Hanalili

Google Edge TPUは日本で購入できます-代理店Gravitylink!

Hanalili

Google Edge TPUは日本で購入できます-代理店Gravitylink!

GoogleのRaspberry PiのようなCoral：新しいCoral Dev Board Miniと小さなAcceleratorに会う

GoogleはCoralのラインナップを拡大し、2020年の2つの新製品とCoral SoMのメモリオプションを増やしました。 Googleは、Coral Dev Board Miniと、既存のCoralハードウェアラインナップに参加する新しいアクセラレータモジュールを発表しました。これは、開発者がエッジネットワークデバイスでローカルに機械学習モデルを実行できるようにすることを目的としています。 すべてのCoral製品の中核はGoogle Edge TPU ASICであり

Hanalili

    • Google Edge TPU推論の概要

      Edge TPUはTensorFlow Liteモデルのみと互換性があります。 そのため、TensorFlowモデルをトレーニングし、TensorFlow Liteに変換し、Edge TPU用にコンパイルする必要があります。 次に、このページで説明されているオプションのいずれかを使用して、Edge TPUでモデルを実行できます。(Edge TPUと互換性のあるモデルの作成の詳細については、Edge TPUのTensorFlowモデルをご覧ください。https://coral.

      Hanalili

      • 評価：Google Coral USBアクセラレーターとIntel NCS 2

        人工知能（AI）と機械学習（ML）は徐々にSFから実生活へと移行しており、このタイプのシステムのプロトタイプを作成するための高速で便利な方法が必要になっています。 AI / MLの操作要件を満たすにはデスクトップコンピューターでも十分ですが、Raspberry Piなどのシングルボードコンピューターでもこれらのニーズを満たすことができます。 しかし、システムをより速く、より強力に実行するためのシンプルなプラグインデバイスが必要な場合はどうでしょうか。 GoogleのCora

        Hanalili

        • KerasのTensorNetworkを使用したニューラルネットワークの高速化

          前書きこの投稿では、TensorNetworkと、それを使用してTensorFlowのフィードフォワードニューラルネットワークをスーパーチャージする方法について説明します。 TensorNetworkは、テンソルネットワークでの計算を容易にするために、19年6月にリリースされたオープンソースライブラリです。 通常、人々が私たちに最初に尋ねる質問は「テンソルネットワークとは何ですか？」であり、その次に「なぜテンソルネットワークを気にする必要があるのですか？」です。 最初の質問（

          Hanalili

        マガジン

        • Google Edge TPU
          4本

        記事

          TensorFlowとEdge TPUによる犬の訓練

          GoogleのTensorFlowLite（およびEdgeTPU）を使用すると、イヌを自律的に訓練して、座ったり、横になったり、固定したり、呼び出したりするなど、さまざまな行動に応答させることができます。 これにより、すべての犬が低コストで訓練され、犬の生活が豊かになり、経済的にストレスの多い救助ステーションと低い採用率にプラスの影響がもたらされると考えています。 Google EdgeTPUを使用すると、犬がデバイスとやり取りするときの動作を理解し、学習できます。 Ten

          Hanalili

          TensorFlowとEdge TPUによる犬の訓練

          Hanalili

          GravitylinkがGoogleの新しいCoral製品を発売、企業のローカルAIソリューション構築を支援

          GravitylinkはGoogle Coralの量販代理店としてGoogle Coral Edge TPUの全てのシリアルデバイスを発売する。Coralは、企業がローカルAIの製品を開発するのを支援するための完全なツールキットであり、エッジデバイス上のニューラルネットワークにハードウエア加速をもたらす。 高効率、非公開、高速、オフラインのオンデバイス機能により、多くの企業は、ヘルスケア、スマートシティー、輸送から製造、STEM（科学、技術、工学、数学）教育などに及ぶ多様

          Hanalili

          GravitylinkがGoogleの新しいCoral製品を発売、企業のローカルAIソリューション構築を支援

          Hanalili

          Google Coral： 2020年の新しいサンゴ製品

          ますます多くの業界がローカルAIの価値を認識し始めています。ローカルAIの速度により、帯域幅とクラウドコンピューティングのコストを大幅に節約でき、データをローカルに保持するとユーザーのプライバシーが保護されます。 昨年、ハードウェアコンポーネントとソフトウェアツールのプラットフォームであるCoralを立ち上げ、ローカルAI製品のプロトタイプ作成とスケーリングを容易にしました。当社の製品ポートフォリオには、Coral Dev Board、USB Accelerator、およびP

          Hanalili

          Google Coral： 2020年の新しいサンゴ製品

          Hanalili

          複数のEdge TPUで複数のモデルを実行する

          Edge TPUには、モデルのパラメーターデータをローカルに保存するために使用される少量のRAMが含まれており、外部メモリからデータを取得する場合と比較して、より高速な推論速度を実現します。 通常、2つ目のモデルを実行するにはRAM内のモデルのパラメーターデータを交換する必要があるため、パイプライン全体が遅くなるため、Edge TPUごとに1つのモデルのみを実行する場合にパフォーマンスが最高になります。 このページで説明するように、1つの解決策は、異なるEdge TPUで各モ

          Hanalili

          複数のEdge TPUで複数のモデルを実行する

          Hanalili

          PythonでTensorFlow Liteを使用して推論を実行する

          デフォルトでは、TensorFlowはコンパイルされたモデルでカスタムオペレーターを実行する方法を知らないため、TensorFlow Lite APIを使用すると、Edge TPU用にコンパイルされたモデルは失敗します。 動作させるには、推論を実行するコードにいくつかの変更を加える必要があります。 このページでは、Pythonを使用してそれを行う方法を示します。 C ++を使用する場合は、代わりに「C ++でTensorFlow Liteで推論を実行する」をお読みください。

          Hanalili

          PythonでTensorFlow Liteを使用して推論を実行する

          Hanalili

          Google Edge TPU用に最適化されたTensorFlowモデルのトレーニングと展開

          エッジコンピューティングデバイスは、ディープラーニングモデルを実行する論理的な目的地になりつつあります。パブリッククラウドはトレーニングに適した環境ですが、推論用のモデルを実行するのはエッジです。ほとんどのエッジデバイスには、使用可能なCPUおよびGPUリソ​​ースという形式の制約があるため、推論を高速化するために設計された専用のAIチップがあります。これらのAIアクセラレータは、推論に関係する計算を高速化することでCPUを補完します。これらは、エッジに配置されたニューラルネ

          Hanalili

          Google Edge TPU用に最適化されたTensorFlowモデルのトレーニングと展開

          Hanalili

          Google AIYキットの機械学習モデル

          機械学習は、データで発見されたパターンと関係に基づいて予測を行うことができるソフトウェアモデルを構築するための手法です。 これらのモデルを試して、機械学習の実際の動作を確認してください。 サポートされているデバイス：Google AIY Vision kit, ここで入手: https://store.gravitylink.com/global 独自のモデルを作成しましたか？ 今後のプロジェクトへの寄付を受け付けています。 顔検出器 顔検出器モデルは、画像から顔を見つ

          Hanalili

          Google AIYキットの機械学習モデル

          Hanalili

          Edge TPUでの転移学習

          上記の要件に準拠する独自のモデルを構築して最初からトレーニングする代わりに、Transfer Learning（「微調整」とも呼ばれます）と呼ばれる手法を使用して、Edge TPUと既に互換性のある既存のモデルを再トレーニングできます。 ニューラルネットワークを最初からトレーニングする（計算された重みやバイアスがない場合）には、数日分の計算時間がかかり、膨大な量のトレーニングデータが必要になります。ただし、転移学習を使用すると、関連タスクについて既にトレーニングされたモデル

          Hanalili

          Edge TPUでの転移学習

          Hanalili

          Googleの新しいバージョンのAIY VisionとVoice Kitには、Raspberry Pi Zero WHが付属しています

          Googleは、Raspberry Pi Zero WH SBCをバンドルしたAIY Voice Kit（50ドル）とAIY Vision Kit（90ドル）の新しいバージョンを発売しました。 GoogleはAIY Projects向けのAndroidアプリもリリースしました。 GoogleとTargetは、Raspberry Pi Zero WH SBCをバンドルした、音声ボイスエージェントと視覚ニューラルネットワーク処理開発向けのGoogleのAIYプロジェクトキットの

          Hanalili

          Googleの新しいバージョンのAIY VisionとVoice Kitには、Raspberry Pi Zero WHが付属しています

          Hanalili

          Coral USB Accelerator、TensorFlow Lite C ++ API、およびEdge TPUオブジェクト検出用のRaspberry Pi

          Google Coral USBアクセラレーターは、Linuxホストコンピューター（Raspberry Piを含む）に接続すると、機械学習モデルの推論を非常に高速化するエッジテンソルプロセッシングユニット（TPU）を提供するUSBデバイスです。 前のチュートリアルで、Raspberry Piアプリの開発のためにTensorFlow LiteをQt / QMLと統合する方法と、オブジェクト検出用のオープンソースのサンプルアプリ：Raspberry Pi、TensorFlow

          Hanalili

          Coral USB Accelerator、TensorFlow Lite C ++ API、およびEdge TPUオブジェクト検出用のRaspberry Pi

          Hanalili

          Google VisionとAmazon Rekognition：ベンダーとニュートラルの比較

          Google Cloud VisionとAmazon Rekognitionは、幅広いソリューションを提供します。その一部は、機能の詳細、品質、パフォーマンス、コストの点で同等です。 この投稿は、Google VisionとAmazon Rekognitionの事実に基づいた比較分析であり、2つのサービスを区別する技術的な側面に焦点を当てます。 画像認識のレンズからAIとMLの世界に慣れていない場合は、一般的なAIと画像固有の詳細の両方を提供するAmazon Rekogni

          Hanalili

          Google VisionとAmazon Rekognition：ベンダーとニュートラルの比較

          Hanalili

          Coral Keyphrase検出器

          「ゲームの開始」や「次の歌」などの140以上の短いフレーズを検出できるキーフレーズ検出モデルを使用したいくつかの例。 音声コマンドに応答するスネークゲームとYouTubeプレーヤーが含まれます。 キーワードスポッター（KWS）と呼ばれることが多いキーフレーズ検出器は、音声ストリーム内の定義済みの単語または短いフレーズの存在を検出する単純な音声処理アプリケーションです。 これは、最近では「OK Google」や「Alexa」などのホットワード（またはウェイクワード）でよく見ら

          Hanalili

          Coral Keyphrase検出器

          Hanalili