В последнее время я оказался в ситуации, когда мне нужно было запустить DNN в режиме реального времени на периферии, поэтому я начал искать платы для разработки, предназначенные для ИИ.
Raspberry Pi — это круто, но давайте посмотрим правде в глаза, они отстой, если вы попытаетесь запустить в ней NN. Одна вещь, которую вы можете сделать, это прикрепить к нему нейронные вычислительные палочки, но это отстой по двум причинам:
1. Во-первых, вычислительная мощность на RPI не так хороша
2. У RPi есть USB 2.0 а нейронные вычислительные флешки могут использовать протокол USB 3.0. На них они работают нормально, но часть моего мозга говорит мне, что это неправильно, что я могу сделать лучше.
Если бы мне пришлось выбирать плату, я бы однозначно выбрал ODROID. В зависимости от вашего бюджета и того, что вы хотите взять с собой на плату, вы можете выбрать между ODroid XU4 или ODroid H2.
Но я хочу получить что-то, в чем уже есть сила. Я хочу высвободить THE POWER! из сердца SoC. Итак, волшебный список плат для разработки с каким-то нейронным ускорителем:
Доска разработчиков Coral
Я начну с самого последнего — Coral Project от Google.
Об этом было объявлено в третьем квартале 2018 года под названием Edge TPU, но до сих пор у нас не было других новостей. На этой неделе Google представил Coral Dev Board
Это плата, похожая на Raspberry Pi, но с неким TPU, который позволяет очень быстро запускать NN в периферии.
Как вы можете видеть, это не кажется действительно захватывающим продуктом, но Google обещает вывод в реальном времени для NN, таких как SSD. Это очень важно, потому что ни один другой продукт такого размера не может дать вам такой вычислительной мощности.
ЦЕНА: 129$
Chamaleon96 Cyclone V ПЛИС
Эта плата будет отличаться от остальных, потому что у нее есть FPGA вместо выделенного аппаратного ускорителя. Если вы не знаете, что такое FPGA и что сравнивается с другими типами устройств, проверьте это.
ЦЕНА 130 долларов — это не так уж и много по сравнению с другими.
ХайКей 970
Этот плохой мальчик — первая SoC HiSilicon с NPU, так что вы можете наслаждаться некоторыми возможностями ИИ прямо из коробки.
NPU может работать со скоростью до 1,94 TFLOPS/s (FLOAT16).
ЦЕНА: 300 долл. США, так что это недешево, НО здесь у вас есть некоторый аппаратный акцент на ИИ.
Софон Эдж
Sophon Edge был выпущен в 2018 году и оснащен SoC Sophon BM1880 с TPU. Этот SoC теоретически может обеспечить скорость до 2TOPS/с (INT8).
Вы можете найти его по цене 129$
Рок960 (RK3399Pro)
В 2018 году 96boards анонсировала новую версию Rock960c, в которой будет использоваться новый RK3399Pro. Rockchip объявила, что RK3399Pro будет иметь ту же распиновку, что и предыдущая версия RK33999, но с новым блоком обработки нейронной сети (NPU), который может предлагать до 3 TOPS. NPU будет поддерживать основные фреймворки глубокого обучения, такие как Tensorflow и Caffe.
В конце концов, у этой SoC не будет той же распиновки, что и у ее младшего брата RK3399, поэтому этой плате придется подождать.
На веб-странице говорится, что плата будет доступна во втором квартале 2019 года. Они даже разделяют некоторые ориентиры:
Основанная на Linuxgizmos, единственная плата для разработки с этой SoC — Khadas Edge-1S, но она еще не выпущена.
ЦЕНА: 250$(это ожидаемая цена)
Nvidia Джетсон Ксавьер
Это встраиваемая плата высокого класса. Он в основном ориентирован на робототехнику, где у вас будет высокий спрос на вычисления, но некоторые ограничения энергопотребления.
Вы не найдете ничего более мощного в этом размере.
ЦЕНА: 1300$ (программа для разработчиков)
Дайте мне знать в комментариях, знаете ли вы еще какие-либо платы или какая из них больше подходит для ваших проектов!
Вы можете следить за мной в Твиттере
