Coral Edge TPU на Raspberry Pi с Ultralytics YOLOv8 🚀.
Что такое коралловый край TPU?
Coral Edge TPU - это компактное устройство, которое добавляет в твою систему сопроцессор Edge TPU . Он обеспечивает маломощные и высокопроизводительные ML-инференции для моделей TensorFlow Lite. Подробнее читай на домашней странице Coral Edge TPU .
Увеличь производительность модели Raspberry Pi с помощью Coral Edge TPU
Многие хотят запускать свои модели на встраиваемых или мобильных устройствах, таких как Raspberry Pi, поскольку они очень энергоэффективны и могут использоваться в самых разных приложениях. Однако производительность вычислений на таких устройствах обычно оставляет желать лучшего даже при использовании таких форматов, как onnx или openvino. Coral Edge TPU - отличное решение этой проблемы, поскольку его можно использовать с Raspberry Pi и значительно ускорить производительность вычислений.
Edge TPU на Raspberry Pi с помощью TensorFlow Lite (New)⭐.
Существующее руководство Coral по использованию Edge TPU с Raspberry Pi устарело, а текущие сборки Coral Edge TPU больше не работают с текущими версиями TensorFlow Lite runtime. Кроме того, Google, похоже, полностью забросил проект Coral, и в период с 2021 по 2024 год не было ни одного обновления. В этом руководстве ты узнаешь, как заставить Edge TPU работать с последними версиями среды выполнения TensorFlow Lite и обновленной средой выполнения Coral Edge TPU на одноплатном компьютере Raspberry Pi (SBC).
Пререквизиты
- Raspberry Pi 4B (рекомендуется 2 Гб или больше) или Raspberry Pi 5 (рекомендуется).
- Raspberry Pi OS Bullseye/Bookworm (64-bit) с рабочим столом (рекомендуется)
- Коралловый USB-ускоритель
- Платформа на базе неARM для экспорта модели Ultralytics PyTorch
Прогулка по установке
Это руководство предполагает, что у тебя уже есть рабочая установка ОС Raspberry Pi и ты установил ultralytics
и всех зависимостей. Чтобы получить ultralytics
Установленный, посетите краткое руководство чтобы настроить его, прежде чем продолжить здесь.
Установка среды выполнения Edge TPU
Во-первых, нам нужно установить среду выполнения Edge TPU . Существует множество различных версий, поэтому тебе нужно выбрать подходящую версию для своей операционной системы.
Raspberry Pi OS | Высокочастотный режим | Версия для скачивания |
---|---|---|
Бычий глаз 32bit | Нет | libedgetpu1-std_ ... .bullseye_armhf.deb |
Бычий глаз 64bit | Нет | libedgetpu1-std_ ... .bullseye_arm64.deb |
Бычий глаз 32bit | Да | libedgetpu1-max_ ... .bullseye_armhf.deb |
Бычий глаз 64bit | Да | libedgetpu1-max_ ... .bullseye_arm64.deb |
Книжный червь 32bit | Нет | libedgetpu1-std_ ... .bookworm_armhf.deb |
Книжный червь 64bit | Нет | libedgetpu1-std_ ... .bookworm_arm64.deb |
Книжный червь 32bit | Да | libedgetpu1-max_ ... .bookworm_armhf.deb |
Книжный червь 64bit | Да | libedgetpu1-max_ ... .bookworm_arm64.deb |
Скачай последнюю версию отсюда.
Скачав файл, ты можешь установить его с помощью следующей команды:
После установки среды исполнения тебе нужно подключить Coral Edge TPU к порту USB 3.0 на твоей Raspberry Pi. Это связано с тем, что, согласно официальному руководству, новый udev
Правило должно вступить в силу после установки.
Важно
Если у тебя уже установлена среда выполнения Coral Edge TPU , удали ее с помощью следующей команды.
Экспортируй свою модель в модель, совместимую с Edge TPU .
Чтобы использовать Edge TPU, тебе нужно преобразовать свою модель в совместимый формат. Рекомендуется запускать экспорт на Google Colab, Linux-машине x86_64, используя официальный контейнерUltralytics Docker, или с помощью Ultralytics HUB, так как компилятор Edge TPU недоступен на ARM. Доступные аргументы смотри в разделе " Режим экспорта ".
Экспорт
Экспортированная модель будет сохранена в <model_name>_saved_model/
папку с именем <model_name>_full_integer_quant_edgetpu.tflite
.
Запуск модели
После того как ты экспортировал свою модель, ты можешь запустить с ней вывод, используя следующий код:
Бег
Полную информацию о режиме предсказания ты найдешь на странице Predict.
Важно
Тебе следует запустить модель, используя tflite-runtime
и не tensorflow
.
Если tensorflow
установлен, удали tensorflow с помощью следующей команды:
Затем установи/обнови tflite-runtime
:
Если ты хочешь tflite-runtime
Колесо для tensorflow
2.15.0 скачать с здесь и установи его с помощью pip
или твой менеджер пакетов на выбор.