{"id":5077,"date":"2023-09-01T12:23:06","date_gmt":"2023-09-01T12:23:06","guid":{"rendered":"https:\/\/picockpit.com\/raspberry-pi\/?p=5077"},"modified":"2023-09-05T11:50:29","modified_gmt":"2023-09-05T11:50:29","slug":"everything-about-the-google-coral-usb-accelerator","status":"publish","type":"post","link":"https:\/\/picockpit.com\/raspberry-pi\/fr\/tout-sur-laccelerateur-google-coral-usb\/","title":{"rendered":"Tout sur l'acc\u00e9l\u00e9rateur USB Google Coral"},"content":{"rendered":"
\"L'acc\u00e9l\u00e9rateur<\/figure>\n\n\n\n

Sur l'une de nos vid\u00e9os YouTube sur l'intelligence artificielle, un commentateur a \u00e9crit qu'il n'\u00e9tait pas tr\u00e8s int\u00e9ress\u00e9 par une bo\u00eete myst\u00e9rieuse d'intelligence artificielle. Cela m'a incit\u00e9 \u00e0 \u00e9crire un article pour lever le voile sur ce myst\u00e8re. Voici donc tout ce que vous devez savoir sur l'acc\u00e9l\u00e9rateur USB Google Coral<\/a>.<\/p>\n\n\n\n

L'acc\u00e9l\u00e9rateur USB Coral est principalement con\u00e7u pour les applications d'intelligence artificielle de pointe \u00e0 faible consommation d'\u00e9nergie. <\/p>\n\n\n\n

Il convient \u00e0 des t\u00e2ches telles que l'analyse d'images et de vid\u00e9os, la d\u00e9tection d'objets et la reconnaissance vocale sur des appareils tels que le Raspberry Pi ou les ordinateurs portables.<\/p>\n\n\n\n

Vue d'ensemble<\/h2>\n\n\n\n

En bref, l'acc\u00e9l\u00e9rateur USB Google Coral est un processeur qui utilise une Tensor Processing Unit (TPU), un circuit int\u00e9gr\u00e9 tr\u00e8s performant pour effectuer des multiplications et des additions matricielles. <\/p>\n\n\n\n

La multiplication matricielle est l'outil indispensable pour construire des r\u00e9seaux neuronaux. <\/p>\n\n\n\n

Et vous n'irez certainement pas tr\u00e8s loin si vous essayez de construire des r\u00e9seaux neuronaux avec votre seul Raspberry Pi.<\/p>\n\n\n\n

En tant que tel, l'acc\u00e9l\u00e9rateur ajoute un autre processeur d\u00e9di\u00e9 sp\u00e9cifiquement \u00e0 l'alg\u00e8bre lin\u00e9aire n\u00e9cessaire \u00e0 l'apprentissage automatique.<\/p>\n\n\n\n

Comme vous le savez probablement, l'id\u00e9e derri\u00e8re l'apprentissage automatique est de d\u00e9velopper des mod\u00e8les qui analysent et apprennent des mod\u00e8les \u00e0 partir d'un ensemble de donn\u00e9es. Cet ensemble de donn\u00e9es comporte diverses entr\u00e9es et des sorties correspondantes. Une fois entra\u00een\u00e9s, ces mod\u00e8les peuvent prendre de nouvelles entr\u00e9es, synth\u00e9tiser les mod\u00e8les appris et g\u00e9n\u00e9rer des sorties ou des pr\u00e9dictions appropri\u00e9es.<\/p>\n\n\n

\n
\"Acc\u00e9l\u00e9rateur<\/figure>\n<\/div>\n\n\n

<\/p>\n\n\n\n

Les TPU fonctionnent beaucoup plus rapidement et avec beaucoup moins d'\u00e9nergie que les CPU pour l'apprentissage automatique, car elles n'ex\u00e9cutent pas d'autres programmes et n'ont pas besoin d'acc\u00e9der \u00e0 la m\u00e9moire partag\u00e9e.<\/p>\n\n\n\n

Le TPU de l'acc\u00e9l\u00e9rateur Coral USB Accelerator utilise TensorFlow Lite, une version modifi\u00e9e pour les petits appareils.<\/p>\n\n\n\n

Utilisation de l'acc\u00e9l\u00e9rateur USB Coral<\/h2>\n\n\n\n

Ce qui est particuli\u00e8rement int\u00e9ressant, c'est l'accessibilit\u00e9 du d\u00e9veloppement de l'IA. <\/p>\n\n\n\n

La mise en route est un jeu d'enfant. <\/p>\n\n\n\n

Tout ce dont vous avez besoin, c'est d'un acc\u00e9l\u00e9rateur USB Google Coral (\u00e9videmment), d'un ordinateur avec un port USB libre et de Python 3.5 ou plus.<\/p>\n\n\n\n

Il convient de pr\u00e9ciser qu'il fonctionne avec Mac, Windows et Linux (en particulier les syst\u00e8mes d'exploitation bas\u00e9s sur Debian, comme Ubuntu ou le Raspberry Pi OS). Vous \u00eates donc s\u00fbr de pouvoir le faire fonctionner.<\/p>\n\n\n\n

Lorsque vous le configurez, vous devez d\u00e9cider si vous voulez qu'il fonctionne \u00e0 la fr\u00e9quence d'horloge maximale ou \u00e0 la fr\u00e9quence d'horloge r\u00e9duite. Il est \u00e9vident que la fr\u00e9quence d'horloge maximale est plus puissante, mais elle consomme \u00e9galement plus d'\u00e9nergie. Et il peut devenir incroyablement chaud.<\/p>\n\n\n

\n
\"L'arri\u00e8re<\/figure>\n<\/div>\n\n\n

<\/p>\n\n\n\n

Ex\u00e9cution d'un mod\u00e8le de reconnaissance d'images<\/h2>\n\n\n\n

Sur le site Site web de Google Coral<\/a>Ils proposent un test tr\u00e8s int\u00e9ressant pour vous montrer comment fonctionne le Coral USB Accelerator. Dans leur exemple, il est capable de reconna\u00eetre diff\u00e9rents oiseaux avec une pr\u00e9cision assez remarquable.<\/p>\n\n\n\n

Voici donc comment ex\u00e9cuter le mod\u00e8le de reconnaissance d'images sur votre Raspberry Pi. Cela fonctionnera parfaitement avec la fr\u00e9quence d'horloge r\u00e9duite.<\/p>\n\n\n\n

N'appuyez pas encore sur l'acc\u00e9l\u00e9rateur.<\/p>\n\n\n\n

Tout d'abord, vous devez aller dans le terminal et taper le code suivant pour ajouter le d\u00e9p\u00f4t Edge TPU :<\/p>\n\n\n\n

<\/circle><\/circle><\/circle><\/g><\/svg><\/span><\/path><\/path><\/svg><\/span>
echo<\/span> <\/span>"<\/span>deb https:\/\/packages.cloud.google.com\/apt coral-edgetpu-stable main<\/span>"<\/span> <\/span>|<\/span> <\/span>sudo<\/span> <\/span>tee<\/span> <\/span>\/<\/span>etc<\/span>\/<\/span>apt<\/span>\/<\/span>sources<\/span>.<\/span>list<\/span>.<\/span>d<\/span>\/<\/span>coral<\/span>-<\/span>edgetpu<\/span>.<\/span>list<\/span><\/span>\n<\/span>\ncurl<\/span> https<\/span>:<\/span>\/\/packages.cloud.google.com\/apt\/doc\/apt-key.gpg | sudo apt-key add -<\/span><\/span>\n<\/span>\nsudo<\/span> <\/span>apt<\/span>-<\/span>get<\/span> <\/span>update<\/span><\/span><\/code><\/pre><\/div>\n\n\n\n
<\/p>\n\n\n\n
Installez ensuite le runtime :<\/p>\n\n\n\n
<\/circle><\/circle><\/circle><\/g><\/svg><\/span><\/path><\/path><\/svg><\/span>
sudo<\/span> <\/span>apt<\/span>-<\/span>get<\/span> <\/span>install<\/span> <\/span>libedgetpu1<\/span>-<\/span>std<\/span><\/span><\/code><\/pre><\/div>\n\n\n\n
<\/p>\n\n\n\n
Vous pouvez maintenant brancher l'acc\u00e9l\u00e9rateur pour que tout soit synchronis\u00e9. Une fois le tout branch\u00e9, vous devez installer PyCoral :<\/p>\n\n\n\n
<\/circle><\/circle><\/circle><\/g><\/svg><\/span><\/path><\/path><\/svg><\/span>
sudo<\/span> <\/span>apt<\/span>-<\/span>get<\/span> <\/span>install<\/span> <\/span>python3<\/span>-<\/span>pycoral<\/span><\/span><\/code><\/pre><\/div>\n\n\n\n
<\/p>\n\n\n\n
Et maintenant, vous pouvez faire fonctionner le mod\u00e8le. Tout d'abord, vous devez t\u00e9l\u00e9charger le code :<\/p>\n\n\n\n
<\/circle><\/circle><\/circle><\/g><\/svg><\/span><\/path><\/path><\/svg><\/span>
mkdir<\/span> <\/span>coral<\/span> <\/span>&&<\/span> <\/span>cd<\/span> <\/span>coral<\/span><\/span>\n<\/span>\ngit<\/span> <\/span>clone<\/span> https<\/span>:<\/span>\/\/github.com\/google-coral\/pycoral.git<\/span><\/span>\n<\/span>\ncd<\/span> <\/span>pycoral<\/span><\/span><\/code><\/pre><\/div>\n\n\n\n
<\/p>\n\n\n\n
Ex\u00e9cutez ensuite la proc\u00e9dure suivante :<\/p>\n\n\n\n
<\/circle><\/circle><\/circle><\/g><\/svg><\/span><\/path><\/path><\/svg><\/span>
bash<\/span> <\/span>examples<\/span>\/<\/span>install_requirements<\/span>.<\/span>sh<\/span> <\/span>classify_image<\/span>.<\/span>py<\/span><\/span><\/code><\/pre><\/div>\n\n\n\n
<\/p>\n\n\n\n
Enfin, vous ex\u00e9cutez le mod\u00e8le :<\/p>\n\n\n\n
<\/circle><\/circle><\/circle><\/g><\/svg><\/span><\/path><\/path><\/svg><\/span>
python3<\/span> <\/span>examples<\/span>\/<\/span>classify_image<\/span>.<\/span>py<\/span> \\<\/span><\/span>\n--<\/span>model<\/span> <\/span>test_data<\/span>\/<\/span>mobilenet_v2_1<\/span>.<\/span>0<\/span>_224_inat_bird_quant_edgetpu<\/span>.<\/span>tflite<\/span> \\<\/span><\/span>\n--<\/span>labels<\/span> <\/span>test_data<\/span>\/<\/span>inat_bird_labels<\/span>.<\/span>txt<\/span> \\<\/span><\/span>\n--<\/span>input<\/span> <\/span>test_data<\/span>\/<\/span>parrot<\/span>.<\/span>jpg<\/span><\/span><\/code><\/pre><\/div>\n\n\n\n
<\/p>\n\n\n\n
Le r\u00e9sultat ressemble \u00e0 ceci :<\/p>\n\n\n
\n
\"Sortie<\/figure>\n<\/div>\n\n\n
<\/p>\n\n\n\n
Vous pouvez voir que l'entr\u00e9e \u00e9tait \"parrot.jpg\" et que le mod\u00e8le a correctement lu qu'il s'agissait d'un ara \u00e9carlate, avec une pr\u00e9cision de 0,75.<\/p>\n\n\n\n
J'ai trouv\u00e9 une photo d'un cardinal du Nord et je l'ai pass\u00e9e au crible du mod\u00e8le, et voici ce qu'il m'a donn\u00e9.<\/p>\n\n\n
\n
\"Cardinal<\/figure>\n<\/div>\n\n\n
<\/p>\n\n\n\n
Comme vous pouvez le voir, il a donn\u00e9 une lecture tr\u00e8s pr\u00e9cise avec une confiance de 0,91.<\/p>\n\n\n\n
J'ai donc voulu voir ce qui se passerait si je lui donnais l'image d'un chat.<\/p>\n\n\n
\n
\"Cat<\/figure>\n<\/div>\n\n\n
<\/p>\n\n\n\n
Bien que je comprenne parfaitement pourquoi il pensait que le chat \u00e9tait un hibou grand-duc, j'ai \u00e9t\u00e9 surpris par son niveau de confiance.<\/p>\n\n\n\n
J'ai essay\u00e9 de lui faire reconna\u00eetre des photos de personnes et de d\u00e9terminer de quels oiseaux il s'agissait, mais malheureusement il n'a pas voulu coop\u00e9rer.<\/p>\n\n\n\n
Mais n'h\u00e9sitez pas \u00e0 exp\u00e9rimenter et \u00e0 voir ce que vous pouvez en tirer. Commentez ci-dessous vos r\u00e9sultats !<\/p>\n\n\n\n
Conclusion<\/h2>\n\n\n\n
Et voil\u00e0. Bien que son aspect ext\u00e9rieur tr\u00e8s \u00e9l\u00e9gant puisse donner une impression de myst\u00e8re, l'acc\u00e9l\u00e9rateur USB Google Coral n'est pas une bo\u00eete \u00e0 myst\u00e8res.<\/p>\n\n\n\n
Il s'agit d'un processeur puissant qui peut apporter l'IA aux appareils de pointe.<\/p>\n\n\n\n
Donc, que vous soyez dans l'IoT, la robotique ou que vous ayez une id\u00e9e pour introduire l'IA dans les appareils de tous les jours, le Coral USB Accelerator est votre ticket d'entr\u00e9e. Bien que je vous ai donn\u00e9 l'exemple d'un mod\u00e8le de reconnaissance d'images, l'acc\u00e9l\u00e9rateur peut aller beaucoup plus loin - reconnaissance vid\u00e9o, d\u00e9tection d'objets, apprentissage par transfert sur l'appareil, etc.<\/p>\n\n\n\n
Nous avons \u00e9galement un kit AIY Maker qui rend tout cela possible - regardez cette vid\u00e9o :<\/p>\n\n\n\n
<\/p>\n\n\n\n
\n