Help us understand the problem. What is going on with this article?

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。

微信图片_20190531135204.jpg

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).

parrot.jpg

# 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。

Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
Comments
No comments
Sign up for free and join this conversation.
If you already have a Qiita account
Why do not you register as a user and use Qiita more conveniently?
You need to log in to use this function. Qiita can be used more conveniently after logging in.
You seem to be reading articles frequently this month. Qiita can be used more conveniently after logging in.
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
ユーザーは見つかりませんでした