Intelligence artificielle (IA)

L'accélérateur USB Coral ajoute un coprocesseur Edge TPU à votre système. La simple connexion de cet accélérateur à un port USB permet une inférence d’apprentissage automatique à grande vitesse sur une large gamme de systèmes. Caractéristiques Système d'exploitation hôte pris en charge : Debian Linux, macOS, Windows 10 Compatible avec les cartes Raspberry Pi Framework pris en charge : TensorFlow Lite Effectue une inférence ML à grande vitesse Le coprocesseur Edge TPU intégré est capable d'effectuer 4 billions de téra-opérations par seconde (TOPS), en utilisant 0,5 watts pour chaque TOPS (2 TOPS par watt). Par exemple, il peut exécuter des modèles de vision mobile de pointe, tels que MobileNet v2, à près de 400 FPS de manière économe en énergie. Prend en charge toutes les principales plates-formes Fonctionne via le port USB avec n'importe quel système exécutant Debian Linux (y compris Raspberry Pi), macOS ou Windows 10. Prend en charge TensorFlow Lite Il n’est pas nécessaire de créer des modèles à partir de zéro. Les modèles TensorFlow Lite peuvent être compilés pour s'exécuter sur Edge TPU. Prend en charge AutoML Vision Edge Créez et déployez facilement et sur mesure des modèles de classification d'images rapides et très précis sur votre appareil avec AutoML Vision Edge. Caractéristiques Accélérateur ML Coprocesseur Google Edge TPU : 4 HAUTS (int8); 2 TOPS par watt Connecteur USB 3.0 Type-C (données/alimentation) Dimensions 65x30mm Téléchargements/Documentation Fiche de données Premiers pas avec l'accélérateur USB Compatibilité des modèles sur le Edge TPU Présentation de l’inférence Edge TPU Exécutez plusieurs modèles avec plusieurs Edge TPU Pipelinez un modèle avec plusieurs Edge TPU API PyCoral (Python) API Libcoral (C++) API Libedgetpu (C++) Compilateur Edge TPU Modèles précompilés Tous les téléchargements de logiciels

Lis (+) (–)

Prêt à commencer à développer des applications d’intelligence artificielle (IA) ? Le kit de développement NVIDIA Jetson Nano rend la puissance de l'IA moderne accessible aux créateurs, aux développeurs et aux étudiants. Quand vous pensez à NVIDIA, vous pensez probablement aux cartes graphiques et aux GPU, et à juste titre. Les antécédents de Nvidia garantissent que le Jetson Nano dispose de suffisamment de puissance pour exécuter même les tâches les plus exigeantes. Le kit de développement NVIDIA Jetson Nano est compatible avec le SDK JetPack de Nvidia et permet la classification d'images et la détection d'objets parmi de nombreuses applications. Applications Le kit de développement NVIDIA Jetson Nano peut exécuter plusieurs réseaux neuronaux en parallèle pour des applications telles que : Classement des images Segmentation Détection d'objet Traitement de la parole Spécifications GPU 128 cœurs Maxwell CPU ARM A57 quadricœur à 1,43 GHz Mémoire 4 Go LPDDR4 64 bits 25,6 Go/s Stockage microSD (non inclus) Encodage vidéo 4K @ 30 | 4x1080p à 30 | 9x720p à 30 (H.264/H.265) Décodage vidéo 4K à 60 | 2x4K à 30 | 8x1080p à 30 | 18x 720p à 30 (H.264/H.265) Caméra 1 x voies MIPI CSI-2 DPHY Connectivité Gigabit Ethernet, clé M.2 E Afficher HDMI 2.0 et eDP 1.4 USB 4x USB 3.0, USB 2.0 Micro-B Interfaces GPIO, I²C, I²S, SPI, UART Dimensions 100x80x29mm Inclus Module NVIDIA Jetson Nano et carte support Petite carte papier avec des informations de démarrage rapide et d'assistance Support à papier plié Téléchargements SDK JetPack Documentation Tutoriels Cours en ligne Wiki

Lis (+) (–)

Caractéristiques Processeur double cœur RISC-V RV64IMAFDC (RV64GC) 64 bits / 400 MHz (normal) Double FPU indépendant à double précision SRAM sur puce de 8 Mo, 64 bits de largeur Processeur de réseau neuronal (KPU) / 0,8Tops Réseau d'E/S programmable sur site (FPIOA) AES, accélérateur SHA256 Contrôleur d'accès direct à la mémoire (DMAC) Prise en charge des micropythons Prise en charge du cryptage du micrologiciel Matériel embarqué : Flash : 16 M Appareil photo : OV7740 2x Boutons Indicateur d'état LED Stockage externe : carte TF/Micro SD Interface : HY2.0/compatible GROVE Applications Reconnaissance/détection de visage Détection/classification d'objets Obtenez la taille et les coordonnées de la cible en temps réel Obtenez le type de cible détectée en temps réel Reconnaissance de forme Enregistreur vidéo Inclus 1x UNIT-V (comprend un câble 4P de 20 cm et un câble USB-C)

Lis (+) (–)

Avez-vous besoin d'une simple caméra IA pour améliorer vos projets ? La conception intuitive de la caméra HuskyLens AI permet à l'utilisateur de contrôler différents aspects de la caméra en appuyant simplement sur des boutons. Vous pouvez démarrer et arrêter l'apprentissage de nouveaux objets et même changer d'algorithme depuis l'appareil. Pour réduire davantage le besoin de se connecter à un PC, la caméra HuskyLens AI est livrée avec un écran de 2 pouces afin que vous puissiez voir ce qui se passe en temps réel. Caractéristiques Processeur : Kendryte K210 Capteur d'image : OV2640 (appareil photo 2,0 mégapixels) Tension d'alimentation : 3,3 ~ 5,0 V. Consommation électrique (TYP) : 320 mA à 3,3 V, 230 mA à 5,0 V (mode de reconnaissance faciale ; luminosité du rétroéclairage 80 % ; lumière d'appoint éteinte) Interface de connexion : UART, I²C Affichage : écran IPS de 2,0 pouces avec une résolution de 320 x 240 Algorithmes intégrés : reconnaissance de visage, suivi d'objets, reconnaissance d'objets, suivi de lignes, reconnaissance de couleurs, reconnaissance d'étiquettes Dimensions : 52 x 44,5 mm Inclus 1x carte mère HuskyLens 1x vis M3 1x écrous M3 1x petit support de montage 1x support d'élévation 1x câble de capteur de gravité à 4 broches

Lis (+) (–)

Seeed Studio XIAO ESP32S3 Sense intègre un capteur de caméra, un microphone numérique et une prise en charge de la carte SD. Combinant la puissance de calcul ML intégrée et les capacités de photographie, cette carte de développement peut être votre excellent outil pour vous lancer dans l'IA intelligente en matière de voix et de vision. Seeed Studio XIAO ESP32S3 Sense est construit autour d'un système hautement intégré, Il dispose d’une capacité de gestion de charge de batterie au lithium. En tant que version avancée de Seeed Studio XIAO ESP32S3, cette carte est livrée avec un capteur de caméra OV2640 enfichable pour afficher une résolution complète de 1 600 x 1 200. La base est même compatible avec l'OV5640 pour prendre en charge une résolution jusqu'à 2592x1944. Le microphone numérique est également fourni avec la carte pour la détection vocale et la reconnaissance audio. SenseCraft AI fournit divers modèles d'intelligence artificielle (IA) pré-entraînés et un déploiement sans code sur XIAO ESP32S3 Sense. Avec un SoC puissant et des capteurs intégrés, cette carte de développement dispose de 8 Mo de PSRAM et de 8 Mo de Flash sur la puce, ainsi que d'un emplacement pour carte SD supplémentaire pour prendre en charge jusqu'à 32 Go de mémoire FAT. Ceux-ci permettent à la carte de disposer de plus d'espace de programmation et apportent encore plus de possibilités dans les scénarios de ML embarqués. Caractéristiques Carte MCU puissante : intègre la puce de processeur Xtensa double cœur ESP32S3 32 bits fonctionnant jusqu'à 240 MHz, plusieurs ports de développement montés, prise en charge Arduino/MicroPython Fonctionnalité avancée : avec capteur de caméra OV5640, intégrant un microphone numérique supplémentaire Excellente mémoire pour plus de possibilités : offre 8 Mo de PSRAM et 8 Mo de Flash, prenant en charge un emplacement pour carte SD pour une mémoire FAT externe de 32 Go Performances RF exceptionnelles : prend en charge la double communication sans fil Wi-Fi 2,4 GHz et BLE, prend en charge plus de 100 m de communication à distance lorsqu'elle est connectée à une antenne U.FL Conception compacte de la taille d'un pouce : 21 x 17,5 mm, adoptant le facteur de forme classique de XIAO, adapté aux projets à espace limité comme les appareils portables Modèle Al pré-entraîné de SenseCraft Al pour un déploiement sans code Applications Traitement d'image Reconnaissance de la parole Surveillance vidéo Appareils portables Maisons intelligentes Surveillance de la santé Éducation Réseaux basse consommation (LP) Prototypage rapide Caractéristiques Processeur ESP32-S3R8 Processeur Xtensa LX7 dual-core 32 bits fonctionnant jusqu'à 240 MHz Sans fil Sous-système Wi-Fi 2,4 GHz complet BLE : Bluetooth 5.0, maillage Bluetooth Capteurs intégrés Capteur de caméra oV2640 pour 1600x1200 Microphone numérique Mémoire 8 Mo de PSRAM et 8 Mo de Flash sur puce Emplacement pour carte SD intégré, prenant en charge 32 Go de FAT Interface 1x UART, 1x I²C, 1x I²S, 1x SPI, 11x GPIO (PWM), 9x ADC, 1x LED utilisateur, 1x LED de charge, 1x connecteur B2B (avec 2 GPIO supplémentaires) 1x bouton de réinitialisation, 1x bouton de démarrage Dimensions 21 x 17,5 x 15 mm (avec carte d'extension) Pouvoir Tension d'entrée (Type-C) : 5 V Tension d'entrée (BAT) : 4,2 V Tension de fonctionnement du circuit (prêt à fonctionner) : - Type C : 5 V à 38,3 mA - BAT : 3,8 V à 43,2 mA (avec carte d'extension) Application Web pour webcam : Type-C : - Consommation électrique moyenne : 5 V/138 mA - Moment photo : 5 V/341 mA Batterie: - Consommation électrique moyenne : 3,8 V/154 mA - Moment photo : 3,8 V/304 mA Enregistrement par microphone et écriture sur carte SD : Type-C : - Consommation électrique moyenne : 5 V/46,5 mA - Consommation électrique maximale : 5 V/89,6 mA Batterie: - Consommation électrique moyenne : 3,8 V/54,4 mA - Consommation électrique maximale : 3,8 V/108 mA Courant de charge de la batterie : 100 mA Modèle à faible consommation d'énergie (alimentation : 3,8 V) Modèle de veille du modem : ~44 mA Modèle de veille légère : ~5 mA Modèle de sommeil profond : ~3 mA Consommation d'énergie compatible Wi-Fi Modèle actif : ~110 mA (avec carte d'extension) Consommation d'énergie compatible BLE Modèle actif : ~102 mA (avec carte d'extension) Inclus 1xXIAO ESP32S3 1x carte de capteur de caméra enfichable 1x Antenne Téléchargements GitHub

Lis (+) (–)

Résoudre des problèmes du monde réel grâce à l'apprentissage automatique intégré Edge AI transforme la façon dont les ordinateurs interagissent avec le monde réel, permettant aux appareils IoT de prendre des décisions en utilisant les 99 % des données des capteurs qui étaient auparavant rejetées en raison de limitations de coût, de bande passante ou de puissance. Grâce à des techniques telles que l'apprentissage automatique intégré, les développeurs peuvent capturer l'intuition humaine et la déployer sur n'importe quelle cible, des microcontrôleurs à très faible consommation aux appareils Linux embarqués. Ce guide pratique offre aux professionnels de l'ingénierie, notamment aux chefs de produit et aux leaders technologiques, un cadre de bout en bout pour résoudre des problèmes industriels, commerciaux et scientifiques réels avec l'IA de pointe. Vous explorerez chaque étape du processus, de la collecte de données à l'optimisation du modèle en passant par le réglage et les tests, tout en apprenant à concevoir et à prendre en charge des produits d'IA de pointe et de ML intégré. Edge AI est destiné à devenir un outil standard pour les ingénieurs système. Cette feuille de route de haut niveau vous aide à démarrer. Développez votre expertise en IA et ML pour les appareils Edge Comprendre quels projets sont les mieux résolus avec Edge AI Explorez les principaux modèles de conception pour les applications d'IA de pointe Apprenez un flux de travail itératif pour développer des systèmes d'IA Construisez une équipe possédant les compétences nécessaires pour résoudre des problèmes du monde réel Suivre un processus d'IA responsable pour créer des produits efficaces Téléchargements Errata GitHub

Lis (+) (–)

Le kit de développement Waveshare Jetson Nano, basé sur les ordinateurs IA Jetson Nano (avec 16 Go eMMC) et Jetson Xavier NX, fournit presque les mêmes E/S, taille et épaisseur que le kit de développement Jetson Nano (B01), plus pratique pour mettre à niveau le noyau. module. En utilisant la puissance du module principal, il est qualifié pour des domaines tels que la classification d'images, la détection d'objets, la segmentation, le traitement de la parole, etc., et peut être utilisé dans divers projets d'IA. Spécifications GPU Maxwell à 128 cœurs CPU ARM A57 quadricœur à 1,43 GHz RAM 4 Go LPDDR4 64 bits 25,6 Go/s Stockage 16 Go eMMC + 64 Go carte TF Encodeur vidéo 250 MP/s 1x 4K à 30 (HEVC) 2x 1080p à 60 (HEVC) 4x 1080p à 30 (HEVC) Décodeur vidéo 500 MP/s 1x 4K à 60 (HEVC) 2x 4K à 30 (HEVC) 4x 1080p à 60 (HEVC) 8x 1080p à 30 (HEVC) Caméra 1x voies MIPI CSI-2 D-PHY Connectivité Gigabit Ethernet, connecteur d'extension M.2 Key E Afficher HDMI USB 1x USB 3.2 Gen 1 Type A 2x USB 2.0 Type-A 1x USB 2.0 Micro-B Interfaces GPIO, I²C, I²S, SPI, UART Dimensions 100x80x29mm Inclus 1x JETSON-NANO-LITE-DEV-KIT (support + Nano + dissipateur thermique) 1x carte réseau double mode AC8265 1x ventilateur de refroidissement 1x câble USB (1,2 m) 1x câble Ethernet (1,5 m) 1x adaptateur secteur 5 V/3 A (UE) 1x carte TF de 64 Go 1x lecteur de carte Documentation Wiki

Lis (+) (–)

Ce kit de développement AI Edge Computing est basé sur le module Jetson Orin Nano fournissant des interfaces périphériques riches telles que M.2, DP, USB, etc. Ce kit est également livré avec une carte réseau sans fil AW-CB375NF préinstallée qui prend en charge Bluetooth 5.0 et WIFI double bande, avec deux antennes PCB supplémentaires, pour fournir une connexion réseau sans fil fiable et rapide et une communication Bluetooth. Spécifications Performances de l'IA 40 HAUTS GPU GPU à architecture N-VIDIA Ampere à 1 024 cœurs avec 32 cœurs Tensor Fréquence du processeur graphique 625 MHz (maximum) CPU Processeur Arm Cortex-A78AE v8.2 64 bits à 6 cœurs, 1,5 Mo L2 + 4 Mo L3 Fréquence du processeur 1,5 GHz (maximum) RAM 8 Go LPDDR5 128 bits, 68 Go/s Stockage Disque SSD NVMe de 128 Go Pouvoir 7 ~ 15 W PCIE Emplacement M.2 Key M avec x4 PCIe Gen3 Emplacement M.2 Key M avec x2 PCIe Gen3 Emplacement pour clé M.2 E USB USB Type-A : 4x USB 3.2 Gen2 USB Type-C (UFP) Caméra CSI 2x connecteur de caméra MIPI CSI-2 Encodage vidéo 1080p30 pris en charge par 1 à 2 cœurs de processeur Décodage vidéo 1x 4K60 (H.265) 2x 4K30 (H.265) 5x 1080p60 (H.265) 11x 1080p30 (H.265) Afficher 1x connecteur DisplayPort 1.2 (+MST) Interfaces Connecteur d'extension 40 broches (UART, SPI, I²S, I²C, GPIO), connecteur de bouton à 12 broches, connecteur de ventilateur à 4 broches, prise d'alimentation CC La mise en réseau 1x connecteur GbE Dimensions 103 x 90,5 x 34 mm Inclus Kit de développement Waveshare Orin Nano 1x module Jetson Orin Nano (8 Go) 1x JETSON-ORIN-IO-BASE 1x ventilateur de refroidissement 1 disque SSD NVMe de 128 Go (assemblé) 1x carte réseau sans fil (assemblée) 1x câble USB Type A vers Type-C (1 m) 1x câble Ethernet (1,5 m) 1x cavalier 1x adaptateur secteur (UE) Documentation Wiki

Lis (+) (–)