핵심 여름 업데이트: 교육 후 양적 지원, TF Lite delegate 및 신규 모델!

Coral's는 고객과 함께 일하고 유통을 확대하며 새로운 기능을 구축하는 바쁜 여름을 보냈다.물론 R＆R은 시간이 필요하다.우리는 현지 AI 플랫폼의 업데이트와 초기의 작업이 여러분과 새로운 모델을 공유할 수 있기를 기대합니다.

컴파일러는 2.0 버전으로 업데이트되었고 훈련 후 양적 구축된 모델에 대한 지원을 추가했습니다(완전 정수 양적 사용 시에만 (이전에 양적 교육이 필요함). 오류를 복구했습니다.Tensorflow팀이 Mediumpost에서 언급한 바와 같이 "교육을 거친 정수량화는 사용자가 교육을 받은 부동점 모델을 완전히 양적으로 허용하고 8비트 인코딩 정수(즉,)만 사용하도록 한다."모델 크기를 줄이면 Coral 제품의 Edge TPU는 이런 방식으로 모델을 계량화할 수 있습니다.
또한 Edge TPU Python 라이브러리를 2.11.1 버전으로 업데이트하고 핵심 제품의 이동 학습을 위한 새로운 API를 추가했습니다.새 장치의 역방향 전파 API를 사용하면 이미지 분류 모델의 마지막 층에서 전송 학습을 수행할 수 있습니다.모델의 마지막 레이어는 컴파일하기 전에 삭제되어 장치에서 실행되고 CPU에서 실행됩니다.거의 실시간 전송 학습을 할 수 있어 모델을 다시 컴파일할 필요가 없다.기존 클래스를 빠르게 재교육하거나 다른 클래스를 보존하고 새 클래스를 추가하기 위해 이전에 발표된 인쇄 API가 업데이트되었습니다.미리 훈련된 기본 모형류도 보존할 수 있다.장치 전송 학습 옵션에 대한 자세한 정보를 확인하십시오.
지금까지는 Edge TPU Python API 또는 C++ 코드를 사용하여 Edge TPU의 모델 속도를 높여야 했습니다.그러나 TensorFlow Lite 해석기 API를 사용하면 Edge TPU의 TensorFlow Lite 삭제기가 출시되어 Edge TPU에서 모델의 속도를 높일 수 있습니다.TensorFlow Lite Delegate API는 TensorFlow Lite의 실험 기능으로 TensorFlow Lite 해석 프로그램이 도표의 일부분 또는 전부를 다른 종료 대기열에 의뢰할 수 있도록 합니다.이 경우 다른 종료자는 Edge TPU입니다.Edge TPU의 TensorFlow Lite Delligate 상세 정보를 참조하십시오.

Coral은 Edge TPU 및 Automl 팀과 협력하여 EfficientNet-Edge TPU를 발표했습니다.EfficientNet-EdgeTPU는 EdgeTPU에서 효율적으로 실행할 수 있는 사용자 정의 이미지 분류 모델 패밀리입니다.이 모델은 EfficientNet 체계 구조를 바탕으로 컴팩트한 사이즈로 Edge TPU의 낮은 지연을 최적화하고 서버 사이드 모델의 이미지 분류 정밀도를 실현한다.구글 AI 블로그에서 모델 개발과 성능에 대한 상세한 정보를 보고 산호 모델 페이지에서 교육과 컴파일 버전을 다운로드할 수 있습니다.
또 여름이 끝날 때 올해 수업과 연구실에서 실험을 하고 싶은 사람에게도 아로가 학생 교사를 할인해 준다.
나는 Coral 플랫폼을 계속 발전시킬 수 있어서 매우 기쁘다.coral-support@ google.com에 피드백을 보내주세요.
Coral Dev Board는 Edge TPU 협동 프로세서를 사용하는 싱글 보드 컴퓨터입니다.기계 학습 모형의 고속 설비에 대한 추리가 필요한 새로운 프로젝트의 원형에 가장 적합하다.


구글 Coral EDGE TPU 해외 대리점 추천, 글로벌 출하:
Coral USB Accelerator는 Edge TPU를 컴퓨터의 협동 프로세서로 제공하는 USB 장치입니다.Linux 메인 컴퓨터에 연결하면 기계 학습 모델의 추론을 가속화시킬 수 있다.