В последние годы было запущено несколько ускорителей нейронных сетей с низким энергопотреблением для ускорения рабочих нагрузок искусственного интеллекта, таких как распознавание объектов и обработки речи. Последние анонсы включают в себя USB-устройства, такие как Intel Neural Compute Stick 2 или Orange Pi AI Stick2801.

Прошлым летом компания Google анонсировала свой собственный ускоритель Edge TPU ML, плату для разработки и USB ускоритель. Хорошая новость заключается в том, что USB-ускоритель, который оснащен Edge TPU и плата для разработки Coral будут запущены в продажу в ближайшие дни, соответственно за $74.99 и $149.99.

Комплект для разработки Coral

Комплект для разработки Coral состоит из основной платы и SoM со следующими спецификациями:

• Модуль Edge TPU 

  • SoC – процессор NXP i.MX 8M с четырьмя Arm ядрами Cortex-A53, Arm ядром реального времени Cortex-M4F и графическим процессором GC7000 Lite 3D
  • ML ускоритель – сопроцессор Google Edge TPU, обеспечивающий до 4 TOPS
  • Оперативная память – 1 Гб LPDDR4 RAM
  • Хранилище – 8 Гб eMMC флэш-памяти 
  • Беспроводная связь – Wi-Fi 2×2 MIMO (802.11b / g / n / ac 2.4 / 5 ГГц), Bluetooth 4.1
  • 300-контактный разъем типа плата-к-плате 
  • Размеры – 48 x 40 x 5 мм
    

• Основная плата
  • Хранилище – слот для микро SD карты 
  • USB – 1x USB Type-C OTG порт, 1x USB Type-C для питания, 1x USB Type-A 3.0 хост и 1x Micro-B для последовательной консоли 
  • Сеть – Гигабитный Ethernet порт
  • Видео выход / вход
    • HDMI 2.0a (полно-размерный)
    • 39-контактный разъем FFC для дисплея MIPI-DSI (4-полосный)
    • 24-контактный разъем FFC для камеры MIPI-CSI2 (4-полосный)
  • Аудио
    • 3.5 мм аудио джек (CTIA-совместимый)
    • Цифровой микрофон PDM (x2) 2.54 мм, 4-контактная клеммная колодка для стерео динамиков
  • GPIO – 40-контактный разъем типа Raspberry Pi с 3.3 В шиной питания, программируемое сопротивление от 40 до 255 Ом, максимальный ток ~ 82 мА
  • Питание – 5 В DC через порт USB Type-C
  • Размеры – 88 x 60 x 24 мм

Также будет опционально предлагаться компактный (25×25 мм) модуль 5-МП камеры.

Плата будет работать под управлением Debian Linux, поддерживает фреймворк  TensorFlow Lite и может быть запрограммирована с помощью Python, а вот поддержка языка C++ должна появиться немного позже.

Coral USB Accelerator

Coral USB-ускоритель чем-то похож на Intel Neural Compute Stick или Orange Pi Ai Stick, но оснащен процессором Google Edge TPU ML:

• ML ускоритель – Edge TPU ASIC, разработанный Google обеспечивает высокопроизводительный вывод ML для моделей TensorFlow Lite
• MCU – пока неизвестный 32-битный микроконтроллер Arm Cortex-M0+ с тактовой частотой до 32 МГц, 16 Кб флэш-памяти с ECC, 2 Кб ОЗУ
• USB – 1x порт USB 3.1 (поколения 1) и кабель (SuperSpeed, скорость передачи 5 Гбит / сек)
• Размеры – 65 x 30 мм

USB-ускоритель поддерживает Debian Linux на хост-процессоре, фреймворк TensorFlow Lite и должен работать с платой Raspberry Pi 3, а также практически с любой 64-битной Arm или 64-битной x86 платформой, поддерживаемой Debian. Компания Google утверждает, что их Edge TPU может выполнять самые современные Mobile Vision модели, такие как MobileNet v2 при 100+ fps в энергоэффективном режиме.

На сколько известно, компания Google продемонстрирует свой новый сопроцессор Edge TPU, плату для разработки и USB-ускоритель на саммите Tensorflow Dev Summit 2019. Тем не менее, вы уже можете найти много различной документации и ресурсов, таких как предварительно скомпилированные модели и компилятор моделей Edge TPU на веб-сайте Google Coral, а также на специальной странице проектов AIY.

На веб-сайте Coral в качестве дистрибьютора упоминается только Mouser, но USB-ускоритель Edge TPU и плата для разработки Coral будут также продаваться и через Seeed Studio, а также вероятно и у других дистрибьюторов.

Если верить скриншоту с удаленной страницы, то USB ускоритель и плата для разработки должны поступить в продажу 20 марта 2019 года. SoM будет доступен отдельно для интеграции в коммерческий проект, но на данный момент нет никакой информации о цене.

Выражаем свою благодарность источнику из которого взята и переведена статья, сайту cnx-software.com.

Оригинал статьи вы можете прочитать здесь.