Intelligence artificielle (IA)

9 produits


  • Google Coral USB Accelerator

    Google Accélérateur USB Google Coral

    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

    € 89,95

    Membres € 80,96

  • ESP32-S3-BOX-3

    Espressif ESP32-S3-BOX-3

    Rupture de stock

    L?unité ESP32-S3-BOX-3 est basée sur le module SoC (System on Chip) Espressif ESP32-S3 Wi-Fi + Bluetooth 5 (LE Low Energy), doté de capacités d?accélération en Intelligence Artificielle (IA). En plus de la mémoire de 512 kO SRAM de l?ESP32-S3, l?ESP32-S3-BOX-3 est doté d?une mémoire Quad flash de 16 Mo ainsi que 16 Mo de mémoire PSRAM Octal. L?ESP32-S3-BOX-3 utilise la plateforme de reconnaissance vocale ESP-SR d?Espressif qui offre aux utilisateurs un assistant vocal IA autonome comprenant la reconnaissance vocale en milieu bruité ou à distance, la reconnaissance permanente, des interruptions d?activation, et la possibilité de reconnaissance personnalisable de plus de 200 mots et commandes. BOX-3 peut également se transformer en un chatbot intelligent (robot vocal) en ligne, utilisant les plateformes de développement AIGC  (Artificial Intelligence-Generated Content, IA permettant la génération automatisée de contenus), telle que l?OpenAI. Bénéficiant de la puissance élevée du module ESP32-S3, BOX-3 offre aux développeurs une solution clés en main permettant de créer des solutions d?IA et d?IHM (Interface Homme Machine) de pointe. Les caractéristiques avancées et les capacités offertes par BOX-3, en font un choix idéal pour les acteurs de l?industrie des objets connectés (IoT) qui souhaitent entamer la quatrième révolution industrielle (Industry 4.0) et transformer les méthodes industrielles conventionnelles. L?ESP32-S3-BOX-3 est l?unité principale, bénéficiant de la puissance du module ESP32-S3-WROOM-1, doté des capacités de communication sans fil Wi-Fi 2,4 GHz et Bluetooth 5 (LE), ainsi que l?accélération de l?IA. En plus de la mémoire SRAM de 512 ko intégrés de l?ESP32-S3, la carte est équipée d?une mémoire Quad flash de 16 Mo et de 16 Mo de mémoire PSRAM Octal. La carte est équipée d?un écran tactile SPI de 2,4 pouces de résolution 320x240 (le cercle rouge supporte la fonction tactile), de deux microphones numériques, d?un haut-parleur, d?un gyroscope 3 axes, d?un accéléromètre 3 axes, d?un port USB-C pour l?alimentation, le téléversement et le débogage, d?un connecteur PCIe haute densité permettant des extensions matérielles, ainsi que d?un ensemble de trois boutons de commandes. Caractéristiques ESP32-S3 WiFi + Bluetooth 5 (LE) SRAM 512 Ko intégrée ESP32-S3-WROOM-1 Mémoire Quad flash 16 Mo intégrée Mémoire PSRAM Octal 16 Mo Inclus Unité ESP32-S3-BOX-3 Capteurs ESP32-S3-BOX-3 Station d?accueil ESP32-S3-BOX-3 Adaptateur de connexions externes de l?ESP32-S3-BOX-3 Adaptateur pour carte de prototypage de l? ESP32-S3-BOX-3 Module LED RGB et fils de connexions Câble USB-C Téléchargements GitHub Vidéos Unboxing The Next-generation Open-Source AIoT Kit

    Rupture de stock

    € 84,95

    Membres € 76,46

  • NVIDIA Jetson Nano Developer Kit

    Nvidia Kit de développement NVIDIA Jetson Nano (B01)

    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 Caractéristiques 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

    € 229,00

    Membres € 206,10

  • Dernier stock ! HuskyLens AI Camera met Silicone Case

    HuskyLens AI Camera

    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

    € 89,95

    Membres € 80,96

  •  -20% M5Stack UnitV K210 AI Camera for Edge Computing (OV7740)

    M5Stack Caméra AI M5Stack UnitV K210 pour Edge Computing (OV7740)

    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)

    € 34,95€ 27,95

    Membres identique

  •  -21%Dernier stock ! M5Stack UnitV2 AI Camera for Edge Computing

    M5Stack Caméra AI M5Stack UnitV2 pour Edge Computing

    1 en stock

    Caractéristiques Processeur Sigmstar SSD202D double Cortex-A7 1,2 GHz 128 Mo DDR3 Flash NAND de 512 Mo Capteur coloré GC2145 1080P Microphone Wi-Fi 2,4 GHz Applications Développement de la fonction de reconnaissance de l'IA Tri par identification visuelle industrielle Apprentissage de la vision industrielle Inclus 1 x unité M5Stack V2 1 carte TF de 16 g. 1 câble USB-C (50 cm) 1 support 1 x brique arrière

    1 en stock

    € 94,95€ 74,95

    Membres identique

  • Google AIY Vision Kit for Raspberry Pi

    Google Kit Google AIY Vision pour Raspberry Pi

    Rupture de stock

    Google AIY Projects apporte l'intelligence artificielle à faire soi-même à vos projets de création. Le kit Google AIY Vision vous permet de créer un appareil de reconnaissance d'images capable de voir et d'identifier des objets, alimenté par les modèles d'apprentissage automatique de TensorFlow. Le kit comprend tous les composants nécessaires pour assembler le kit de base qui fonctionne avec le SDK Google Assistant ainsi que la reconnaissance d'image et de vision sur l'appareil avec TensorFlow à l'aide de l'assistance matérielle Intel Movidius Myriad Vision Processing Unit (VPU). L’assemblage du kit devrait prendre environ une heure. Il n'y a pas de soudure requise, le kit AIY complet est un superbe projet alimenté par Pi Zero ! Inclus Carte Vision Bonnet avec Movidius VPU pour Raspberry Pi - entièrement assemblée Raspberry Pi Zero WH (entièrement assemblé) Carte caméra Raspberry Pi Câble plat flexible pour caméra Pi Zero Câble plat flexible CSI pour se connecter à la caméra Carte MicroSD pour le système d'exploitation Entretoises en plastique de 11 mm LED de confidentialité Bouton poussoir d'arcade Harnais de boutons Buzzer piézo Lunette LED Câble USB - A/MicroB Écrou de montage sur trépied Boîte en carton externe Cadre interne en carton

    Rupture de stock

    € 104,95

    Membres € 94,46

  • Seeed Studio XIAO ESP32S3 Sense

    Seeed Studio Seeed Studio XIAO ESP32S3 Sense

    Seeed Studio XIAO ESP32S3 Sense integrates a camera sensor, digital microphone, and SD card support. Combining embedded ML computing power and photography capability, this development board can be your great tool to get started with intelligent voice and vision AI. Seeed Studio XIAO ESP32S3 Sense is built around a highly-integrated, Xtensa processor ESP32-S3R8 SoC, which supports 2.4 GHz WiFi and low-power Bluetooth BLE 5.0 dual-mode for multiple wireless applications. It has lithium battery charge management capability. As the advanced version of Seeed Studio XIAO ESP32S3, this board comes with a plug-in OV2640 camera sensor for displaying full 1600x1200 resolution. The base of it is even compatible with OV5640 for supporting up to 2592x1944 resolution. The digital microphone is also carried with the board for voice sensing and audio recognition. SenseCraft AI provides various pre-trained Artificial Intelligence (AI) models and no-code deployment to XIAO ESP32S3 Sense. With powerful SoC and built-in sensors, this development board has 8 MB PSRAM and 8 MB Flash on the chip, an additional SD card slot for supporting up to 32 GB FAT memory. These allow the board for more programming space and bring even more possibilities into embedded ML scenarios. Features Powerful MCU Board: Incorporate the ESP32S3 32-bit, dual-core, Xtensa processor chip operating up to 240 MHz, mounted multiple development ports, Arduino/MicroPython supported Advanced Functionality: with OV5640 camera sensor, integrating additional digital microphone Great Memory for more Possibilities: Offer 8 MB PSRAM and 8 MB Flash, supporting SD card slot for external 32 GB FAT memory Outstanding RF performance: Support 2.4 GHz Wi-Fi and BLE dual wireless communication, support 100m+ remote communication when connected with U.FL antenna Thumb-sized Compact Design: 21 x 17.5 mm, adopting the classic form factor of XIAO, suitable for space-limited projects like wearable devices Pretrained Al model from SenseCraft Al for no-code deployment Applications Image processing Speech Recognition Video Monitoring Wearable devices Smart Homes Health monitoring Education Low-Power (LP) networking Rapid prototyping Specifications Processor ESP32-S3R8 Xtensa LX7 dual-core, 32-bit processor that operates at up to 240 MHz Wireless Complete 2.4 GHz Wi-Fi subsystem BLE: Bluetooth 5.0, Bluetooth mesh Built-in Sensors oV2640 camera sensor for 1600x1200 Digital Microphone Memory On-chip 8 MB PSRAM & 8 MB Flash Onboard SD Card Slot, supporting 32 GB FAT lnterface 1x UART, 1x I²C, 1x I²S, 1x SPI, 11x GPIOs (PWM), 9x ADC, 1x User LED, 1x Charge LED, 1x B2B Connector (with 2 additional GPIOs) 1x Reset button, 1x Boot button Dimensions 21 x 17.5 x 15 mm (with expansion board) Power Input voltage (Type-C): 5 V lnput voltage (BAT): 4.2 V Circuit operating Voltage (ready to operate): - Type-C: 5 V @ 38.3 mA - BAT: 3.8 V @ 43.2 mA (with expansion board) Webcam Web application: Type-C: - Average power consumption: 5 V/138 mA - Photo moment: 5 V/341 mA Battery: - Average power consumption: 3.8 V/154 mA - Photo moment: 3.8 V/304 mA Microphone recording & SD card writing: Type-C: - Average power consumption: 5 V/46.5 mA - Peak power consumption: 5 V/89.6 mA Battery: - Average power consumption: 3.8 V/54.4 mA - Peak power consumption: 3.8 V/108 mA Charging battery current: 100 mA Low Power Consumption Model (Supply Power: 3.8 V) Modem Sleep Model: ~44 mA Light Sleep Model: ~5 mA Deep Sleep Model: ~3 mA Wi-Fi Enabled Power Consumption Active Model: ~ 110 mA (with expansion board) BLE Enabled Power Consumption Active Model: ~ 102 mA (with expansion board) Included 1x XIAO ESP32S3 1x Plug-in camera sensor board 1x Antenna Downloads GitHub

    € 24,95

    Membres € 22,46

  • AI at the Edge

    O'Reilly Media L'IA à la périphérie

    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

    € 79,95

    Membres € 71,96

Connexion

Mot de passe oublié ?

Vous n'avez pas encore de compte ?
Créer un compte