{"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\/pl\/wszystko-o-google-coral-usb-accelerator\/","title":{"rendered":"Wszystko o akceleratorze USB Google Coral"},"content":{"rendered":"
\"Obraz<\/figure>\n\n\n\n

W jednym z naszych film\u00f3w na YouTube na temat sztucznej inteligencji komentuj\u0105cy napisa\u0142, \u017ce nie jest zainteresowany tajemniczym pude\u0142kiem AI. Zainspirowa\u0142o mnie to do napisania artyku\u0142u wyja\u015bniaj\u0105cego t\u0119 tajemnic\u0119. Oto wszystko, co musisz wiedzie\u0107 o Google Coral USB Accelerator<\/a>.<\/p>\n\n\n\n

Akcelerator Coral USB zosta\u0142 zaprojektowany przede wszystkim z my\u015bl\u0105 o aplikacjach brzegowych AI o niskim poborze mocy. <\/p>\n\n\n\n

Nadaje si\u0119 do zada\u0144 takich jak analiza obrazu i wideo, wykrywanie obiekt\u00f3w i rozpoznawanie mowy na urz\u0105dzeniach takich jak Raspberry Pi lub laptopy.<\/p>\n\n\n\n

Przegl\u0105d<\/h2>\n\n\n\n

W skr\u00f3cie, Google Coral USB Accelerator to procesor wykorzystuj\u0105cy Tensor Processing Unit (TPU), czyli uk\u0142ad scalony, kt\u00f3ry naprawd\u0119 dobrze radzi sobie z mno\u017ceniem i dodawaniem macierzy. <\/p>\n\n\n\n

Mno\u017cenie macierzy to rzecz potrzebna do budowania sieci neuronowych. <\/p>\n\n\n\n

I zdecydowanie nie zajdziesz daleko, je\u015bli spr\u00f3bujesz zbudowa\u0107 sieci neuronowe na swoim Raspberry Pi.<\/p>\n\n\n\n

W zwi\u0105zku z tym akcelerator dodaje kolejny procesor, kt\u00f3ry jest dedykowany specjalnie do wykonywania algebry liniowej wymaganej do uczenia maszynowego.<\/p>\n\n\n\n

Jak zapewne wiesz, ide\u0105 uczenia maszynowego jest opracowywanie modeli, kt\u00f3re analizuj\u0105 i ucz\u0105 si\u0119 wzorc\u00f3w ze zbioru danych. Ten zbi\u00f3r danych ma r\u00f3\u017cne dane wej\u015bciowe i odpowiadaj\u0105ce im dane wyj\u015bciowe. Nast\u0119pnie, po przeszkoleniu, modele te mog\u0105 przyjmowa\u0107 nowe dane wej\u015bciowe, syntetyzowa\u0107 wyuczone wzorce i generowa\u0107 odpowiednie dane wyj\u015bciowe lub prognozy.<\/p>\n\n\n

\n
\"Google<\/figure>\n<\/div>\n\n\n

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

TPU dzia\u0142aj\u0105 znacznie szybciej i zu\u017cywaj\u0105 znacznie mniej energii ni\u017c procesory do uczenia maszynowego, poniewa\u017c nie uruchamiaj\u0105 innych program\u00f3w i nie musz\u0105 uzyskiwa\u0107 dost\u0119pu do pami\u0119ci wsp\u00f3\u0142dzielonej.<\/p>\n\n\n\n

TPU w Coral USB Accelerator wykorzystuje TensorFlow Lite, kt\u00f3ry jest zmodyfikowan\u0105 wersj\u0105 dla mniejszych urz\u0105dze\u0144.<\/p>\n\n\n\n

Korzystanie z akceleratora Coral USB<\/h2>\n\n\n\n

To, co jest w nim szczeg\u00f3lnie wspania\u0142e, to przyst\u0119pno\u015b\u0107, z jak\u0105 umo\u017cliwia rozw\u00f3j sztucznej inteligencji. <\/p>\n\n\n\n

Rozpocz\u0119cie pracy jest bardzo proste. <\/p>\n\n\n\n

Tak naprawd\u0119 wszystko, czego potrzebujesz, to Google Coral USB Accelerator (oczywi\u015bcie) i komputer z jednym wolnym portem USB oraz Python 3.5 lub nowszy.<\/p>\n\n\n\n

Warto te\u017c wspomnie\u0107, \u017ce wsp\u00f3\u0142pracuje z systemami Mac, Windows i Linux (w szczeg\u00f3lno\u015bci z systemami operacyjnymi opartymi na Debianie, takimi jak Ubuntu lub Raspberry Pi OS). Wi\u0119c na pewno uda ci si\u0119 go uruchomi\u0107.<\/p>\n\n\n\n

Podczas konfiguracji musisz zdecydowa\u0107, czy chcesz, aby dzia\u0142a\u0142 z maksymaln\u0105 cz\u0119stotliwo\u015bci\u0105 taktowania, czy ze zmniejszon\u0105 cz\u0119stotliwo\u015bci\u0105 taktowania. Oczywi\u015bcie maksymalna cz\u0119stotliwo\u015b\u0107 taktowania jest bardziej wydajna, ale b\u0119dzie te\u017c zu\u017cywa\u0107 wi\u0119cej energii. I mo\u017ce si\u0119 niewiarygodnie nagrzewa\u0107.<\/p>\n\n\n

\n
\"Ty\u0142<\/figure>\n<\/div>\n\n\n

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

Uruchamianie modelu rozpoznawania obrazu<\/h2>\n\n\n\n

Na Strona internetowa Google Coral<\/a>, oferuj\u0105 wspania\u0142y test, aby pokaza\u0107, jak dzia\u0142a Coral USB Accelerator. W ich przyk\u0142adzie jest on w stanie rozpozna\u0107 r\u00f3\u017cne ptaki z niezwyk\u0142\u0105 dok\u0142adno\u015bci\u0105.<\/p>\n\n\n\n

Oto jak uruchomi\u0107 model rozpoznawania obrazu na Raspberry Pi. B\u0119dzie to dzia\u0142a\u0107 doskonale przy zmniejszonej cz\u0119stotliwo\u015bci taktowania.<\/p>\n\n\n\n

Nie wciskaj jeszcze peda\u0142u gazu.<\/p>\n\n\n\n

Najpierw nale\u017cy przej\u015b\u0107 do terminala i wpisa\u0107 nast\u0119puj\u0105cy kod, aby doda\u0107 repozytorium 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
Nast\u0119pnie zainstaluj \u015brodowisko uruchomieniowe:<\/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
Teraz mo\u017cesz pod\u0142\u0105czy\u0107 akcelerator, aby wszystko by\u0142o zsynchronizowane. Po pod\u0142\u0105czeniu nale\u017cy zainstalowa\u0107 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
A teraz mo\u017cesz uruchomi\u0107 model. Najpierw nale\u017cy pobra\u0107 kod:<\/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
Nast\u0119pnie uruchom nast\u0119puj\u0105ce polecenie:<\/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
Na koniec uruchamiamy model:<\/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
Wynik wygl\u0105da mniej wi\u0119cej tak:<\/p>\n\n\n
\n
\"Wyj\u015bcie<\/figure>\n<\/div>\n\n\n
<\/p>\n\n\n\n
Wida\u0107, \u017ce dane wej\u015bciowe to \"parrot.jpg\", a model poprawnie odczyta\u0142 je jako Scarlet Macaw, z dok\u0142adno\u015bci\u0105 do 0,75.<\/p>\n\n\n\n
Znalaz\u0142em zdj\u0119cie p\u00f3\u0142nocnego kardyna\u0142a, przepu\u015bci\u0142em je przez model i oto, co otrzyma\u0142em.<\/p>\n\n\n
\n
\"Wydajno\u015b\u0107<\/figure>\n<\/div>\n\n\n
<\/p>\n\n\n\n
Jak wida\u0107, da\u0142 on bardzo dok\u0142adny odczyt z ufno\u015bci\u0105 .91.<\/p>\n\n\n\n
Chcia\u0142em wi\u0119c sprawdzi\u0107, co by si\u0119 sta\u0142o, gdybym nakarmi\u0142 go zdj\u0119ciem kota.<\/p>\n\n\n
\n
\"Wyj\u015bcie<\/figure>\n<\/div>\n\n\n
<\/p>\n\n\n\n
Chocia\u017c ca\u0142kowicie rozumiem, dlaczego my\u015bla\u0142, \u017ce kot jest wielk\u0105 rogat\u0105 sow\u0105, by\u0142em zaskoczony jego poziomem pewno\u015bci siebie.<\/p>\n\n\n\n
Pr\u00f3bowa\u0142em zmusi\u0107 go do rozpoznawania zdj\u0119\u0107 ludzi i okre\u015blania, jakie to ptaki, ale niestety nie chcia\u0142 wsp\u00f3\u0142pracowa\u0107.<\/p>\n\n\n\n
Ale nie kr\u0119puj si\u0119 eksperymentowa\u0107 i zobacz, co mo\u017cesz z tego wyci\u0105gn\u0105\u0107. Skomentuj poni\u017cej wyniki!<\/p>\n\n\n\n
Wniosek<\/h2>\n\n\n\n
No i prosz\u0119. Chocia\u017c jego ultra elegancki wygl\u0105d zewn\u0119trzny mo\u017ce dawa\u0107 pewne poczucie tajemniczo\u015bci, Google Coral USB Accelerator nie jest tajemniczym pude\u0142kiem.<\/p>\n\n\n\n
Jest to pot\u0119\u017cny procesor, kt\u00f3ry mo\u017ce wprowadzi\u0107 sztuczn\u0105 inteligencj\u0119 do urz\u0105dze\u0144 brzegowych.<\/p>\n\n\n\n
Tak wi\u0119c, niezale\u017cnie od tego, czy zajmujesz si\u0119 IoT, robotyk\u0105, czy te\u017c masz pomys\u0142 na wprowadzenie sztucznej inteligencji do urz\u0105dze\u0144 codziennego u\u017cytku, Coral USB Accelerator jest Twoim biletem na przeja\u017cd\u017ck\u0119. Chocia\u017c poda\u0142em przyk\u0142ad modelu rozpoznawania obrazu, akcelerator mo\u017ce p\u00f3j\u015b\u0107 znacznie dalej - rozpoznawanie wideo, wykrywanie obiekt\u00f3w, uczenie si\u0119 transferu na urz\u0105dzeniu itp.<\/p>\n\n\n\n
Mamy r\u00f3wnie\u017c zestaw AIY Maker Kit, kt\u00f3ry to wszystko umo\u017cliwia - zobacz ten film:<\/p>\n\n\n\n
<\/p>\n\n\n\n
\n