Google Coral USB-Beschleuniger – Edge TPU ML-Beschleuniger – ARM Cortex M0

Index: SEE-16911 EAN: 193575021935

Die Coral USB Accelerator Appliance bietet leistungsstarke ML-Inferenzfunktionen unter Linux, Windows und macOS. Das Modul ist mit einem ARM Cortex M0 + -Prozessor und einer speziellen integrierten Edge-TPU -Schaltung (ASIC) ausgestattet, die von Google entworfen und erstellt wurde. Mit seiner Verwendung ist es beispielsweise möglich, moderne Vision-Modelle wie MobileNet v2 zu erstellen.

Google Coral USB-Beschleuniger – Edge TPU ML-Beschleuniger – ARM Cortex M0
75,90 €
63,78 € zzgl. MwSt.
Erhältlich
Versand 24h
PayPal Bezahlung
Hersteller: Google

Produktbeschreibung: Google Coral USB-Beschleuniger – Edge TPU ML-Beschleuniger – ARM Cortex M0

Die Coral USB Accelerator Appliance bietet leistungsstarke ML-Inferenzfunktionen unter Linux, Windows und macOS über den USB 3.0-Anschluss. Das Modul ist mit einem ARM Cortex M0 + -Prozessor und einer speziellen integrierten Edge-TPU -Schaltung (ASIC) ausgestattet, die von Google entworfen und erstellt wurde. Mit seiner Verwendung können beispielsweise moderne Vision-Modelle wie MobileNet v2 mit 100 fps mit geringem Energieverbrauch erstellt werden. Das Gerät funktioniert mit Geräten, die auf einer Linux-Distribution basieren, einschließlich Raspberry Pi .

Google Coral USB-Beschleuniger Coral USB Accelerator – Edge TPU ML-Beschleuniger.

Die Hauptvorteile des Google Coral USB-Beschleunigers

  • Edge TPU ML-Schnellschlussfolgerung
  • Niedriger Energieverbrauch
  • Kompakte Abmessungen

Coral ist eine Abteilung der Marke Google, die hilft, intelligente Designs zu erstellen, die auf künstlicher Intelligenz basieren.

Die Hauptmerkmale des Beschleunigers

  • Google Edge TPU ML-Beschleuniger-Coprozessor
  • USB 3.0 Typ-C-Buchse
  • Es unterstützt Linux-Debian-Distributionen sowie Windows und macOS auf der Host-CPU
  • Mit TensorFlow erstellte Modelle
  • Volle Unterstützung für MobileNet und Inception, es ist auch möglich, externe Architekturen zu verwenden
  • Kompatibel mit Google Cloud
  • Lokale Inferenz – Ausführen von ML auf einer von Google entworfenen Edge-TPU

Inhalt des Kits Inhalt des Coral USB-Beschleunigerkits.

Anforderungen für den Google Coral-Beschleuniger

Das Gerät muss an einen Host-Computer angeschlossen werden, der den folgenden Spezifikationen entspricht:

  • Alle Linux-Computer mit einem USB-Anschluss:
    • Debian 6.0 oder höher oder Derivat (z. B. Ubuntu 10.0+)
    • X86_64- oder ARM64-Systemarchitektur mit ARMv8-Kit
    • Windows 10
    • Mac OS
  • Himbeer-Pi

Spezifikation des Google Coral USB-Beschleunigers

  • Beschleuniger: Edge TPU ML – Bietet qualitativ hochwertige ML-Inferenz für TensorFlow Lite-Modelle
  • Prozessor: ARM Cortex M0 + 32-Bit:
    • Taktfrequenz: bis zu 32 MHz
    • Flash-Speicher mit ECC: 16 KB
    • RAM-Speicher: 2 KB
  • Anschlüsse:
    • USB 3.1 und SuperSpeed Kabel, Übertragungsgeschwindigkeit 5 GB/s
    • USB-Typ-C-USB-A-Kabel im Lieferumfang enthalten
  • Abmessungen: 65 x 30 m

Stromspannung aus 5,0 V
Stromspannung Nieder 5,0 V
UC - Mikrocontroller Edge-TPU ML
UC - Kern ARM Cortex-M0 +
UC - Flash-Speicher 16 KB
UC - RAM-Speicher 2 KB
UC - USB-Schnittstelle USB-C
PAKETBREITE 10.5 cm
PAKETHÖHE 3.5 cm
PAKETTIEFE 14 cm
PAKETGEWICHT 0.095 kg

Seien Sie der Erste, der eine Frage zu diesem Produkt stellt!

Produktrezensionen

Google Coral USB-Beschleuniger – Edge TPU ML-Beschleuniger – ARM Cortex M0

4.9/5

Durchschnittsnote

31

Kundenmeinung
Wir sammeln die folgenden
Bewertungen und verifizieren sie
mit Hilfe des externen Partners Trustmate
die aus dem Nachkaufprozess stammen.
Pracuje já 27.11.2023 Bestätigter Kauf Übersetzte Rezension
5/5 nichts hinzuzufügen.
Ladislav 27.10.2023 Bestätigter Kauf Übersetzte Rezension
Schnelle Lieferung, zuverlässiger Lieferant
Wojciech 21.09.2023 Bestätigter Kauf Übersetzte Rezension
Sehr gutes Produkt. Vor allem, weil es im Angebot ist (gekauft für 399 PLN)
Robert 21.08.2023 Bestätigter Kauf Übersetzte Rezension
Sehr gut
Zbigniew 13.04.2023 Bestätigter Kauf Übersetzte Rezension
Es ist in der Testphase, ich habe es für die lokale Echtzeit-Objekterkennung für IP-Kameras gekauft Berichten zufolge übertrifft Coral selbst die besten CPUs und kann mit sehr geringem Overhead über 100 FPS ausführen. Eine Koralle kann viele Kameras handhaben und wird für die meisten Benutzer ausreichen. Sie können die maximale Leistung Ihrer Coral basierend auf der von Frigate gemeldeten Inferenzgeschwindigkeit berechnen. Bei einer Inferenzgeschwindigkeit von 10 erreicht Ihr Coral einen Spitzenwert von 1000/10 = 100 oder 100 Bildern pro Sekunde.
Patrick 13.04.2023 Bestätigter Kauf
Produkt erfüllt sämtliche Erwartungen bezüglich Qualität, Optik und Benutzerfreundlichkeit.
Georg 07.04.2023 Bestätigter Kauf Übersetzte Rezension
Danke, gute Lieferung und Produkt
Martin 06.03.2023 Bestätigter Kauf Übersetzte Rezension
Tolles Produkt, funktioniert wie es soll.
Radek 27.02.2023 Bestätigter Kauf Übersetzte Rezension
Qualität: Das Produkt selbst ist hochwertig und erfüllt alle vom Hersteller genannten Kriterien. Aussehen: Interessantes Design mit Befestigungsmöglichkeit. Nützlichkeit: Dies ist ein Produkt, das speziell auf die Beschleunigung von Aufgaben für maschinelles Lernen abzielt und auf die Verarbeitung von Aufgaben in INT8 oder UINT8 beschränkt ist.
Mariusz 01.02.2023 Bestätigter Kauf Übersetzte Rezension
Ich empfehle es, es funktioniert gut mit Frigate.
Michał 15.12.2022 Bestätigter Kauf Übersetzte Rezension
Funktioniert wie beschrieben.
David 08.12.2022 Bestätigter Kauf Übersetzte Rezension
schnell bearbeitete Bestellungen. Vielen Dank
Grzegorz 02.09.2022 Bestätigter Kauf Übersetzte Rezension
Sehr schwieriger Einbau. Ich empfehle nicht.
Clemens 15.12.2023 Bestätigter Kauf
Thomas 16.02.2023 Bestätigter Kauf
Anja 09.02.2023 Bestätigter Kauf
Andrew 29.02.2024 Bestätigter Kauf
Kamil 26.02.2024 Bestätigter Kauf
Tomasz 12.02.2024 Bestätigter Kauf
Szymon 21.11.2023 Bestätigter Kauf
René 02.10.2023 Bestätigter Kauf
Artur 04.04.2023 Bestätigter Kauf
Stefan 24.02.2023 Bestätigter Kauf
Tomáš 17.02.2023 Bestätigter Kauf
Michał 15.02.2023 Bestätigter Kauf
Jiří 15.12.2022 Bestätigter Kauf
Rafał 20.11.2022 Bestätigter Kauf
Bartłomiej 31.10.2022 Bestätigter Kauf
Karol 15.09.2022 Bestätigter Kauf
Szymon 02.09.2022 Bestätigter Kauf

Kunden, die diesen Artikel gekauft haben, kauften auch:

Produkte aus der gleichen Kategorie: