Google Edge TPUとは何ですか?
Edge TPUとは何ですか?
Edge TPUは、低電力デバイス向けの高性能ML推論を提供するGoogleが設計した小さなASICです。 たとえば、MobileNet V2などの最先端のモバイルビジョンモデルを400 FPSで電力効率の高い方法で実行できます。
Edge TPUビルトインを含む複数の製品を提供しています。
Edge TPUはどの機械学習フレームワークをサポートしていますか?
TensorFlow Liteのみ。
Edge TPUはどのタイプのニューラルネットワークをサポートしていますか?
第一世代のEdge TPUは、畳み込みニューラルネットワーク(CNN)などのディープフィードフォワードニューラルネットワーク(DFF)を実行できるため、さまざまな視覚ベースのMLアプリケーションに最適です。
サポートされているモデルアーキテクチャの詳細については、モデルの要件を参照してください。
Edge TPUのTensorFlow Liteモデルを作成するにはどうすればよいですか?
モデルをTensorFlow Liteに変換する必要があり、量子化に対応したトレーニング(推奨)またはトレーニング後の完全整数量子化のいずれかを使用して量子化する必要があります。 次に、Edge TPUとの互換性のためにモデルをコンパイルする必要があります。 詳細については、Edge TPUのTensorFlowモデルをご覧ください。
ただし、画像分類アプリケーションを構築している場合は、Cloud AutoML Visionを使用して、Edge TPUと互換性のあるモデルを簡単に構築することもできます。 このWebベースのツールは、独自の画像を使用してモデルをトレーニングし、モデルを最適化してからEdge TPUにエクスポートするためのグラフィカルUIを提供します。
Edge TPUの処理能力はどのくらいですか?
Edge TPUは、1秒あたり4兆回の操作(テラ操作)(TOPS)を実行でき、各TOPSに0.5ワット(1ワットあたり2 TOPS)を使用します。
実際にどのようなパフォーマンスを提供しますか?
こちらのベンチマークをご覧ください。(https://coral.withgoogle.com/docs/edgetpu/benchmarks)
Edge TPUは加速MLトレーニングを実行できますか?
はい、ただし最終層のみを再トレーニングします。 TensorFlowモデルはEdge TPUで高速化するためにコンパイルする必要があるため、後ですべてのレイヤーの重みを更新することはできません。 ただし、2つの異なる方法で高速転送学習を実行するAPIを提供しています。
クロスエントロピー損失関数を使用して、最終的に完全に接続されたレイヤーだけの重みを更新する逆伝播。
新しいデータからの画像埋め込みを使用して最終層に新しい活性化ベクトルを刷り込む重み刷り込み。これにより、非常に小さな小さなデータセットで新しい分類を学習できます。
Dev BoardとUSB Acceleratorの違いは何ですか?
Coral Dev Boardは、SOMに統合されたSOCとEdge TPUを含むシングルボードコンピューターであるため、完全なシステムです。 SOMを削除(または個別に購入)し、3つのボード間コネクタを介して他のハードウェアと統合することもできます。このシナリオでも、SOMにはSOCとEdge TPUを備えた完全なシステムとすべてのシステムインターフェイスが含まれます( I2C、MIPI-CSI / DSI、SPIなど)は、基板間コネクタの300ピンを介してアクセスできます。
一方、Coral USB Acceleratorは、既存のシステムにコプロセッサーとしてEdge TPUを追加するアクセサリーデバイスです。USBケーブルを使用してLinuxベースのシステムに接続するだけです(最高のパフォーマンスを得るにはUSB 3.0をお勧めします)。
Edge TPUチップだけを購入できますか?
いいえ、現在、スタンドアロンのEdge TPU ASICは提供していませんが、USB 3.0またはPCI-Eインターフェイスのいずれかを使用して、既存のハードウェアシステムのコプロセッサーとしてEdge TPUを簡単に統合できる2つの製品を提供しています。
しかし、あなたはここからサンゴ装置を購入することができます:https://store.gravitylink.com/global
Author And Source
この問題について(Google Edge TPUとは何ですか?), 我々は、より多くの情報をここで見つけました https://qiita.com/huayecai/items/006e63c83db4b92a27bc著者帰属:元の著者の情報は、元のURLに含まれています。著作権は原作者に属する。
Content is automatically searched and collected through network algorithms . If there is a violation . Please contact us . We will adjust (correct author information ,or delete content ) as soon as possible .