Coral USBアクセラレータを始めよう

Coral USB Acceleratorは、Edge TPUをコンピュータのコプロセッサとして提供するUSBデバイスです。 Linuxホストコンピュータに接続すると、機械学習モデルの推論が高速化されます。

このページは始めるためのあなたのガイドです。 USBアクセラレータを接続するホストコンピュータに、Edge TPUランタイムとPythonライブラリをダウンロードするだけです。 その後、TensorFlow Liteモデルの実行を開始できます。

USB Acceleratorはこちらから購入できます: https://store.gravitylink.com

必要条件

USBポートを備えたすべてのLinuxコンピュータ
- Debian 6.0以降、またはその派生物（Ubuntu 10.0以降など）
- ARMv8命令セットを使用したx86-64またはARM32 / 64のシステムアーキテクチャ
はい、これはRaspberry Piがサポートされていることを意味します。 ただし、Raspbianを実行しているRaspberry Pi 2/3 Model B / B +のみが正式にサポートされています。 非公式には、Raspberry Pi Zeroもサポートされています（以下のものの代わりに、GitHubからTARをPi Zeroにインストールしてください）。

推論速度を最高にするにはUSB 3.0ポートを使用する必要があることにも注意してください（残念ながら、Raspberry PiにはUSB 2.0ポートしかありませんが、それでも機能します）。

LinuxまたはRaspberry Piにセットアップする

はじめに、USBアクセラレータに接続するLinuxマシンまたはRaspberry Piで以下の手順を実行してください。

1. Edge TPUランタイムとPythonライブラリをインストールします。

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

注意：インストール中に、「最大動作周波数を有効にしますか？」という質問が表示されます。 このオプションを有効にすると推論速度は向上しますが、操作中にUSBアクセラレータが非常に熱くなり、やけどをする可能性があります。 パフォーマンスを向上させる必要があるかどうかわからない場合は、Nを入力してEnterキーを押し、デフォルトの動作周波数を使用します。 （インストールスクリプトを再実行するだけで後で変更できます。）

2.付属のUSB 3.0ケーブルを使用してアクセラレータを接続します。 （すでに接続している場合は、削除してから再接続すると、インストールされたばかりのudevルールが有効になります。）

Edge TPUでモデルを実行する

USBアクセラレータがセットアップされたので、Edge TPUでTensorFlow Liteモデルの実行を開始できます。 これらの手順に従って、コンパイル済みのモデルとサンプルスクリプトを使用して画像分類を実行します。

まず、鳥の分類モデル、ラベルファイル、写真をダウンロードします。

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

サンプルスクリプトを共有したディレクトリに移動し、オウムの画像を使って画像分類を実行します（図1を参照）.

# 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

あなたはこのような結果を見るはずです：

---------------------------
Ara macao (Scarlet Macaw)
Score :  0.761719

おめでとうございます。 Edge TPUで推論を実行しました。

このデモでは、Edge TPUで画像分類やオブジェクト検出の推論を簡単に実行できるように作成したPython APIを使用します。

Google AIY Kits購入する: Maker向け AI 自作キット

AIY Projects：Maker向け AI 自作キット

AIY Projects を使えば、人工知能を活用して、「人とマシンのやりとり」を「人と人のやりとり」に近づけることができます。今後、一連のリファレンス キットがリリースされる予定ですが、その第 1 弾が音声認識です。この最初のプロジェクトである音声認識機能は、次の用途に利用できます。

Google AIY Vision Kit ビジョンキット

Raspberry Piの新世代開発ボードを使用すると、Kitsはメーカーが機械学習分野に簡単にアクセスし、成長し、革新し、そしてあらゆる種類の人工知能プロトタイプ製品を完成させるのを支援することができます。
内蔵の機械学習フレームワークであるTensorFlowモデルコンパイラは、業界をリードするテクノロジであり、独自のモデルを追加したり、新しいモデルのトレーニングを開始してVisionキットで完全に機能させることができます。
低エネルギーの人工ニューラルネットワークプログラミング用に設計されたIntel Movidius MA2450プロセッサを搭載し、画像処理速度が30FPSであるため、Vision Kitに優れた画像処理機能を提供します。
組み立てプロセスは、切断やはんだ付けのステップが含まれていないので非常に安全であり、子供たちが関与し、直感的に人工知能技術を体験し、探求することに非常に適しています。
Vision Kitは、軽量で便利なように設計されているため、さまざまな小さなスペースに収まり、既存の製品プロトタイプに適応できます。あなた自身の想像力を使って、Vision Kitをより芸術的で好ましい外観にしてください。

Google AIY Voice Kit V2.0 グーグルAIY ボイスキット2.0

スマート スピーカー（AIスピーカー）自作キットGoogle AIY Projects 「Voice Kit」が Raspberry Pi Zero WHとセットになって生まれ変わりました！ より簡単に、すぐにAIを体験できるように、設定もAndroid Appliで行えるように進化しています。

【OK Google】 話題のスマートスピーカーをRaspberry Piで自作しよう！既製品とは違う自作キットだからこそ、自由にカスタマイズ！AIを体験しよう！
【お得なセット】 Raspberry Pi Zero WHとセットとのお得なセットに！ さらに、OS書込済み8GB microSDも付属！あとはスマホ用などのmicroUSB電源を用意するだけ。
【新バージョン】 Pi Zero WH用になり、さらに小型にスタイリッシュに、組立も簡単になりました。セットアップもスマホから行えてより手軽になりました。
【無限の可能性】 赤外線LEDを繋げて、テレビやエアコンを会話で操作！？アイデアと工作しだいですべての家電や機器をコントロール！「暑いなぁ」と語りかければ、エアコンの設定温度を下げてくれる！

【Google AIY Projects】 Voice Kitは、Googleが世界中の人々により手軽に、簡単にAIを利用できるようにと開発したキットです。

既製品ではないので、ユーザーが組み立て、セットアップなどを行う必要がありますが、作りながら、楽しみながら、より深くAIデバイスが理解できます。 はんだ付けなどの必要が無く、小学校低学年ほどのお子さまでも自作いただけます。

Google AIY Kits 購入する：https://store.gravitylink.com

Google AIY 簡単人工知能体験

Google AIY Voice Kit V2

Voice Kitは、Googleが世界中の人々により手軽に、簡単にAIを利用できるようにと開発したキットです。

本キットは、安価で小型なコンピューター「Raspberry Pi」で、 Google HomeやAmazon Echoのような音声認識技術とAI技術を利用したスマートスピーカーを自作するためのキットです。既製品ではないので、ユーザーが組み立て、セットアップなどを行う必要がありますが、作りながら、楽しみながら、より深くAIデバイスが理解できます。はんだ付けなどの必要が無く、小学校低学年ほどのお子さまでも自作いただけます。

代理店：https://store.gravitylink.com

特徴

iPhoneのSiri（シリ）や、AndroidのGoogleアシスタントなど、最近のスマートフォンは人工知能（AI）を利用した対話型音声操作が可能です。また、Google Home（ホーム）やAmazon Echo（エコー）などの人工知能搭載スピーカー（AIスピーカー、スマートスピーカー）が続々と登場してきています。そんな、最先端技術を利用したスマート スピーカーをあなたの生活にも！Raspberry Piで手軽に実現！

自然な会話

日本語で話しかければ、スマート スピーカーがAI技術を利用してより人間的な応答をしてくれます。「明日の天気は？」と尋ねれば、スマート スピーカーは、現在地などを考慮して、インターネットで情報を収集し、音声で教えてくれます。

音声で操作

ユーザーとの会話の中からシステムがユーザーの意志を読み取り、スマート スピーカーを制御します。「暑いなぁ」と語りかければ、Raspberry Piに接続された赤外線送信機から、エアコンを操作し、設定温度などを下げます。Raspberry Piを使用しているからこそ、アイデア次第で、家庭内の様々な物が音声で操作できるようになります。

無限の可能性

本キットが初めから持っている機能以外にも、Google Assistant SDK（Google製 自然言語ユーザーインターフェース ソフトウェア開発キット） とTensorFlow（Googleが提供する機械学習ライブラリ）を利用して、機能拡張、カスタマイズが行えます。あなたのRaspberry Piプロジェクトに、より手軽に、最先端AI技術を追加することができます。

スマート スピーカーはユーザーとの会話を通じてユーザーの意図を認識し、アクションを起こします。

「明日の天気は？」と尋ねれば、AIスピーカーが現在地をもとにインターネットで天気情報を検索。

そして、検索した結果を音声で教えてくれます。「晴れですよ。でも13時頃から雨ですって」な～んて。

「暑いなぁ」と語りかければ、Raspberry Piに拡張した赤外線送信機から、エアコンを操作し、 エアコンをつけてくれたり、設定温度を下げてくれたり。至れり尽くせりですね。

Google AIY Vision Kit V1.1

人工知能を利用した人やモノを認識する最先端スマート カメラをあなたの生活にも！

 

 

代理店：https://store.gravitylink.com

スマート カメラは撮影した画像から写ったモノや人を認識し、アクションを起こせます。

あなたのご自宅のインターホンと設置すれば？

不在時の訪問者を認識し、メールで「宅配業者の人が来たよ～」なんてことも。

標準では次のモデルが用意されていて、すぐにスマート カメラのおもしろさを試せます。

1000種類のモノを認識するモデル

顔を検出し、「悲しみ」や「笑い」など表情を評価するモデル

人、犬、猫を識別するモデル

Edge TPUのモデルを作成するための基本的なワークフロー

Edge TPUのモデルを作成するための基本的なワークフロー

Coral の開発ボードは、Edge TPU を搭載したリムーバブル System-On-Module（SOM）を含むシングルボード Linux コンピュータです。そのため、アプリケーションのプロトタイピングを行ってから、独自の端末に SOM を含めて生産用にスケールアップすることができます。Coral USB アクセラレータは、Edge TPU を対応する Linux コンピュータに接続する USB アクセサリです。Raspberry Pi Zero にちょうど合うように設計されています。

Coral は新しいプラットフォームですが、TensorFlow とシームレスに連携できるように設計されています。Coral で TensorFlow モデルを使う場合は、TensorFlow Lite を使います。TensorFlow Lite は、Edge TPU を含むエッジデバイスやスマートフォン、マイクロコントローラで機械学習推論を実行するためのツールキットです。

代理店：https://store.gravitylink.com

Google Coral 比較 Raspberry Pi 4 と Jetson Nano

最先端の推論に対する私の賭けは、tpu（コーラル）またはcpu-only（ラズベリー）のソリューションにあります。

サンゴの場合：TPUは1ワットあたり非常に魅力的な性能を発揮します。多くの軽量推論タスク（顔検出、セグメンテーション、オブジェクト検出など）では、サンゴが最善の解決策になります。 Googleは、[tf-lite] （https://www.tensorflow.org/lite） を使用したモデリングと[mediapipe] （https://github.com/google/mediapipe/） を使用した推論の両方をサポートしています。ごく短期間でシステム全体をトレーニング、最適化、および展開し、生産品質を期待できます。

NANO
もう一方の端は、私が非常に興奮しているCPUのみの推論です。 CPUでは、高度に量子化された特殊なモデルが必要です。いくつかのスタートアップ（例えばxnor.ai）がこれに取り組んでいますが、彼らはあなたにハードウェアではなくモデルを売りたいと思っています。ソフトウェアツールキットがコモディティ化されれば、これらのソリューションは非常に普及するでしょう。

Jetsonの最大の問題は、同じ会社によってエンドツーエンドで開発されていないことです。 Facebookは組み込みシステムを気にしていないし、NvidiaがGPUを売るのを手助けすることも望んでいない。そのため、Jetsonは常にPytorchコミュニティの2番目の市民です。それに加えて、組み込みシステムでGPUを使用することは、非常に特殊なユースケースがない限り、悪い選択です。

Rasp pi 4

RPi 4 +コーラルUSBアクセラレータを検討しましたか？ それは良い組み合わせかもしれません。

しかし、私自身の意見を述べるために：

Google Coral - お勧めしません。 ソフトウェアエコシステムのため、RPi 4 + USBアクセラレータをお勧めします。 デメリットは、テンソルフローライトのみのサポートです。
RPi 4自体 - 十分に強力ではありません。

Jetson - 良い妥協案 RPi 4自体よりも強力な、より多くのライブラリーをサポートします。

Coral開発ボード

Coral USB 加速器

Google Coralインターネットでの購入：https://store.gravitylink.com