Les ordinateurs monocarte (SBC) sont des appareils révolutionnaires. Le SBC le plus célèbre est sans aucun doute le Raspberry Pi. C'est bon marché, à peu près de la taille d'une carte de crédit, et pourtant, il effectue la plupart des mêmes tâches qu'un ordinateur de bureau, ce qui en fait un favori pour les amateurs et les développeurs.
Le Coral Dev Board est le petit nouveau du quartier. Il y a de nombreuses raisons d'être excité à ce sujet. Aujourd'hui, vous apprendrez tout ce que vous devez savoir sur le nouveau SBC basé sur Linux de Google.
Le tableau Coral Dev est un SBC avec le Mendel personnalisé de Google système d'exploitation, conçu pour être utilisé avec TensorFlow Lite réseau neuronal. Il dispose également d'un ensemble complet de broches GPIO (General Purpose In/Out). Compte tenu de son apparence et de sa taille, vous pensez peut-être qu'il s'agit d'un autre clone de Raspberry Pi, mais il existe des différences importantes.
Google a conçu le Coral Dev Board pour le prototypage rapide du matériel d'apprentissage automatique. La première chose qui le rend unique est le module Edge TPU .
Ce module, appelé System On Module (SOM) se trouve au-dessus d'une plinthe de connexion et contient tout ce qui fait fonctionner la planche. Le CPU, le GPU, la RAM, la puce Wi-Fi et la mémoire flash sont tous présents dans une unité amovible qui peut être rapidement remplacée.
La carte de base contient des connecteurs pour USB, LAN, HDMI, carte SD, audio et alimentation. Cela signifie que vous pouvez utiliser une carte de base pour les périphériques de prototypage, avant de déployer sur du matériel personnalisé.
Cela signifie également que la technologie avec des utilisations commerciales réelles est accessible à ceux qui souhaitent bricoler avec la technologie à la maison. Ce qui le distingue vraiment, c'est quelque chose que vous ne trouverez sur aucune autre carte de développement :un Google Edge TPU co-processeur.
Le TPU Edge est une petite puce intégrée spécifique à l'application (ASIC) conçue pour fournir une interprétation d'apprentissage automatique hautes performances. Sa petite taille et sa faible consommation d'énergie le rendent parfait pour être intégré dans des produits matériels IoT pour la reconnaissance d'images et de texte.
L'ajout de cette puce à un SBC réduit considérablement le temps nécessaire à un réseau de neurones pour traiter les données. Actuellement, le TPU Edge n'est disponible que dans le cadre de la carte de développement Coral ou en tant que processeur USB externe.
Les spécifications du module Edge TPU sont les suivants :
La plinthe a son propre cahier des charges :
Python est le seul langage de programmation actuellement pris en charge. La prise en charge de C++ sera bientôt disponible.
Comme sa conception prend en charge le traitement de données complexes, il fait partie des alternatives Raspberry Pi les plus puissantes. Ce qui lui manque, cependant, c'est un système d'exploitation de bureau. La documentation de la carte de développement Coral conseille même de ne pas connecter un moniteur et un clavier à la carte et d'utiliser uniquement des solutions de connexion réseau telles que SSH.
Les spécifications ne veulent rien dire si le matériel n'est pas utile. La vidéo ci-dessus montre à quel point le Coral Dev Board peut être puissant. L'exemple utilise un module de caméra pour introduire de nouveaux objets dans un réseau de neurones TensorFlow Lite en temps réel.
Cet exemple plaira à coup sûr aux bricoleurs, mais il existe d'autres utilisations de TensorFlow Lite que vous connaissez peut-être déjà. Google a récemment déployé Smart Reply pour Gmail, qui utilise la même version allégée de TensorFlow pour lire les e-mails et fournir des réponses contextuelles.
Ce type de technologie intelligente repose généralement sur une connexion Internet ou sur l'utilisation de services externes, ce qui peut constituer un risque pour la sécurité. En tirant parti de la puissance de l'apprentissage automatique embarqué, les réseaux de neurones peuvent être utilisés hors ligne et dans des zones où la connexion Internet peut ne pas être possible.
En bref, le Coral Dev Board est la première véritable étape vers un puissant apprentissage automatique à petit facteur de forme. Le SOM échangeable facilite la production en série, et de nombreux futurs appareils seront sans aucun doute dotés de cette technologie. Qu'est-ce que cela signifie pour vous ?
TensorFlow fonctionne sur un Raspberry Pi, mais il n'est pas vraiment conçu pour cela. Le Coral Dev Board offre une puissance avec laquelle le Pi ne peut tout simplement pas rivaliser. Heureusement, il existe une solution sous la forme d'un accélérateur USB compatible Raspberry Pi avec un processeur Edge TPU intégré.
Cela permet à toute personne disposant d'un Pi et d'un certain savoir-faire en matière d'apprentissage automatique de se développer à l'aide de TensorFlow Lite.
Cette nouvelle technologie est sûrement trop chère pour les amateurs ?
Étonnamment, non. Le Coral Dev Board ne coûte que 149,99 $, un coût comparable à celui des cartes de développement haut de gamme similaires. L'accélérateur USB est encore moins cher, ce qui en fait une excellente alternative à ceux qui ne veulent pas acheter une toute nouvelle carte de développement. Il est prévu de vendre le SOM séparément, ainsi qu'une carte d'accélération PCI TPU, bien qu'ils ne soient actuellement pas disponibles à l'achat.
Vous pouvez récupérer les composants sur le site Web de Google Coral :
Aussi excitante soit-elle, la carte Coral Dev ne remplacera pas la Raspberry Pi. TensorFlow fonctionnera sur un Pi, mais pas en temps réel. Le Coral Dev Board est puissant, mais n'est pas conçu pour une utilisation sur ordinateur ou pour l'enseignement.
Le Raspberry Pi reste le meilleur choix pour les amateurs d'électronique débutants qui souhaitent réaliser de superbes projets DIY Raspberry Pi.
