![](https://www.pollin.at/media/d0/55/da/1713943587/leerer-kategorie-banner.jpg)
nicht mehr lieferbar
Top-Features:
- 2GB LPDDR3 RAM
- 8GB eMMC Flash Speicher (mit Mendel Linux vorinstalliert)
Produktinformationen "GOOGLE CORAL DEV BOARD MINI"
Das Google Coral Dev Board Mini ist ein low-cost Single-Board Computer (SBC) mit eingebautem Real-Time Inferenz-Modul (Deep Learning / Machine Learning, EdgeTPU)!
Benötigen Sie ein Development Board mit integrierter TPU (Tensor Processing Unit) für leistungsfähige Machine-Learning / Deep-Learning Algorithmen? Das Google Coral Dev Board Mini könnte, insbesondere falls Sie größere Stückzahlen in Ihrer Anwendung benötigen, und keine eigene Hardware designen möchten, eine kosteneffektive Wahl für Sie sein.
Das Coral Dev Board Mini integriert einen MediaTek 8167 SoC mit der Edge TPU. Damit stellt es, im Gegensatz zum Coral USB Accelerator, eine stand-alone Plattform dar, auf der Sie Ihre Anwendung komplett laufen lassen können.
Mit der Edge TPU können Tensor Flow Lite Modelle schnell und energiesparend für Inferenz genutzt werden. Ein besonderer Vorteil dieser Lösung: Ihre Daten bleiben lokal. Das hilft bei der Latenz, und natürlich beim Datenschutz! (Und entsprechend der Befolgung der relevanten Gesetze, beispielsweise der Datenschutz-Grundverordnung (DSGVO), auf Englisch GDPR genannt)
Google nutzt zunehmend künstliche Intelligenz (AI) und maschinelles Lernen (ML) um seine Dienstleistungen zu realisieren. Dazu entwickelte es für seine Rechenzentren spezialisierte Prozessoren namens TPU ("tensor processing unit"), die die Algorithmen mit dem TensorFlow Framework schneller und energiesparender ausführen können. Beispielsweise wird Google Maps durch von Street View aufgenommene Straßenschilder verbessert, die mit Hilfe eines auf TensorFlow basierenden neuronalen Netzes analysiert werden. Der Clou: TensorFlow kann einfach in Python programmiert werden.
Die Edge TPU unterstützt das TensorFlow Lite Framework. Die Edge TPU kann bis zu 4 Billionen Rechenoperationen pro Sekunde mit nur 2 W Verbrauch durchführen. TensorFlow Lite ist eine abgewandelte Variante von TensorFlow, die speziell auf den Bedarf mobiler Endgeräte und von embedded devices angepasst wurde. Viele TensorFlow Anwendungen lassen sich auch in TensorFlow Lite realisieren.
Quad-Core ARM Cortex-A35, bis zu 1.5 GHz, 64-bit ARMv8-A
Imagination PowerVR GE8300 GPU (unterstützt Vulkan 1.0)
1080p/60fps HEVC & MPEG4 decoder
2GB LPDDR3 RAM
8GB eMMC Flash Speicher (mit Mendel Linux vorinstalliert)
KONNEKTIVITÄT & SCHNITTSTELLEN Wi-Fi 5 (802.11a/b/g/n/ac, 2.4/5GHz) (MediaTek MT7658)
Bluetooth 5.0 & Bluetooth Low Energy (BLE)
1 x USB Typ-C Port (USB 2.0) für Daten, kann als Host und als Device arbeiten (OTG)
1 x USB Typ-C Port für Spannungsversorgung
3.5 mm Audiobuchse
Digitales PDM Mikrofon
2.54mm 2-pin Mono Lautsprecher Terminal
microHDMI (v1.4), unterstützt Bildschirme mit bis zu 1920x1080 Auflösung
24-pin Folienkabel (FFC) Stecker für MIPI-CSI2 Kamera (4 Lanes), unterstützt Kameras mit bis zu 8MP Auflösung
24-pin Folienkabel (FFC) Stecker für MIPI-DSI Display (4 Lanes)
microSD Slot (unterstützt max. 32GB SD Karten)
40-pin GPIO Header (3.3V Logiklevel)
GPIO I2C
UART
PWM
SPI
EDGETPU Google Edge TPU ML accelerator coprocessor
4 TOPS (int8); 2 TOPS pro Watt
an MediaTek 8167 via USB2.0 angebunden
SONSTIGES A71CH Kryptochip, unterstützt Root of Trust
ARM TrustZone (chip-to-cloud security)
Power-Taster
sowie frei programmierbarer Taster
benötigt 5 V / 2 A USB-C Netzteil
Abmessungen: 64 mm x 48 mm x 14.6 mm
Software-Unterstützung:
MENDEL LINUX Mendel Linux ist ein von Google entwickeltes Debian-Derivat, speziell für die Coral Plattform. Auf diesem Board ist ab Werk eine Version von Mendel Linux vorinstalliert, so dass Sie sofort loslegen können.
Mendel Linux nutzt Debian's upstream binary packages, um möglichst hohe Kompatibilität zu bewahren, und Sicherheitsupdates zeitnah zu ermöglichen. Es unterstützt aktuell nur die Coral Dev Boards (auch als "enterprise" oder "phanbell" bekannt) und die Coral SoM Module (System-on-Module).
TENSORFLOW LITE Das Coral Dev Board Mini unterstützt die Ausführung von (kompilierten) TensorFlow Lite Modellen auf seiner EdgeTPU.
AUTOML VISION EDGE Das Coral Dev Board Mini unterstützt AutoML Vision Edge, um Modelle für Bild-Klassifikation (image classification models) schnell zum Einsatz bringen zu können.
Downloads & Dokumentation:
DEV BOARD MINI Einstieg mit dem Dev Board Mini (englisch)
https://coral.ai/docs/dev-board-mini/get-started/
GPIO Pinout & Nutzung
https://coral.ai/docs/dev-board-mini/gpio/
Dev Board Mini aktualisieren oder Flashen
https://coral.ai/docs/dev-board-mini/reflash/
Dev Board Mini Datenblatt (PDF, englisch)
https://coral.ai/static/files/Coral-Dev-Board-Mini-datasheet.pdf
EDGETPU / INFERENZIERUNG Edge TPU inferencing overview (Tensor Flow Lite Modelle)
https://coral.ai/docs/edgetpu/inference/
TensorFlow models on the Edge TPU
https://coral.ai/docs/edgetpu/models-intro/
Libcoral API (C++)
https://coral.ai/docs/reference/cpp/
Pipeline C++ API Referenz (erlaubt Verteilung der Rechenlast über mehrere Coral TPUs)
https://coral.ai/docs/reference/cpp/pipeline/
PyCoral API (Python)
https://coral.ai/docs/reference/py/
EdgeTPU FAQ
https://coral.ai/docs/edgetpu/faq/
GEHÄUSE 3D DRUCK & SCHALTPLÄNE Dev Board Mini Gehäuse Designdateien für den 3D-Druck (STEP und STL Dateien, .ZIP)
https://storage.googleapis.com/site_and_emails_static_assets/Files/Coral-Dev-Board-Mini-case.zip
Coral Dev Board Mini Schaltpläne und Board Layout
https://github.com/google-coral/electricals/tree/master/dev_board_mini
Benötigen Sie ein Development Board mit integrierter TPU (Tensor Processing Unit) für leistungsfähige Machine-Learning / Deep-Learning Algorithmen? Das Google Coral Dev Board Mini könnte, insbesondere falls Sie größere Stückzahlen in Ihrer Anwendung benötigen, und keine eigene Hardware designen möchten, eine kosteneffektive Wahl für Sie sein.
Das Coral Dev Board Mini integriert einen MediaTek 8167 SoC mit der Edge TPU. Damit stellt es, im Gegensatz zum Coral USB Accelerator, eine stand-alone Plattform dar, auf der Sie Ihre Anwendung komplett laufen lassen können.
Mit der Edge TPU können Tensor Flow Lite Modelle schnell und energiesparend für Inferenz genutzt werden. Ein besonderer Vorteil dieser Lösung: Ihre Daten bleiben lokal. Das hilft bei der Latenz, und natürlich beim Datenschutz! (Und entsprechend der Befolgung der relevanten Gesetze, beispielsweise der Datenschutz-Grundverordnung (DSGVO), auf Englisch GDPR genannt)
Google nutzt zunehmend künstliche Intelligenz (AI) und maschinelles Lernen (ML) um seine Dienstleistungen zu realisieren. Dazu entwickelte es für seine Rechenzentren spezialisierte Prozessoren namens TPU ("tensor processing unit"), die die Algorithmen mit dem TensorFlow Framework schneller und energiesparender ausführen können. Beispielsweise wird Google Maps durch von Street View aufgenommene Straßenschilder verbessert, die mit Hilfe eines auf TensorFlow basierenden neuronalen Netzes analysiert werden. Der Clou: TensorFlow kann einfach in Python programmiert werden.
Die Edge TPU unterstützt das TensorFlow Lite Framework. Die Edge TPU kann bis zu 4 Billionen Rechenoperationen pro Sekunde mit nur 2 W Verbrauch durchführen. TensorFlow Lite ist eine abgewandelte Variante von TensorFlow, die speziell auf den Bedarf mobiler Endgeräte und von embedded devices angepasst wurde. Viele TensorFlow Anwendungen lassen sich auch in TensorFlow Lite realisieren.
Technische Daten:
- SOC & SPEICHER
Quad-Core ARM Cortex-A35, bis zu 1.5 GHz, 64-bit ARMv8-A
Imagination PowerVR GE8300 GPU (unterstützt Vulkan 1.0)
1080p/60fps HEVC & MPEG4 decoder
2GB LPDDR3 RAM
8GB eMMC Flash Speicher (mit Mendel Linux vorinstalliert)
Bluetooth 5.0 & Bluetooth Low Energy (BLE)
1 x USB Typ-C Port (USB 2.0) für Daten, kann als Host und als Device arbeiten (OTG)
1 x USB Typ-C Port für Spannungsversorgung
3.5 mm Audiobuchse
Digitales PDM Mikrofon
2.54mm 2-pin Mono Lautsprecher Terminal
microHDMI (v1.4), unterstützt Bildschirme mit bis zu 1920x1080 Auflösung
24-pin Folienkabel (FFC) Stecker für MIPI-CSI2 Kamera (4 Lanes), unterstützt Kameras mit bis zu 8MP Auflösung
24-pin Folienkabel (FFC) Stecker für MIPI-DSI Display (4 Lanes)
microSD Slot (unterstützt max. 32GB SD Karten)
40-pin GPIO Header (3.3V Logiklevel)
UART
PWM
SPI
4 TOPS (int8); 2 TOPS pro Watt
an MediaTek 8167 via USB2.0 angebunden
ARM TrustZone (chip-to-cloud security)
Power-Taster
sowie frei programmierbarer Taster
benötigt 5 V / 2 A USB-C Netzteil
Abmessungen: 64 mm x 48 mm x 14.6 mm
Software-Unterstützung:
Mendel Linux nutzt Debian's upstream binary packages, um möglichst hohe Kompatibilität zu bewahren, und Sicherheitsupdates zeitnah zu ermöglichen. Es unterstützt aktuell nur die Coral Dev Boards (auch als "enterprise" oder "phanbell" bekannt) und die Coral SoM Module (System-on-Module).
Downloads & Dokumentation:
https://coral.ai/docs/dev-board-mini/get-started/
GPIO Pinout & Nutzung
https://coral.ai/docs/dev-board-mini/gpio/
Dev Board Mini aktualisieren oder Flashen
https://coral.ai/docs/dev-board-mini/reflash/
Dev Board Mini Datenblatt (PDF, englisch)
https://coral.ai/static/files/Coral-Dev-Board-Mini-datasheet.pdf
https://coral.ai/docs/edgetpu/inference/
TensorFlow models on the Edge TPU
https://coral.ai/docs/edgetpu/models-intro/
Libcoral API (C++)
https://coral.ai/docs/reference/cpp/
Pipeline C++ API Referenz (erlaubt Verteilung der Rechenlast über mehrere Coral TPUs)
https://coral.ai/docs/reference/cpp/pipeline/
PyCoral API (Python)
https://coral.ai/docs/reference/py/
EdgeTPU FAQ
https://coral.ai/docs/edgetpu/faq/
https://storage.googleapis.com/site_and_emails_static_assets/Files/Coral-Dev-Board-Mini-case.zip
Coral Dev Board Mini Schaltpläne und Board Layout
https://github.com/google-coral/electricals/tree/master/dev_board_mini
Verfügbare Downloads