Post/DHL, UPS, Andere, Versand nach CH, Versand nach A

Google Coral USB Accelerator für Raspberry Pi

Post/DHL, UPS, Trans-o-Flex, Spedition

Der Google Coral USB Accelerator bringt Real-Time Inferenz für Ihren Pi 4 und viele andere Computer! Künstliche Intelligenz / Machine Learning für alle: Google hat mit dem Coral USB Accelerator einen leistungsfähigen Spezialchip (TPU, Tensor Processing Unit) an ein USB 3 Interface angebunden - damit können Tensor Flow Lite Modelle schnell und energiesparend für Inferenz genutzt werden. Ein besonderer Vorteil dieser Lösung: Ihre Daten bleiben lokal. Das hilft bei der Latenz, und natürlich beim Datenschutz! Google nutzt zunehmend künstliche Intelligenz (AI) und maschinelles Lernen (ML) um seine Dienstleistungen zu realisieren. Dazu entwickelte es für seine Rechenzentren spezialisierte Prozessoren namens TPU (\ tensor processing unit\ ), die die Algorithmen mit dem TensorFlow Framework schneller und energiesparender ausführen können. Beispielsweise wird Google Maps durch von Street View aufgenommene Straßenschilder verbessert, die mit Hilfe eines auf TensorFlow basierenden neuronalen Netzes analysiert werden. Der Clou: TensorFlow kann einfach in Python programmiert werden. Google bringt mit der Edge TPU, die das TensorFlow Lite Framework unterstützt, einen USB 3 Stick auf den Markt. Die Edge TPU kann bis zu 4 Billionen Rechenoperationen pro Sekunde mit nur 2 W Verbrauch durchführen. Perfekt in Kombination mit dem Pi 4! Mit Hilfe der Google Coral Edge TPU kann Inferenz beispielsweise mit dem MobileNet v2 Model bis zu 20 x schneller als auf \

Post/DHL

Der Coral USB Accelerator fügt Ihrem System einen Edge-TPU-Coprozessor hinzu und ermöglicht High-Speed-Inferenzen durch maschinelles Lernen auf einer Vielzahl von Systemen, indem er einfach an einen USB-Port angeschlossen wird. Features Unterstütztes Host-Betriebssystem: Debian Linux, macOS, Windows 10 Kompatibel mit Raspberry Pi-Boards Unterstütztes Framework: TensorFlow Lite Führt High-Speed-ML-Inferenzen durch Der integrierte Edge TPU-Coprozessor kann 4 Billionen Operationen (Tera-Operationen) pro Sekunde (TOPS) ausführen, wobei 0,5 Watt für jede TOPS (2 TOPS pro Watt) verbraucht werden. Beispielsweise kann es hochmoderne mobile Vision-Modelle wie MobileNet v2 mit fast 400 FPS auf energieeffiziente Weise ausführen. Unterstützt alle wichtigen Plattformen Verbindet sich über USB mit jedem System, auf dem Debian Linux (einschließlich Raspberry Pi), macOS oder Windows 10 ausgeführt wird. Unterstützt TensorFlow Lite Modelle müssen nicht von Grund auf neu erstellt werden. TensorFlow Lite-Modelle können für die Ausführung auf der Edge-TPU kompiliert werden. Unterstützt AutoML Vision Edge Mit AutoML Vision Edge können Sie ganz einfach schnelle, hochpräzise benutzerdefinierte Bildklassifizierungsmodelle erstellen und auf Ihrem Gerät bereitstellen. Technische Daten ML Accelerator Google Edge TPU Coprozessor: 4 TOPS (int8); 2 TOPS pro Watt Anschluss USB 3.0 Typ-C (Daten/Stromversorgung) Abmessungen 65 x 30 mm Downloads/Dokumentation Datasheet Get started with the USB Accelerator Model compatibility on the Edge TPU Edge TPU inferencing overview Run multiple models with multiple Edge TPUs Pipeline a model with multiple Edge TPUs PyCoral API (Python) Libcoral API (C++) Libedgetpu API (C++) Edge TPU compiler Pre-compiled models All software downloads

International, Post/DHL, DPD, Spedition, Andere, Versand nach CH, Versand nach A

Der Google Coral USB Accelerator bringt Real-TimeInferenz für Ihren Pi 4 und viele andere Computer. KünstlicheIntelligenz / Machine Learning für alle: Google hat mit dem Coral USBAccelerator einen leistungsfähigen Spezialchip (TPU, Tensor Processing Unit) anein USB 3 Interface angebunden - damit können Tensor Flow Lite Modelle schnellund energiesparend für Inferenz genutzt werden. Ein besonderer Vorteildieser Lösung: Ihre Daten bleiben lokal. Das hilft bei der Latenz, undnatürlich beim Datenschutz. Google nutztzunehmend künstliche Intelligenz (AI) und maschinelles Lernen (ML) um seineDienstleistungen zu realisieren. Dazu entwickelte es für seine Rechenzentrenspezialisierte Prozessoren namens TPU ("tensor processingunit"), die die Algorithmen mit dem TensorFlow Framework schneller undenergiesparender ausführen können. Beispielsweise wird Google Maps durch vonStreet View aufgenommene Straßenschilder verbessert, die mit Hilfe eines aufTensorFlow basierenden neuronalen Netzes analysiert werden. Der Clou:TensorFlow kann einfach in Python programmiert werden. Google bringt mitder Edge TPU, die das TensorFlow Lite Framework unterstützt, einen USB 3 Stickauf den Markt. Die Edge TPU kann bis zu 4 Billionen Rechenoperationen proSekunde mit nur 2 W Verbrauch durchführen. Perfekt in Kombination mit dem Pi 4! Mit Hilfe der GoogleCoral Edge TPU kann Inferenz beispielsweise mit dem MobileNet v2 Model bis zu20 x schneller als auf "dem nackten" Pi 4 ausgeführt werden. Eskönnen so real-time Erkennungen in Videostreams mit über 50 fps durchgeführtwerden, die mit dem Pi 4 ohne Beschleuniger nichtmöglich wären. Dank Python undvielen Beispielen online rund um TensorFlow kann man in das Thema künstlicheIntelligenz und Machine Learning mit dem Google Coral USB Accelerator einfachund mit Stil einsteigen. Google Coral USB Accelerator für Raspberry Pi (G950-01456-01) Coral USB Accelerator - Zusätzliche Schalttafel

Post/DHL, UPS, Trans-o-Flex, Spedition

Der Google Coral USB Accelerator bringt Real-Time Inferenz für Ihren Pi 4 und viele andere Computer! Künstliche Intelligenz / Machine Learning für alle: Google hat mit dem Coral USB Accelerator einen leistungsfähigen Spezialchip (TPU, Tensor Processing Unit) an ein USB 3 Interface angebunden - damit können Tensor Flow Lite Modelle schnell und energiesparend für Inferenz genutzt werden. Ein besonderer Vorteil dieser Lösung: Ihre Daten bleiben lokal. Das hilft bei der Latenz, und natürlich beim Datenschutz! Google nutzt zunehmend künstliche Intelligenz (AI) und maschinelles Lernen (ML) um seine Dienstleistungen zu realisieren. Dazu entwickelte es für seine Rechenzentren spezialisierte Prozessoren namens TPU (\ tensor processing unit\ ), die die Algorithmen mit dem TensorFlow Framework schneller und energiesparender ausführen können. Beispielsweise wird Google Maps durch von Street View aufgenommene Straßenschilder verbessert, die mit Hilfe eines auf TensorFlow basierenden neuronalen Netzes analysiert werden. Der Clou: TensorFlow kann einfach in Python programmiert werden. Google bringt mit der Edge TPU, die das TensorFlow Lite Framework unterstützt, einen USB 3 Stick auf den Markt. Die Edge TPU kann bis zu 4 Billionen Rechenoperationen pro Sekunde mit nur 2 W Verbrauch durchführen. Perfekt in Kombination mit dem Pi 4! Mit Hilfe der Google Coral Edge TPU kann Inferenz beispielsweise mit dem MobileNet v2 Model bis zu 20 x schneller als auf \