Beskrivning

Google Coral USB Accelerator ger Real-Time referens till din Pi 4 och många andra datorer!Artificiell intelligens / Machine Learning för alla: Google har med Coral USB accelerator satt ett kraftfullt specialchip (TPU, sensor Processing Unit) till ett USB 3-gränssnitt – på så sätt kan sensorer Flow lite användas snabbt och energisparande för störningar. En särskild fördel med denna lösning: Dina data förblir lokala. Det hjälper till med latensen, och naturligtvis med dataskyddet!Google använder i allt högre grad artificiell intelligens (AI) och maskininlärning (ML) för att förverkliga sina tjänster. Den har utvecklat en processor som är specialiserad på datacenter som TPU (”tsensor processing unit”), och som kan utföra algoritmerna snabbare och mer energisparande med sensorflöde. Google Maps förbättras till exempel genom vägskyltar som tagits upp av Street View och som analyseras med hjälp av ett neuronalt nät baserat på TenensorFlow. Clou: TenensorFlow kan enkelt programmeras i Python.Google ger med Edge TPU, som stödjer tensorFlow lite-ramverket, ett USB 3-minne på marknaden. Edge TPU kan genomföra upp till 4 biljoner räkneoperationer per sekund med endast 2 W förbrukning.Perfekt i kombination med Pi 4!Med Google Coral Edge TPU kan man t.ex. med MobileNet v2 modell nå upp till 20 x snabbare än på ”naken” Pi 4. Real-time igenkänningar i videoströmmar med över 50 fps kan genomföras, vilket inte skulle vara möjligt med Pi 4 utan accelerator.Tack vare Python och många exempel online runt TenensorFlow kan man i temat artificiell intelligens och Machine Learning enkelt och med Google Coral USB Accelerator komma in i stil.Tekniska data Coral USB accelerator• Google Edge TPU ML accelerator coprocessor• USB 3.0 (USB 3.1 Gen 1) typ C socket• stöder Linux, Mac och Windows på värdsystemet• effektförbrukning upp till 900 mA Peak @ 5 V• mått Coral USB-minne: 65 mm x 30 mm x 8 mmkrav på värdsystemet• Linux Debian 6.0 eller högre, eller ett derivat därav (t.ex. Ubuntu 10.0+, Raspbian)• systemarkitektur: X86-64, ARMv7 (32-bitars) eller ARMv8 (64-bit)• MacOS 10.15 installeras med antingen MacPorts eller Homebrew• Windows 10• en ledig USB-port (bör vara för bästa prestanda USB 3)• Python 3.5, 3.6 eller 3.7i leveransen från Google Coral USB Accelerator• USB Accelerator• USB 3-kabelGoogle tillhandahåller i Coral.ai projekt flera intressanta exempel och utorials, till exempel en variant från AlphaGo Zero kallas MiniGo. Potential för industriella tillämpningarfrån Google Coral USB Accelerator är en revolutionerande produkt, liknande som Raspberry Pi, för machine learning program! På så sätt kan embedded-lösningar användas, som till exempel kan identifiera problem med arbetsstycken, identifiera trafiksituationer och mycket mer.Nedladdningar & dokumentation• USB Accelerator datablad (datablad som PDF)• 3D CAD-fil i STEP-format• TPU Edge incencing overview (Tsensor Flow lite modeller)• TensorFlow models on the Edge TPUpipeline • C+ API referens• Edge TPU Python APIviktig anmärkning: Höljet fungerar även som passiv kylning av processorn och vi därmed varmt. Det är inget fel.

Möjliggör snabbt maskinellt lärande på en mängd olika systemFungerar med Linux-, Mac- och Windows

Google Coral USB Accelerator ger Real-Time referens till din Pi 4 och många andra datorer!Artificiell intelligens / Machine Learning för alla: Google har med Coral USB accelerator satt ett kraftfullt specialchip (TPU, sensor Processing Unit) till ett USB 3-gränssnitt – på så sätt kan sensorer Flow lite användas snabbt och energisparande för störningar. En särskild fördel med denna lösning: Dina data förblir lokala. Det hjälper till med latensen, och naturligtvis med dataskyddet!Google använder i allt högre grad artificiell intelligens (AI) och maskininlärning (ML) för att förverkliga sina tjänster. Den har utvecklat en processor som är specialiserad på datacenter som TPU (”tsensor processing unit”), och som kan utföra algoritmerna snabbare och mer energisparande med sensorflöde. Google Maps förbättras till exempel genom vägskyltar som tagits upp av Street View och som analyseras med hjälp av ett neuronalt nät baserat på TenensorFlow. Clou: TenensorFlow kan enkelt programmeras i Python.Google ger med Edge TPU, som stödjer tensorFlow lite-ramverket, ett USB 3-minne på marknaden. Edge TPU kan genomföra upp till 4 biljoner räkneoperationer per sekund med endast 2 W förbrukning.Perfekt i kombination med Pi 4!Med Google Coral Edge TPU kan man t.ex. med MobileNet v2 modell nå upp till 20 x snabbare än på ”naken” Pi 4. Real-time igenkänningar i videoströmmar med över 50 fps kan genomföras, vilket inte skulle vara möjligt med Pi 4 utan accelerator.Tack vare Python och många exempel online runt TenensorFlow kan man i temat artificiell intelligens och Machine Learning enkelt och med Google Coral USB Accelerator komma in i stil.Tekniska data Coral USB accelerator• Google Edge TPU ML accelerator coprocessor• USB 3.0 (USB 3.1 Gen 1) typ C socket• stöder Linux, Mac och Windows på värdsystemet• effektförbrukning upp till 900 mA Peak @ 5 V• mått Coral USB-minne: 65 mm x 30 mm x 8 mmkrav på värdsystemet• Linux Debian 6.0 eller högre, eller ett derivat därav (t.ex. Ubuntu 10.0+, Raspbian)• systemarkitektur: X86-64, ARMv7 (32-bitars) eller ARMv8 (64-bit)• MacOS 10.15 installeras med antingen MacPorts eller Homebrew• Windows 10• en ledig USB-port (bör vara för bästa prestanda USB 3)• Python 3.5, 3.6 eller 3.7i leveransen från Google Coral USB Accelerator• USB Accelerator• USB 3-kabelGoogle tillhandahåller i Coral.ai projekt flera intressanta exempel och utorials, till exempel en variant från AlphaGo Zero kallas MiniGo. Potential för industriella tillämpningarfrån Google Coral USB Accelerator är en revolutionerande produkt, liknande som Raspberry Pi, för machine learning program! På så sätt kan embedded-lösningar användas, som till exempel kan identifiera problem med arbetsstycken, identifiera trafiksituationer och mycket mer.Nedladdningar & dokumentation• USB Accelerator datablad (datablad som PDF)• 3D CAD-fil i STEP-format• TPU Edge incencing overview (Tsensor Flow lite modeller)• TensorFlow models on the Edge TPUpipeline • C+ API referens• Edge TPU Python APIviktig anmärkning: Höljet fungerar även som passiv kylning av processorn och vi därmed varmt. Det är inget fel.

Möjliggör snabbt maskinellt lärande på en mängd olika systemFungerar med Linux-, Mac- och Windows

Typ av produkt

CPU-modul

Anslutning A

USB-C® hane

Anslutning A antal

1

Kabelapplikation

USB 3.0

Anslutningstyp

USB