Neuer Einplatinenrechner von Google für KI-Projekte
Google hat auf der Cloud Next einen neuen Einplatinenrechner mit dem Namen AIY Edge TPU Dev Board vorgestellt, welches speziell für den Einsatz von Machine Learning, speziell der Bilderkennung TensorFlow, entwickelt wurde.
Lokale Software mit Cloud-Anbindung
Die von Google speziell dafür entwickelte Software Cloud IoT Edge liefert der Hersteller gleich mit und bietet eine lokale Ausführung auf dem Board. Nach der Installation können Programme für Machine-Learning sowie Software Analysen ausgeführt werden.
Das Board ist in verschiedene Bereiche aufgeteilt
Aufgeteilt ist der kleine Einplatinenrechner in ein Basismodul sowie dem aufsteckbaren TPU-Modul, welches einen NXP i.MX 8M CPU mit integriertem GC7000 Lite Grafikchip und einen TPU-Koprozessor, 1GB LDDDR4-RAM, 8 GB Flashspeicher sowie Wifi und Bluetooth beinhaltet.
Das Board verfügt über weitere Anschlüsse, Ethernet, drei USB-Anschlüsse (2×USB-C, 1× USB-A), zwei FFC-Steckverbinder (39- und 24-Pins) HDMI und eine 3,5 mm Audiobuchse, ein SD-Kartenslot sowie zwei MEMS-Mikrofone.
Die vorhandenen 40-GPIO-Pins erinnern stark an den Raspberry Pi und lassen sich ebenfalls entsprechend ansprechen.
Edge TPU module (SOM) Spezifikationen im Detail
CPU NXP i.MX 8M SOC (quad Cortex-A53, Cortex-M4F)
GPU Integrated GC7000 Lite Graphics
ML accelerator Google Edge TPU coprocessor
RAM 1 GB LPDDR4
Flash memory 8 GB eMMC
Wireless Wi-Fi 2×2 MIMO (802.11b/g/n/ac 2.4/5GHz), Bluetooth 4.1
Dimensionen 40 mm x 48 mm
Basisboard Spezifikationen
Flash memory MicroSD slot
USB Type-C OTG, Type-C power, Type-A 3.0 host
Micro-B serial console
LAN Gigabit Ethernet port
Audio 3.5mm audio jack (CTIA compliant)
Digital PDM microphone (x2)
2.54mm 4-pin terminal for stereo speakers
Video HDMI 2.0a (full size)
39-pin FFC connector for MIPI-DSI display (4-lane)
24-pin FFC connector for MIPI-CSI2 camera (4-lane)
GPIO 40-pin expansion header
Power 5V DC (USB Type-C)
Dimensions 85 mm x 56 mm
Unterstützte Betreibssysteme
Debian Linux, Android Things
Supported Frameworks
TensorFlow Lite
Mehr unter: https://aiyprojects.withgoogle.com/edge-tpu/