Google Coral Edge TPU Hardware & AIY Kits

store: https://store.gravitylink.com/global

Google Edge TPU用に構築されたモデル

以下のリストでは、各「Edge TPUモデル」リンクは、Edge TPUで実行するためにプリコンパイルされた.tfliteファイルを提供します。 APIデモに示されているスクリプトを使用して、Coralデバイスでこれらのモデルを実行できます。 (モデルの対応するラベルファイルもダウンロードすることを忘れないでください。)

多くのモデルについて、「すべてのモデルファイル」へのリンクも提供しています。これは、以下を含むアーカイブファイルです。

  • 訓練されたモデルのチェックポイント
  • 訓練されたモデルの凍結グラフ
  • 評価グラフテキストプロトタイプ(簡単に表示できるように)
  • 入力および出力情報を含む情報ファイル
  • CPUで実行される量子化TensorFlow Liteモデル(分類モデルにのみ含まれる)

分類モデルを再トレーニングし、オブジェクト検出モデルを再トレーニングするチュートリアルに示されているように、この「すべてのモデルファイル」アーカイブをダウンロードして、転送学習の基礎としてモデルを使用する場合に必要なチェックポイントファイルを取得します。

すべてのモデルを一度にダウンロードする場合は、Gitリポジトリhttps://coral.googlesource.com/edgetpuのクローンを作成してから、edgetpu / test_data /でモデルを見つけることができます。

注意:これらは製品品質のモデルではありません。 これらはデモンストレーションのみを目的としています。

Edge TPU用の独自のモデルを構築するには、Edge TPUコンパイラを使用する必要があります。

ImageNetでトレーニングされたすべてのモデルはILSVRC2012データセットを使用しました。

 画像分類

 EfficientNet-EdgeTpu(S)

1,000種類のオブジェクトを認識
データセット:ImageNet
入力サイズ:224x224

 EfficientNet-EdgeTpu(M)

1,000種類のオブジェクトを認識
データセット:ImageNet
入力サイズ:240x240

 EfficientNet-EdgeTpu(L)

1,000種類のオブジェクトを認識
データセット:ImageNet
入力サイズ:300x300

 MobileNet V1(ImageNet)

1,000種類のオブジェクトを認識
データセット:ImageNet
入力サイズ:224x224

 MobileNet V2(ImageNet)

1,000種類のオブジェクトを認識
データセット:ImageNet
入力サイズ:224x224

 MobileNet V2(iNat昆虫)

1,000種類以上の昆虫を認識
データセット:iNaturalist
入力サイズ:224x224

 MobileNet V2(iNatプラント)

2,000種類以上の植物を認識
データセット:iNaturalist
入力サイズ:224x224

 MobileNet V2(iNatバード)

900種類以上の鳥を認識
データセット:iNaturalist
入力サイズ:224x224

 Inception V1(ImageNet)

1,000種類のオブジェクトを認識
データセット:ImageNet
入力サイズ:224x224

 Inception V2(ImageNet)

1,000種類のオブジェクトを認識
データセット:ImageNet
入力サイズ:224x224

 Inception V3(ImageNet)

1,000種類のオブジェクトを認識
データセット:ImageNet
入力サイズ:299x299

 Inception V4(ImageNet)

1,000種類のオブジェクトを認識
データセット:ImageNet
入力サイズ:299x299

 物体検出

 MobileNet SSD v1(COCO)

90種類のオブジェクトの位置を検出します
データセット:COCO
入力サイズ:300x300

 MobileNet SSD v2(COCO)

90種類のオブジェクトの位置を検出します
データセット:COCO
入力サイズ:300x300

 MobileNet SSD v2(顔)

人間の顔の位置を検出します
データセット:Open Images v4
入力サイズ:320x320
(ラベルファイルは必要ありません)

 バイス上の再トレーニング(分類)

 MobileNet v1埋め込み抽出プログラム

このモデルは、SoftmaxRegression APIを使用したデバイス上の転送学習の埋め込み抽出機能として使用できるように、最後に完全に接続されたレイヤーを削除してコンパイルされます。 このモデルはそれ自体で分類を実行しないため、SoftmaxRegression APIとペアにする必要があります。

詳細については、「バックプロパゲーションを使用してデバイス上で分類モデルを再トレーニングする」を参照してください。(https://coral.withgoogle.com/docs/edgetpu/retrain-classification-ondevice-backprop/)

 L2ノルムを備えたMobileNet v1

これは、L2正規化レイヤーおよびImprintingEngine APIと互換性があるその他の変更を含むMobileNet v1の修正バージョンです。 Edge TPU用に構築されていますが、最後に完全に接続されたレイヤーがCPUで実行され、再トレーニングが可能になります。

詳細については、「重量インプリンティングを使用したデバイス上の分類モデルの再トレーニング」を参照してください。(https://coral.withgoogle.com/docs/edgetpu/retrain-classification-ondevice/)


Coral Dev Boardは、Edge TPUコプロセッサーを搭載したシングルボードコンピューターです。 機械学習モデル用の高速なデバイス上の推論を必要とする新しいプロジェクトのプロトタイピングに最適です。

google-coral-ai-iot-products.jpg

Coral USB Acceleratorは、コンピューターのコプロセッサーとしてEdge TPUを提供するUSBデバイスです。 Linuxホストコンピューターに接続すると、機械学習モデルの推論が高速化されます。