Синергия — важный термин в мехатронике или искусственном интеллекте. Синхронизация между энергиями — как аппаратное, так и программное обеспечение — это основа создания продукта ИИ.

Таким образом, Google запустила свою доску разработчиков Coral, названную в честь машинного обучения и искусственного интеллекта, с поддержкой TensorFlow.

Плата фактически сделана с проектной структурой Raspberry Pi с SOM (система на модуле). Версия для Linux — в качестве операционной системы используется Mendel Debian.

TPU (Tensor Processing Unit) — это сопроцессор, оптимизированный для работы с нейронными сетями, предназначенный для переноса искусственного интеллекта из централизованных облаков на встроенные устройства.

TPU предназначен для этапа производительности, когда системы с скомпилированными моделями представляются с реальными данными и должны вести себя соответствующим образом с использованием версии TensorFlow под названием TensorFlow Lite.

Плата разработчика предназначена для упрощения экспериментов с аппаратным обеспечением благодаря разъему ввода-вывода общего назначения (GPIO) типа Pi, устройству чтения SD-карт, видеовыходу HMDI, радио Wi-Fi, порту Ethernet, порту для подключения модуль камеры и порт USB для периферийных устройств. Как и Pi 3, он имеет 1 гигабайт (ГБ) оперативной памяти и использует процессор на базе Arm в качестве центрального процессора.

Есть несколько предположений о том, что запуск Android на платформе Coral, поскольку поддержка TensorFlow на Android станет шагом вперед в мир ИИ.

Стоимость Google Coral TPU — около 150 долларов США / 11 000 рупий
Чтобы узнать больше о Tensorflow — ознакомьтесь здесь

Но это также было причиной того, что версия Android aarch64 не стала открытой.

«Новая линейка оборудования Google для искусственного интеллекта»

Следующий — Jetson Nano,

NVIDIA — аппаратное обеспечение компании по производству графических процессоров — Jetson Nano. В реальности графика больше имитирует видео или изобразительный образ.

Если вы не в курсе, машинное обучение полностью зависит от измерений — см. ссылки на TensorFlow.
Таким образом, NVIDIA выбирает собственное оборудование для проектов искусственного интеллекта в реальном времени.

Jetson Nano — серьезно относится к машинному обучению. Он может похвастаться графическим процессором Nvidia Maxwell 128 CUDA, оптимизированным для машинного обучения. Это предлагает 472 гигафлопса для производительности ИИ, в отличие от 21,4 гигафлопса, которые вы получаете от модели Raspberry Pi 3B+.

В основе графического процессора лежит высокопроизводительный 64-разрядный четырехъядерный процессор Cortex A57 и колоссальные 4 ГБ оперативной памяти.

Когда дело доходит до обработки видео, на свет появляются функции искусственного интеллекта Jetson Nano. Jetson nano может обрабатывать видео 4K, используя встроенное оборудование для кодирования, декодирования и отображения.

Эта плата может запускать параллельные нейронные сети для одновременной обработки нескольких видео и датчиков. Он может обрабатывать несколько видеопотоков, до восьми видеопотоков 1080p одновременно (дроны с несколькими объективами) и использует алгоритмы машинного обучения для обнаружения и отслеживания изображений.

Стоимость — 99 $ / 7000 рупий около

Он изначально работает под управлением Ubuntu, поэтому поддержка программного обеспечения не будет проблемой, поскольку в настоящее время большинство проектов рендеринга AI находятся в Tensorflow, который поддерживает Ubuntu.

по мощности процессора эта плата опережает как TPU, так и raspberry pi 4.

Raspberry Pi — продукт хита, поэтому очень часто следуют их линии, но вариант с 4 ГБ доказал, что они тоже присоединились к гонке ИИ.

Характеристики:

  • SoC: 64-разрядная система на кристалле Broadcom BCM2711 с четырьмя процессорными ядрами ARM Cortex-A72 с тактовой частотой 1,5 ГГц
  • Процессор: 4x ARM Cortex-A72, 1,5 ГГц
  • Порты: 2 x micro-HDMI, 2 USB 3.0, 2 USB 2.0, двухканальный последовательный интерфейс камеры MIPI (CSI), двухканальный последовательный интерфейс дисплея MIPI (DSI), 3,5-мм аналоговый аудио-видео разъем

Основным преимуществом Raspberry pi является сообщество разработчиков в различных областях искусственного интеллекта, Интернета вещей и машинного обучения, которые уже реализовали проекты.

Даже Raspberry Pi3 тестировался с Tensorflow для обнаружения объектов, но теперь с аппаратным ускорением уже протестировано несколько моделей обнаружения объектов репозитория Google Coral.

Операционная система не является проблемой для Raspberry pi, поскольку скоро будет доступна официальная версия ubuntu mate.

Следует задуматься: Jetson Nano на 10% лучше подходит, как показала разница в GFLOPS. Но, учитывая стоимость и поддержку разработчиков по всему миру.

Даже Chromium OS в настоящее время тестируется для rpi4, а также официальная поддержка TensorFlow lite расширяет возможности Raspberry Pi, чтобы занять промежуточное положение между этими двумя платами.

Первоначально опубликовано на https://www.techiebouncer.com.