كورال إيدج TPU على راسبيري باي مع Ultralytics YOLOv8 🚀
ما هي حافة المرجان TPU?
ذا كورال إيدج TPU هو جهاز مدمج يضيف حافة TPU المعالج المساعد لنظامك. إنه يتيح استدلال ML منخفض الطاقة وعالي الأداء ل TensorFlow نماذج لايت. اقرأ المزيد في كورال إيدج TPU الصفحة الرئيسية.
تعزيز أداء نموذج راسبيري باي مع حافة المرجان TPU
يرغب العديد من الأشخاص في تشغيل نماذجهم على جهاز مضمن أو محمول مثل Raspberry Pi ، نظرا لأنها موفرة للطاقة للغاية ويمكن استخدامها في العديد من التطبيقات المختلفة. ومع ذلك ، فإن أداء الاستدلال على هذه الأجهزة عادة ما يكون ضعيفا حتى عند استخدام تنسيقات مثل onnx أو openvino. ذا كورال إيدج TPU هو حل رائع لهذه المشكلة ، حيث يمكن استخدامه مع Raspberry Pi وتسريع أداء الاستدلال بشكل كبير.
حافة TPU على راسبيري باي مع TensorFlow لايت (جديد) ⭐
الدليل الحالي من كورال حول كيفية استخدام EdgeTPU مع Raspberry Pi قديم ، و Coral Edge الحالي TPU لا تعمل إصدارات وقت التشغيل مع التيار TensorFlow إصدارات وقت التشغيل الخفيفة بعد الآن. بالإضافة إلى ذلك ، يبدو أن Google قد تخلت تماما عن مشروع Coral ، ولم تكن هناك أي تحديثات بين عامي 2021 و 2024. سيوضح لك هذا الدليل كيفية الحصول على Edge TPU العمل مع أحدث إصدارات TensorFlow وقت تشغيل خفيف وحافة مرجانية محدثة TPU وقت التشغيل على كمبيوتر Raspberry Pi أحادي اللوحة (SBC).
المتطلبات المسبقه
- Raspberry Pi 4B (يوصى بسعة 2 جيجابايت أو أكثر) أو Raspberry Pi 5 (موصى به)
- راسبيري باي OS Bullseye/Bookworm (64 بت) مع سطح المكتب (مستحسن)
- مسرع USB المرجاني
- منصة غير قائمة على ARM لتصدير Ultralytics PyTorch نموذج
إرشادات التثبيت
يفترض هذا الدليل أن لديك بالفعل تثبيت نظام تشغيل Raspberry Pi يعمل وقمت بتثبيته ultralytics
وجميع التبعيات. للحصول على ultralytics
مثبتا ، قم بزيارة دليل التشغيل السريع للحصول على الإعداد قبل المتابعة هنا.
تثبيت الحافة TPU وقت التشغيل
أولا ، نحتاج إلى تثبيت Edge TPU وقت التشغيل. هناك العديد من الإصدارات المختلفة المتاحة ، لذلك تحتاج إلى اختيار الإصدار المناسب لنظام التشغيل الخاص بك.
راسبيري باي OS | وضع التردد العالي | نسخة للتحميل |
---|---|---|
بولسي 32 بت | لا | libedgetpu1-std_ ... .bullseye_armhf.deb |
بولسي 64 بت | لا | libedgetpu1-std_ ... .bullseye_arm64.deb |
بولسي 32 بت | نعم | libedgetpu1-max_ ... .bullseye_armhf.deb |
بولسي 64 بت | نعم | libedgetpu1-max_ ... .bullseye_arm64.deb |
دودة الكتب 32 بت | لا | libedgetpu1-std_ ... .bookworm_armhf.deb |
دودة الكتب 64 بت | لا | libedgetpu1-std_ ... .bookworm_arm64.deb |
دودة الكتب 32 بت | نعم | libedgetpu1-max_ ... .bookworm_armhf.deb |
دودة الكتب 64 بت | نعم | libedgetpu1-max_ ... .bookworm_arm64.deb |
بعد تنزيل الملف ، يمكنك تثبيته بالأمر التالي:
بعد تثبيت وقت التشغيل ، تحتاج إلى توصيل Coral Edge الخاص بك TPU في منفذ USB 3.0 على Raspberry Pi. هذا لأنه ، وفقا للدليل الرسمي ، جديد udev
يجب أن تدخل القاعدة حيز التنفيذ بعد التثبيت.
مهم
إذا كان لديك بالفعل كورال إيدج TPU وقت التشغيل مثبت ، قم بإلغاء تثبيته باستخدام الأمر التالي.
تصدير النموذج الخاص بك إلى Edge TPU نموذج متوافق
لاستخدام الحافة TPU، تحتاج إلى تحويل النموذج الخاص بك إلى تنسيق متوافق. يوصى بتشغيل التصدير على Google Colab ، x86_64 جهاز Linux ، باستخدام المسؤول Ultralytics حاوية عامل الإرساء، أو باستخدام Ultralytics HUB ، منذ الحافة TPU المترجم غير متوفر على ARM. راجع وضع التصدير لمعرفة الوسيطات المتوفرة.
تصدير
سيتم حفظ النموذج الذي تم تصديره في <model_name>_saved_model/
مجلد بالاسم <model_name>_full_integer_quant_edgetpu.tflite
.
تشغيل النموذج
بعد تصدير النموذج الخاص بك ، يمكنك تشغيل الاستدلال معه باستخدام التعليمة البرمجية التالية:
تشغيل
يمكنك العثور على معلومات شاملة في صفحة التنبؤ للحصول على تفاصيل وضع التنبؤ الكاملة.
مهم
يجب عليك تشغيل النموذج باستخدام tflite-runtime
وليس tensorflow
.
لو tensorflow
مثبت ، إلغاء التثبيت tensorflow بالأمر التالي:
ثم تثبيت / تحديث tflite-runtime
:
إذا كنت تريد tflite-runtime
عجلة ل tensorflow
2.15.0 قم بتنزيله من هنا وتثبيته باستخدام pip
أو مدير الحزم الذي تختاره.