Mit I LOVE TEC suchst Du in hunderten Online-Shops nach Elektronikartikeln - vom Gadget bis zum Haushaltsgerät.
I LOVE TEC ist eine Suchmaschine speziell für Technik- und Elektronikartikel.
Mit I LOVE TEC kannst Du ganz einfach nach Computern, Zubehör, Autoelektronik, HiFi-Bausteinen, Media oder Haushaltstechnik im Internet suchen - wir zeigen Dir die besten Angebote, die wir in mehreren hundert Online-Elektronikfachgeschäften finden konnten. Mit einem Klick gelangst Du auf die Seite des Online-Shops, in dem Du die Elektronikartikel kaufen kannst.

RPI AI CORAL USB - Raspberry Pi - Google Coral USB Accelerator

RPI AI CORAL USB - Raspberry Pi - Google Coral USB Accelerator von Google
von Google
88,30 €
Lieferzeit: 3-5 Werktage
Versand: 5,95 €
gefunden bei reichelt elektronik
Zum Shop

Produktbeschreibung

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 ''dem nackten'' Pi 4 ausgeführt werden. Es können so real-time Erkennungen in Videostreams mit über 50 fps durchgeführt werden, die mit dem Pi 4 ohne Beschleuniger nicht möglich wären.Dank Python und vielen Beispielen im Internet rund um TensorFlow, kann man in das Thema künstliche Intelligenz und Machine Learning mit dem Google Coral USB Accelerator einfach und mit Stil einsteigen.Technische Daten Coral USB Accelerator• Google Edge TPU ML accelerator coprocessor• USB 3.0 (USB 3.1 Gen 1) Type C socket• unterstützt Linux, Mac und Windows auf dem Hostsystem• Leistungsaufnahme bis zu 900 mA Peak @ 5 V• empfohlene Umgebungstemperatur max. 25°C (maximale Rechenleistung)• maximale Umgebungstemperatur liegt bei 35°C (reduzierte Taktfrequenz)• Maße (LxBxH): 65 x 30 x 8 mmAnforderungen an das Hostsystem• Linux Debian 6.0 oder höher, oder ein Derivat davon (bspw. Ubuntu 10.0+, Raspbian)• Systemarchitektur: x86-64, ARMv7 (32-bit) oder ARMv8 (64-bit)• macOS 10.15 mit entweder MacPorts oder Homebrew installiert• Windows 10• ein freier USB-Port (sollte für beste Performance USB 3 sein)• Python 3.5, 3.6 oder 3.7Lieferumfang Google Coral USB Accelerator• USB Accelerator• USB 3 KabelHinweise• der USB-Stick kann beim Betrieb sehr heiß werden, was Verbrennungen verursachen kann - bitte warten Sie bis er abgekühlt ist bevor Sie ihn anfassen!• Google und wir übernehmen keine Verantwortung für Schäden falls das Gerät außerhalb der empfohlenen Umgebungstemperatur betrieben wird.• Raspberry Pi nicht im Lieferumfang (siehe Zubehör)Anleitung für den USB Acceleratorhttps://coral.ai/docs/accelerator/get-startedBenchmarks für den USB Acceleratorhttps://coral.ai/docs/edgetpu/benchmarks/Projektbeispiele und Tutorialshttps://coral.ai/examples/Weitere interessante Linkshttps://coral.ai/docs/edgetpu/inference/https://coral.ai/docs/edgetpu/models-intro/https://coral.ai/docs/reference/cpp/pipeline/https://coral.ai/docs/edgetpu/api-intro/