（記事の出所：Medium 作者：Manu Suryavansh，切り取る）
NVidiaとGoogleの両社は最近、EdgeAIをターゲットとした開発ボード、および開発者、メーカー、趣味専門家を引き付けるためのコスト面での開発を発表しました。 どちらの開発ボードも主に推論を目的としていますが、限定的な移転学習の再トレーニングをサポートしています。 Edge TPUはウェイトインプリンティング技術を使用したトランスファーラーニングトレーニングをサポートしています。 両方の開発キットは、USB、イーサネット、microSDスロットなどのようなさまざまなコネクタを持つ開発ボードに接続されたSOM（システムオンモジュール）で構成されています。これは、使用できる2つの開発キットのハードウェアの比較です。 Edge TPU USBスティックではなく、シングルボードコンピュータ（SBC）として。 記事全体を読みたくない場合は、WifiやBluetoothなどの重要な周辺機器が含まれているため、Coral Edge devキットの方がコスト的にやや優れていますが、Jetson Nanoはソフトウェアサポートが優れています（INT8とFP16推論）。 ）
Google Coral Edge TPU開発ボード
キット全体のサイズは - 88 mm x 60 mm x 22 mm、SOMのサイズは - 48 mm x 40 mm x 5 mmです。 したがって、人々は異なるフォームファクタの独自のベースボードを設計してSOMに接続することもできます。 このボードには、u-bootブートローダーが付属しているだけで、後でMendel linuxのようなイメージをロードすることができます。
Coral SOMのNXP iMXMプロセッサには、Vivante GC7000 liteグラフィックスGPUもあります - グラフィックス以外にも使用できますか？
Google Coral Edge TPU ここでそれを買う: https://store.gravitylink.com/global
NVIDIA Jetson Nano Devキット
ここのサンゴ板のように、SOMもベースボードに接続します。 Jetson SOMは少し大きく、69.6 mm x 45 mmです。 ボードはUbuntu 18.04ベースの環境が付属しています。
以下は、2つのボードのハードウェア機能の比較です：
パフォーマンス
Nvidiaは、Jetson NanoとRaspberry Pi 3、Google Coral Edge TPUボードなどの他のSBCとのパフォーマンス比較をいくつか提供しています：
Coral Edge TPUボードは、量子化を意識したトレーニングでトレーニングされていない事前トレーニング済みモデルを実行できないため、ごくわずかな結果しかありません。 上記の結果で、JetsonはFP16精度を使用しました。
結論
私の意見では、コーラルエッジTPU開発ボードは以下の理由からより優れています :
1. $149 の Coral devボードはJetson Nano（$99）より少し高価ですが、Jetson Nanoでは外付けのWiFiドングルを購入する必要があります。
2.さらに、サンゴボードのNXP iMX8 SOCには、ビデオ処理ユニットと、従来の画像およびビデオ処理に使用できるVivante GC700 lite GPUが含まれています。 また、温度センサー、周囲光センサーなどの他のセンサーと通信するために使用できるCortex-M4F低消費電力マイクロコントローラーもあります。
JetsonにはVideoエンコーダとデコーダユニットもあります。 さらにJetson Nanoは、Pytorch、MXNetのような他のディープラーニングフレームワークに対するより良いサポートをしています。 FP16推論およびINT8推論用のNVidia TensorRTアクセラレータライブラリもサポートしています。 Edge TPUボードは8ビット量子化Tensorflow liteモデルのみをサポートしており、量子化対応トレーニングを使用する必要があります。