie stromsparende Systeme mit schnellem On-Device-Inferencing für Vision- und Audio-ML-Anwendungen bauen. Zudem können Sie dieses Board mit verschiedenen Zusatzplatinen erweitern, wie bspw. dem Coral Wireless-Shield oder PoE-Shield. Die Edge TPU ist ein kleiner, von Google entwickelter ASIC, der TensorFlow Lite-Modelle auf energieeffiziente Weise beschleunigt. Eine Edge TPU ist in der Lage, 4 Billionen Operationen pro Sekunde (4 TOPS) durchzuführen. Diese geräteinterne ML-Verarbeitung reduziert Latenzzeit, erhöht die Datensicherheit und macht eine ständige Internetverbindung überflüssig. Spezifikationen . MCU: NXP i.MX RT1176 MCU (ARM Cortex-M7 @ 800 MHz / ARM Cortex-M4 @ 400 MHz) . ML: Coral Edge TPU ML Beschleuniger (4 TOPS Spitzenleistung (int8)) . Flashspeicher: 128 MiB NAND . RAM: 64 MB SDRAM . eingebaute Farbkamera (324 x 324 px) . eingebautes PDM-Mikrofon . 24 GPIO-Header-Pins . High-Density-Anschlüsse für Zusatzplatinen (Wireles-Shield / PoE-Shield) Hinweis Zusatzshielde zu finden über "Zubehör & Alternativprodukte" Externe Links https://coral.ai/ https://coral.ai/docs/ https://github.com/google-coral https://coral.ai/technology/

Coral USB-Zubehör, das maschinelles Lernen auf vorhandene Systeme zurückführt. Funktioniert mit Raspberry Pi (Pi2 / 3/4 Modell B / B +) und anderen Linux-Systemen. Mit der Edge-TPU - einem kleinen ASIC, der von Google entwickelt und gebaut wurde - bietet der USB-Beschleuniger leistungsstarke ML-Inferenzen mit geringen Stromkosten über eine USB 3.0-Schnittstelle. Hauptvorteile von Edge TPU: Hochgeschwindigkeits-TensorFlow Lite-Inferenz ； Geringer Stromverbrauch ； Geringer Platzbedarf. Coral ist eine Abteilung von Google, die Ihnen hilft, mit unserer Plattform für lokale KI intelligente Ideen zu entwickeln. Unterstützt TensorFlow lite: Es ist nicht erforderlich, Modelle von Grund auf neu zu erstellen. Tensorflow Lite-Modelle können für die Ausführung auf USB Accelerator kompiliert werden. Funktionen: Unterstützt vollständig MobileNet- und Inception-Architekturen, obwohl benutzerdefinierte Architekturen möglich sind. Kompatibel mit Google Cloud;

Support up to 8& 16 goo gle Coral Edge TPU M.2 modules Support TensorFlow Lite machine learning framework Compatible with PCI Express 3.0 x16 expansion slot Optimized thermal design with twin tuborfans

Support up to 8& 16 goo gle Coral Edge TPU M.2 modules Support TensorFlow Lite machine learning framework Compatible with PCI Express 3.0 x16 expansion slot Optimized thermal design with twin tuborfans

- Google Coral USB Accelerator - Arm 32-Bit Cortex-M0+ Mikroprozessor, bis zu 32 MHz, 16 KB Flash-Speicher, 2 KB RAM - Google Edge TPU ML Coprozessor, unterstützt TensorFlow Lite - Anschluss: USB 3.0 Typ-C, kompatibel mit Linux, Mac und Windows - Maße: 65 x 30 x 8 mm

[Kompatibilität] Diese nur für das Google Pixel 7A entworfene Hülle für Pixel 7A passt genau zu allen Konturen und Anschlüssen. Es funktioniert gut mit spezifischem Zubehör oder allein, was es zu einer idealen Wahl macht. Doppelschichtiger Schutz: Die zweischichtigen Handyhüllen von TUDIA für Google Pixel 7a mit Militärqualität und ToughRhino-Technologie schützen vor Stürzen und Kratzern. Unter verschiedenen Bedingungen getestet, hält es Stößen stand. Jede TUDIA Handyhülle hat 26-fache Falltests bestanden, es ist eine ideale Handyhülle für Ihr Gerät. [Erhöhter Kantenschutz] Die Google Pixel 7a Hülle hat erhöhte Kanten um Kamera und Bildschirm. Diese wurden entwickelt, um die Kamera und den Bildschirm während des täglichen Gebrauchs vor Stößen und Kratzern zu schützen, z. B. wenn sie mit der Vorderseite nach unten oder gegen raue Oberflächen platziert werden, um den Bildschirm des Pixel 7 sicher zu halten. Verbesserte Griffigkeit: Die rutschfeste, strukturierte Oberfläche auf beiden Seiten und der Rückseite verbessert die Griffigkeit und bietet einen sicheren und komfortablen Halt für Ihr 7A-Pixel, wodurch versehentliches Herunterfallen minimiert wird. Egal, ob Sie SMS schreiben, Fotos schießen oder einfach nur Ihr Google Pixel 7a tragen, Sie können dieser Hülle vertrauen, um es fest in Ihrem Griff zu halten. [Präzises Design] Die Tasten der Google Pixel 7a Hülle sind mit höchster Präzision gestaltet. Sie sind schlank, schlank und für mühelose Klickbarkeit konstruiert, um eine stressfreie Nutzung zu gewährleisten. Jeder Tastendruck wird mit einem reaktionsschnellen und taktilen Feedback erfüllt, das eine nahtlose Interaktion mit Ihrem Pixel7a erleichtert.

M.2 E-Key PCIe Adapter für den Raspberry Pi 5, PCIe 2.0/3.0 x1, kompatibel mit Google Coral TPUs (M.2 2230), inkl. PCIe FPC Kabel und Montagematerial

Der Coral M.2 Accelerator ist eine M.2-Modul, das den Edge TPU-Coprozessor in bestehende Systeme und Produkte integriert. Die Edge TPU ist ein von Google entwickelter kleiner ASIC, der hochleistungsfähige ML-Inferenzen bei geringem Stromverbrauch ermöglicht: Er führt 4 Billionen Operationen pro Sekunde (TOPS) aus, mit 0,5 Watt pro TOPS (2 TOPS pro Watt). So kann er beispielsweise moderne mobile Vision-Modelle wie MobileNet v2 mit fast 400 FPS energieeffizient ausführen. Der M.2 Accelerator ist eine Dual-Key M.2-Karte (mit A+E oder B+M-Schlüsseln), die in jeden kompatiblen M.2-Steckplatz passt. Diese Bauform ermöglicht eine einfache Integration in ARM- und x86-Plattformen, sodass Sie lokale ML-Beschleunigung zu Produkten wie Embedded-Plattformen, Mini-PCs und Industrie-Gateways hinzufügen können.Hochgeschwindigkeits-ML-Inferenz: Der integrierte Edge TPU-Coprozessor führt 4 Billionen Operationen pro Sekunde (TOPS) aus, mit 0,5 Watt pro TOPS (2 TOPS pro Watt). Beispielsweise kann er MobileNet v2 mit 400 FPS ausführen.Kompatibel m

Ein USB-Zubehör, das Inferenzen des maschinellen Lernens auf bestehende Systeme bringt. Funktioniert mit Raspberry Pi und anderen Linux-Systemen Führt High-Speed-ML-Inferenzen durch: Der integrierte TPU-Coprozessor ist in der Lage, 4 Billionen Operationen (Tera-Operationen) pro Sekunde (Tops) durchzuführen, wobei 0,5 Watt für jedes Oberteil (2 Tops pro Watt) verwendet werden. Zum Beispiel kann es hochmoderne mobile Vision-Modelle wie mobilenet V2 AT 400 FPS energieeffizient ausführen Funktioniert mit Debian Linux: verbindet sich mit jedem Debian-basierten Linux-System mit einem mitgelieferten USB 3.0 Typ-C-Kabel Unterstützt Tensorflow Lite: keine Notwendigkeit, Modelle von Grund auf zu bauen. Tensorflow Lite-Modelle können zusammengestellt werden, um auf dem Rand TPE zu laufen Unterstützt Automl Vision Edge: Einfaches Erstellen und Bereitstellen von schnellen, hochpräzisen benutzerdefinierten Bildklassifizierungsmodellen auf Ihrem Gerät mit automl Vision Edge Ml Accelerator: Google Edge TPU Coprocessor Anschluss: USB 3.0 Typ-C (Daten/Strom) Abmessungen:65 Millimeter x 30 Millimeter