Coral USB Accelerator 시작

Coral USB Accelerator는 Edge TPU를 컴퓨터의 협동 프로세서로 제공하는 USB 장치입니다.Linux 호스트에 연결하면 머신 러닝 모델의 추론이 빨라집니다.
이 페이지는 네가 시작한 지침이다.USB 가속기가 연결된 호스트에서 Edge TPU 실행 시 및 Python 라이브러리만 다운로드하면 됩니다.그런 다음 TensorFlow Lite 모델을 실행할 수 있습니다.
USB Acceleratorはこちらから購入できます: https://store.gravitylink.com

필수 조건


USB 포트가 있는 모든 Linux 컴퓨터
- Debian 6.0 이상 또는 그 파생물(예: Ubuntu 10.0 이상)
- ARMv8 명령 세트를 사용하는 x86-64 또는 ARM32/64 시스템 아키텍처
네, 이것은 라즈베리 파이를 지지한다는 것을 의미합니다.단, Raspbian을 실행하는 Raspberry Pi2/3 Model B/B+만 공식적으로 지원됩니다.Raspberry Pi Zero를 비공식적으로 지원합니다(이하 내용이 아닌 GitHub에서 TAR를 Pi Zero에 설치하십시오).
추론 속도가 가장 높기 위해서는 USB3.0 포트를 사용해야 합니다. (안타깝게도 Raspberry Pi는 USB2.0 포트만 있지만 여전히 작동합니다.)

Linux 또는 Raspberry Pi로 설정


먼저 USB 가속기를 연결하는 Linux 기기나 Raspberry Pi에서 다음 단계를 수행합니다.
  • Edge TPU 런타임 및 Python 라이브러리를 설치합니다
  • cd ~/
    
    wget https://dl.google.com/coral/edgetpu_api/edgetpu_api_latest.tar.gz -O edgetpu_api.tar.gz --trust-server-names
    
    tar xzf edgetpu_api.tar.gz
    
    cd edgetpu_api
    
    bash ./install.sh
    
    참고: 설치 중에 최대 작업 빈도를 사용할지 여부문서 레지스트리에 항목을 추가합니다.이 옵션을 사용하면 추론 속도를 높일 수 있지만 작업 과정에서 USB 가속기가 매우 뜨거워 화상을 입을 수 있습니다.성능을 향상시킬 필요가 있는지 확실하지 않으면 N을 입력하고 Enter 키를 누른 다음 기본 작업 빈도를 사용합니다.(나중에 설치 스크립트를 다시 실행하기만 하면 변경할 수 있습니다.)
    2. 제공된 USB3.0 케이블을 사용하여 가속기를 연결합니다.(연결된 경우 삭제 후 다시 연결하면 방금 설치한udev 규칙을 사용합니다.)

    Edge TPU에서 모델 실행


    USB 가속기를 설치하면 Edge TPU에서 TensorFlow Lite 모델을 실행할 수 있습니다.이러한 절차에 따라 컴파일된 모델과 예시 스크립트를 사용하여 이미지 분류를 실행합니다.
    우선 조류 분류 모델, 라벨 파일과 사진을 다운로드한다.
    cd ~/Downloads/
    
    wget https://dl.google.com/coral/canned_models/mobilenet_v2_1.0_224_inat_bird_quant_edgetpu.tflite \
    https://dl.google.com/coral/canned_models/inat_bird_labels.txt \
    https://coral.withgoogle.com/static/docs/images/parrot.jpg
    
    예시 스크립트를 공유 디렉터리로 이동하고 앵무새 이미지로 이미지 분류를 실행합니다(그림1 참조).
    # on Debian/Ubuntu Linux:
    cd /usr/local/lib/python3.6/dist-packages/edgetpu/demo
    
    # on Raspberry Pi:
    cd /usr/local/lib/python3.5/dist-packages/edgetpu/demo
    
    python3 classify_image.py \
    --model ~/Downloads/mobilenet_v2_1.0_224_inat_bird_quant_edgetpu.tflite \
    --label ~/Downloads/inat_bird_labels.txt \
    --image ~/Downloads/parrot.jpg
    
    너는 이런 결과를 보게 될 것이다.
    ---------------------------
    Ara macao (Scarlet Macaw)
    Score :  0.761719
    
    축하합니다.Edge TPU에서 추론을 수행했습니다.
    이 프레젠테이션에서는 Edge TPU에서 이미지 분류 및 객체 체크 추론을 쉽게 수행할 수 있도록 작성된 Python API를 사용합니다.

    좋은 웹페이지 즐겨찾기