Google Coral DEV Board 4 GB 4 x 1.5 GHz
- Kataloški br:
- 2435949 - 62
- Oznaka:
- G950-06210-01
- EAN:
- 193575011288
- Kataloški br:
- 2435949 - 62
- Oznaka:
- G950-06210-01
- EAN:
- 193575011288
Google Coral DEV Board 4 GB 4 x 1.5 GHz
 
                                      0.00 KM
Komada
0.00 KM
Komada
 
                                    
                Tehničke specifikacije
Tehničke specifikacije
- Bluetooth® verzija 
- 4.2 
- Duljina 
- 85 mm 
- Kapacitet memorije 
- 4 GB 
- Model 
- Google Coral Dev Board 
- Priključci vanjski 
- 3,5 mm utičnica - USB3.0 - USB-C® (napajanje) - HDMI™ - LAN (10/100/1000) - microSD 
- Procesorske jezgre (broj) 
- 4 x 
- Širina 
- 56 mm 
- Taktna frekvencija 
- 1.5 GHz 
- Visina 
- 22 m 
- Vrsta proizvoda 
- jednopločno računalo 
Opis
Opis
Coral Dev 4 GB razvojna je ploča zasnovana na Google Coral SoM-u (sustav na modulu) s 4 GB RAM-a i 8 GB eMMC Flash. Za razliku od Coral USB Acceleratora, ova razvojna ploča je samostalna platforma na kojoj možete u potpunosti pokrenuti svoju aplikaciju.
S Edge TPU-om, modeli Tensor Flow Lite mogu se koristiti za zaključivanje brzo i energetski učinkovito. Posebna prednost ovog rješenja: vaši podaci ostaju lokalni. To pomaže pri kašnjenju, i naravno u zaštiti podataka.
Google sve više koristi umjetnu inteligenciju (AI) i strojno učenje (ML) za implementaciju svojih usluga. U tu je svrhu za svoje podatkovne centre razvila specijalizirane procesore nazvane TPU ("tenzorska procesorska jedinica"), koji mogu brže i energetski učinkovitije izvoditi algoritme pomoću okvira TensorFlow. Na primjer, Google karte poboljšavaju ulični znakovi koje snima Street View, a koji se analiziraju uz pomoć neuronske mreže temeljene na TensorFlow -u. Vrhunac: TensorFlow se lako može programirati u Pythonu.
Edge TPU podržava okvir TensorFlow Lite. Edge TPU može izvesti do 4 bilijuna aritmetičkih operacija u sekundi uz samo 2 W potrošnje. TensorFlow Lite je modificirana verzija TensorFlow -a, koja je posebno prilagođena potrebama mobilnih krajnjih uređaja i ugrađenih uređaja. Mnoge aplikacije TensorFlow također se mogu implementirati u TensorFlow Lite.
Ovaj tekst je strojno preveden.
 
                     
                      
                     
                      
                     
                      
                     
                      
                     
                      
                     
                                                      