谷歌為企業應用設計了一款名為Edge TPU的AI芯片，而且Edge TPU可作為客戶的開發套件提供。
2016年，谷歌推出了Tensor Processing Units，或稱TPU，它們更為人所知的一點是 — 專為Google的TensorFlow框架設計的芯片。 今年，這家技術巨頭現在推出了Edge TPU，這是一種小型人工智能加速器，可在物聯網（IoT）設備中實現機器學習工作。
Edge TPU旨在執行機器學習算法訓練的任務。 例如，它將能夠識別圖片中的對象。 算法訓練的這部分“預成形任務”被稱為“推理”。 雖然Edge TPU旨在執行推理，但Goggle基于服務器的TPU負責訓練算法。
正如他們的團隊在博客文章中提到的那樣，新設計的芯片實際上意味著用于各種企業工作，例如自動檢查工廠的質量。如果您希望在智能設備中看到它，目前還不行。目前，所使用的硬件通過互聯網發送數據以進行分析。 這些硬件現在將被替換為將消除此過程的設備。 這意味著更短的停機時間和更快的結果。
這不是為設備上任務創建AI芯片的第一次嘗試。 ARM，Qualcomm和Mediatek等其他公司都有自己的AI加速器，當然Nvidia的GPU也是業界最好的之一。 那么谷歌與其中任何一個有何不同？
以下是有趣的部分 — 使用Google，可以將數據存儲在Google Cloud上，使用TPU訓練算法，然后使用新的Edge TPU進行設備上推斷。 Google可以確保所提及的所有流程盡可能高效，順暢地運行，從而為最終用戶提供無縫體驗。
谷歌還將Edge TPU作為開發套件提供給客戶：我們的想法是讓客戶測試硬件的功能，并了解它如何適應現有的產品目錄。針對Edge TPU的新設備是：AIY Edge TPU Dev 開發板和 AIY Edge TPU 加速器，二者皆采用 Google 的 Edge TPU 芯片。
關于 AIY Projects Edge TPU
AIY Projects Edge TPU Dev 開發板是一款一體化開發板，可讓您對需要快速ML推理的嵌入式系統進行原型設計。基板提供了有效原型設備所需的所有外設連接 — 包括一個40針GPIO接頭，可與各種電氣元件集成。該板還具有可移動的模塊化系統（SOM）子板，一旦您準備好擴展，就可以直接集成到您自己的硬件中。
Edge TPU Accelerator是一款USB設備，可與Raspberry Pi等主板配合使用。 使用谷歌的Edge TPU加速器，開發人員可以利用Pi和Odroid XU4等低功耗單板計算機（SBC）進行各種自助（DIY）人工智能（AI）項目。 這些芯片針對Google的TensorFlow機器學習框架進行了優化，并與邊緣設備連接。
谷歌稱，Edge TPU Accelerator將允許設備以高于每秒30幀的速度在高分辨率視頻上運行多個最先進的計算機視覺模型。這種性能水平遠遠超出了無法使用Pi的能力，并且似乎高于使用現有的AI加速器（如英特爾的Movidius神經計算棒）報告的性能水平。
Edge TPU是和Cloud TPU互補的產品，你可以通過Cloud TPU來加速訓練ML模型，再將訓練好的ML模型，放到Edge設備中，用Edge TPU芯片高速進行推論預測（inferences）。
近年來，谷歌在其AIY項目計劃下發布了用于單板計算機的視覺和語音識別套件。可在這些套件上運行的訓練有素的機器學習模型包括面/狗/貓/人體探測器和通用圖像分類器。
谷歌繼續在物聯網領域彰顯它的權威。 設備上的機器學習預計會相對更安全，并提供更快的結果。 此外，對于最終用戶，存儲數據，訓練算法和執行所需任務都將變得更加簡單，因為他們不必切換到不同的平臺。 谷歌的云產品，TPU 和 Edge TPU 將涵蓋所有這些！
2016年，谷歌推出了Tensor Processing Units，或稱TPU，它們更為人所知的一點是 — 專為Google的TensorFlow框架設計的芯片。 今年，這家技術巨頭現在推出了Edge TPU，這是一種小型人工智能加速器，可在物聯網（IoT）設備中實現機器學習工作。
Edge TPU旨在執行機器學習算法訓練的任務。 例如，它將能夠識別圖片中的對象。 算法訓練的這部分“預成形任務”被稱為“推理”。 雖然Edge TPU旨在執行推理，但Goggle基于服務器的TPU負責訓練算法。
正如他們的團隊在博客文章中提到的那樣，新設計的芯片實際上意味著用于各種企業工作，例如自動檢查工廠的質量。如果您希望在智能設備中看到它，目前還不行。目前，所使用的硬件通過互聯網發送數據以進行分析。 這些硬件現在將被替換為將消除此過程的設備。 這意味著更短的停機時間和更快的結果。
這不是為設備上任務創建AI芯片的第一次嘗試。 ARM，Qualcomm和Mediatek等其他公司都有自己的AI加速器，當然Nvidia的GPU也是業界最好的之一。 那么谷歌與其中任何一個有何不同？
以下是有趣的部分 — 使用Google，可以將數據存儲在Google Cloud上，使用TPU訓練算法，然后使用新的Edge TPU進行設備上推斷。 Google可以確保所提及的所有流程盡可能高效，順暢地運行，從而為最終用戶提供無縫體驗。
谷歌還將Edge TPU作為開發套件提供給客戶：我們的想法是讓客戶測試硬件的功能，并了解它如何適應現有的產品目錄。針對Edge TPU的新設備是：AIY Edge TPU Dev 開發板和 AIY Edge TPU 加速器，二者皆采用 Google 的 Edge TPU 芯片。
關于 AIY Projects Edge TPU
AIY Projects Edge TPU Dev 開發板是一款一體化開發板，可讓您對需要快速ML推理的嵌入式系統進行原型設計。基板提供了有效原型設備所需的所有外設連接 — 包括一個40針GPIO接頭，可與各種電氣元件集成。該板還具有可移動的模塊化系統（SOM）子板，一旦您準備好擴展，就可以直接集成到您自己的硬件中。
Edge TPU Accelerator是一款USB設備，可與Raspberry Pi等主板配合使用。 使用谷歌的Edge TPU加速器，開發人員可以利用Pi和Odroid XU4等低功耗單板計算機（SBC）進行各種自助（DIY）人工智能（AI）項目。 這些芯片針對Google的TensorFlow機器學習框架進行了優化，并與邊緣設備連接。
谷歌稱，Edge TPU Accelerator將允許設備以高于每秒30幀的速度在高分辨率視頻上運行多個最先進的計算機視覺模型。這種性能水平遠遠超出了無法使用Pi的能力，并且似乎高于使用現有的AI加速器（如英特爾的Movidius神經計算棒）報告的性能水平。
Edge TPU是和Cloud TPU互補的產品，你可以通過Cloud TPU來加速訓練ML模型，再將訓練好的ML模型，放到Edge設備中，用Edge TPU芯片高速進行推論預測（inferences）。
近年來，谷歌在其AIY項目計劃下發布了用于單板計算機的視覺和語音識別套件。可在這些套件上運行的訓練有素的機器學習模型包括面/狗/貓/人體探測器和通用圖像分類器。
谷歌繼續在物聯網領域彰顯它的權威。 設備上的機器學習預計會相對更安全，并提供更快的結果。 此外，對于最終用戶，存儲數據，訓練算法和執行所需任務都將變得更加簡單，因為他們不必切換到不同的平臺。 谷歌的云產品，TPU 和 Edge TPU 將涵蓋所有這些！
請按此登錄後留言。未成為會員? 立即註冊