[Coral] USB Accelator 개봉 후기 & 환경 세팅!

안녕하세요. 

 

한 달만에 USB Accelator 에 대해 드디어 글을 작성합니다. 

 

https://www.devicemart.co.kr/goods/view?no=12379075

Google Coral USB Accelerator

99,000원에 디바이스마트에서 구매할 수 있습니다. 

오... 

개봉!

장착

Coral-USB-Accelerator-datasheet.pdf

1.46MB

자세한 데이터 시트를 자세히 보고 싶으시면 위 pdf를 참고하시길 바랍니다. 

 

간단하게 요약하면

 

제가 공부자료로 만들어 놓은 PPT의 일부분입니다. 

 

C타입 포트 TPU 이며, USB 3.0 Port(파란색), Python은 3.5, 3.6. 3.7만 지원합니다. 

(Python 3.8은 지원하지 않습니다.)

 

바로 시작해보겠습니다.

 

 

 

USB Accelator(Edge TPU)를 사용하기 위해서는 The Edge TPU runtime을 설치해야합니다. 

 

(윈도우로 따지면 드라이버같은 거라고 생각하시면 편할 것 같습니다. )

 

라즈비안이나 우분투는 Linux 계통이기 때문에 Linux 단계로 따라가겠습니다.

(Mac이나 Window에서 원하시면 옆 주소를 확인하시기 바랍니다. https://coral.ai/docs/accelerator/get-started/

 

1. Repository에 추가 

echo "deb https://packages.cloud.google.com/apt coral-edgetpu-stable main" | sudo tee /etc/apt/sources.list.d/coral-edgetpu.list

curl https://packages.cloud.google.com/apt/doc/apt-key.gpg | sudo apt-key add -

sudo apt-get update

 

2. Edge TPU 설치

sudo apt-get install libedgetpu1-std

 

3. 옵션(속도 최대화 : 대신 기기가 뜨거워질 수 있으니 주의)

sudo apt-get install libedgetpu1-max

USB Accelator(Edge TPU)는 직접 모델을 학습시킬 수 없습니다. Inference용입니다. 

 

대신, TensorFlow나 Keras로 학습된 모델(32bit)을 TensorFlow lite(8bit)로 변환 후 .tflite로 변경시키고 좀 더 성능을 향샹시키려면 Transfer Learning(전이학습)을 하면 됩니다. 

 

오늘은 인공지능을 할 수 있는 셋팅까지만 설명하겠습니다. 

 

이제 TensorFlow Lite 인터프리터를 설치하겠습니다.

 

 

 

 

 

https://www.tensorflow.org/lite/guide/python

Python 빠른 시작  |  TensorFlow Lite

위를 참고하시기 바랍니다.

 

참고로 라즈베리파이는 ARM Architecture 32bit 입니다. 

 

자신의 파이썬 버젼에 맞게 깔아주시면 됩니다. (python3 -V) 

 

pip3 install <해당 URL 복사/붙여넣기>

플랫폼	파이썬	URL
Linux (ARM 32)	3.5	https://dl.google.com/coral/python/tflite_runtime-2.1.0.post1-cp35-cp35m-linux_armv7l.whl
	3.6	https://dl.google.com/coral/python/tflite_runtime-2.1.0.post1-cp36-cp36m-linux_armv7l.whl
	3.7	https://dl.google.com/coral/python/tflite_runtime-2.1.0.post1-cp37-cp37m-linux_armv7l.whl
	3.8	https://dl.google.com/coral/python/tflite_runtime-2.1.0.post1-cp38-cp38-linux_armv7l.whl

 

이렇게 라즈베리파이에서 인공지능 추론을 할 수 있는 환경을 다 갖췄습니다.

 

다음 글은 간단한 예제 하나를 돌려보도록 하겠습니다.