Coral Dev Board Micro เป็นรุ่นล่าสุดของ Edge AI devkit ของ Google ใช้ชิป NXP i.MX RT1176 Cortex-M7/M4 crossover processor/microcontroller พร้อม 4 TOPS Edge TPU ของบริษัท กล้องและไมโครโฟนในบอร์ด, มี form factor เหมือน Raspberry Pi Zero SBC
บอร์ดใหม่นี้เป็นไปตามบอร์ด Coral Dev ที่ใช้ชิป NXP i.MX 8M แบบเดิมที่เปิดตัวในปี 2019 และ Coral Dev Board mini ที่ใช้ชิป MediaTek MT8167S ที่เปิดตัวในปี 2020 และยังคงมีแนวโน้มในการมีโซลูชันที่มีขนาดเล็กมากขึ้นด้วย host processors ระดับล่าง สำหรับ Edge AI
สเปคของ Coral Dev Board Micro:
- MCU – โปรเซสเซอร์ NXP i.MX RT1176 พร้อมคอร์ Arm Cortex-M7 @ สูงสุด 1 GHz, คอร์ Cortex-M4 สูงสุด 400 MHz, SRAM ภายใน 2MB, graphics accelerators 2D
- หน่วยความจำ – RAM 512 Mbit (64 MB)
- ที่เก็บข้อมูล – หน่วยความจำ flash 1 Gbit (128 MB)
- ML accelerator – Coral Edge TPU coprocessor สามารถประมวลผลได้สูงสุด 4 TOPS (int8), 2 TOPS ต่อวัตต์
- กล้อง – กล้อง Himax ในตัวที่มีความละเอียด 324 x 324
- Audio – ไมโครโฟน PDM mono
- การเชื่อมต่อด้วยบอร์ดเสริม add-on
- WiFi 5 และ Bluetooth 5.0
- Ethernet 10/100M พร้อม PoE 7W
- USB – 1x พอร์ต USB 2.0 Type-C
- การขยาย
- 2x Pin-Header GPIO 12 ขา
- 2x คอนเนกเตอร์ board-to-board Coral 100 ขา
- อื่นๆ – 4x LED’s, 2x ปุ่มสวิตช์
- แหล่งจ่ายไฟ – 5V ผ่านพอร์ต USB-C
- ขนาด – 65 x 30 มม.
บอร์ดสามารถรัน FreeRTOS หรือการเขียนโปรแกรมแบบ Bare-metal (Arduino) พร้อมซอร์สโค้ดสำหรับแพลตฟอร์มซอฟต์แวร์ “coralmicro” ซึ่งมีเครื่องมือทั้งหมดให้ใช้งานร่วมกันบน GitHub, เอกสาร API ของ Coralmicro สามารถพบได้บนเว็บไซต์ Coral.AI พร้อมกับแยกหน้าสำหรับ Arduino APIs และคู่มือเริ่มต้น
บอร์ดรองรับ TensorFlow Lite สำหรับไมโครคอนโทรลเลอร์ (TFLM) แทน TensorFlow Lite (TFLite) สำหรับบอร์ดพัฒนา Coral รุ่นก่อนหน้า แต่ Google กล่าวว่า “คุณสามารถรันโมเดล TFLite ที่ซับซ้อน และไม่สามารถใช้กับ TFLMTFLM interpreter เพราะจะประมวลผลบน Edge TPU” แสดงเวลาประมวลผลสำหรับ PoseNet โมเดลประมวลผลปท่าทางของมนุษย์ , การแบ่งประเภทบุคคล BoxyPic, SSD MobileNet สำหรับการตรวจจับวัตถุ และ อื่นๆ ตามตารางด้านล่าง
เมื่อแสดงเป็นเฟรมต่อวินาที นั่นหมายถึงประมาณ 57fps สำหรับการจดจำแบบภาพ MobileNet v1 และ 24fps สำหรับการแบ่งประเภทบุคคล, BodyPix, บริษัท Google อธิบายว่าด้วยการออกแบบ dual-core สามารถทำงานกับแอพพลิเคชันที่มีการใช้พลังงานต่ำบน Cortex-M4 (รุ่น Tiny TFLM) และสามารถเปิดใช้เปิดใช้งาน Cortex-M7 และ Edge TPU สำหรับรุ่น TFLite ที่ซับซ้อนมากขึ้นโดยเสียค่าใช้จ่ายในการใช้พลังงานมากขึ้น
การรันโมเดล TFLite และ TFLM บน Coral Dev Board Micro นั้นคล้ายกับการรัน TensorFlow Lite บนบอร์ดที่มีตัวประมวลผลแอปพลิเคชัน แต่มีความแตกต่างเล็กน้อย:
TFLM และ TFLite มีความแตกต่างคือคุณต้องระบุการใช้ ops โดยเพิ่มเข้าไปใน MicroMutableOpResolver สำหรับตัวอย่างเช่น ถ้าโมเดลของคุณใช้ 2D convolution คุณต้องเรียก AddConv2D() วิธีนี้จะช่วยประหยัดหน่วยความจำได้โดยการคอมไพล์ op kernel ที่จำเป็นเท่านั้น แต่ถ้าโมเดลถูกคอมไพล์เพื่อรันบน Edge TPU คุณจะต้องเพิ่ม Edge TPU custom op ซึ่งรวมไปถึงการรันทั้งหมดบน Edge TPU สำหรับตัวอย่างเช่น ใช้ SSD MobileNet สำหรับการตรวจจับวัตถุบน Edge TPU เฉพาะการ dequantize และ post-processing ops จะรันบน MCU และเหลืออยู่บน Edge TPU custom op..
บอร์ด Coral Dev Board Micro ยังเป็นบอร์ดที่ถูกที่สุดจากตระกูล สามาถสั่งซื้อล่วงหน้าในราคา $79.99 (~2,600฿) ส่วน Coral Dev Board Mini ที่ใช้ Linux (Debian) ราคา $99.99 (~3,300฿) สามารถดูรายละเอียดเพิ่มเติมในประกาศ
ที่มา : Will Whang
แปลจากบทความภาษาอังกฤษ : Coral Dev Board Micro combines NXP i.MX RT1176 MCU with Edge TPU in Pi Zero form factor
บรรณาธิการข่าวและบทความภาษาไทย cnx-software ได้มีความสนใจในด้านเทคโนโลยี โดยเฉพาะ Smart Home และ IOT
