Cạnh san hô TPU trên Raspberry Pi với Ultralytics YOLOv8 🚀
Coral Edge là gì TPU?
Rìa san hô TPU là một thiết bị nhỏ gọn có thêm Edge TPU đồng xử lý với hệ thống của bạn. Nó cho phép suy luận ML năng lượng thấp, hiệu suất cao cho TensorFlow Mô hình Lite. Đọc thêm tại Cạnh san hô TPU trang chủ.
Tăng hiệu suất mô hình Raspberry Pi với Coral Edge TPU
Nhiều người muốn chạy mô hình của họ trên thiết bị nhúng hoặc thiết bị di động như Raspberry Pi, vì chúng rất tiết kiệm năng lượng và có thể được sử dụng trong nhiều ứng dụng khác nhau. Tuy nhiên, hiệu suất suy luận trên các thiết bị này thường kém ngay cả khi sử dụng các định dạng như onnx hoặc openvino. Rìa san hô TPU là một giải pháp tuyệt vời cho vấn đề này, vì nó có thể được sử dụng với Raspberry Pi và tăng tốc hiệu suất suy luận rất nhiều.
Cạnh TPU trên Raspberry Pi với TensorFlow Lite (Mới) ⭐
Hướng dẫn hiện có của Coral về cách sử dụng EdgeTPU với Raspberry Pi đã lỗi thời và Coral Edge hiện tại TPU Bản dựng thời gian chạy không hoạt động với hiện tại TensorFlow Phiên bản thời gian chạy Lite nữa. Thêm vào đó, Google dường như đã từ bỏ hoàn toàn dự án Coral và không có bất kỳ bản cập nhật nào từ năm 2021 đến năm 2024. Hướng dẫn này sẽ chỉ cho bạn cách lấy Edge TPU Làm việc với các phiên bản mới nhất của TensorFlow Thời gian chạy Lite và Coral Edge được cập nhật TPU thời gian chạy trên máy tính bảng đơn Raspberry Pi (SBC).
Điều kiện tiên quyết
- Raspberry Pi 4B (khuyến nghị 2GB trở lên) hoặc Raspberry Pi 5 (Khuyến nghị)
- Hệ điều hành Raspberry Pi Bullseye / Bookworm (64-bit) với máy tính để bàn (Khuyến nghị)
- Máy gia tốc USB san hô
- Một nền tảng không dựa trên ARM để xuất một Ultralytics PyTorch mẫu
Hướng dẫn cài đặt
Hướng dẫn này giả định rằng bạn đã cài đặt hệ điều hành Raspberry Pi đang hoạt động và đã cài đặt ultralytics
và tất cả các phụ thuộc. Để có được ultralytics
đã cài đặt, hãy truy cập Hướng dẫn bắt đầu nhanh để thiết lập trước khi tiếp tục tại đây.
Cài đặt Edge TPU Runtime
Đầu tiên, chúng ta cần cài đặt Edge TPU Runtime. Có rất nhiều phiên bản khác nhau có sẵn, vì vậy bạn cần chọn phiên bản phù hợp với hệ điều hành của mình.
Hệ điều hành Raspberry Pi | Chế độ tần số cao | Phiên bản để tải xuống |
---|---|---|
Mắt bò 32bit | Không | libedgetpu1-std_ ... .bullseye_armhf.deb |
Mắt bò 64bit | Không | libedgetpu1-std_ ... .bullseye_arm64.deb |
Mắt bò 32bit | Có | libedgetpu1-max_ ... .bullseye_armhf.deb |
Mắt bò 64bit | Có | libedgetpu1-max_ ... .bullseye_arm64.deb |
Mọt sách 32bit | Không | libedgetpu1-std_ ... .bookworm_armhf.deb |
Mọt sách 64bit | Không | libedgetpu1-std_ ... .bookworm_arm64.deb |
Mọt sách 32bit | Có | libedgetpu1-max_ ... .bookworm_armhf.deb |
Mọt sách 64bit | Có | libedgetpu1-max_ ... .bookworm_arm64.deb |
Tải xuống phiên bản mới nhất từ đây.
Sau khi tải xuống tệp, bạn có thể cài đặt nó bằng lệnh sau:
Sau khi cài đặt thời gian chạy, bạn cần cắm Coral Edge của mình TPU vào cổng USB 3.0 trên Raspberry Pi của bạn. Điều này là do, theo hướng dẫn chính thức, một mới udev
Quy tắc cần có hiệu lực sau khi cài đặt.
Quan trọng
Nếu bạn đã có Coral Edge TPU thời gian chạy được cài đặt, gỡ cài đặt nó bằng lệnh sau.
Xuất mô hình của bạn sang Edge TPU Mô hình tương thích
Để sử dụng Edge TPU, bạn cần chuyển đổi mô hình của mình sang định dạng tương thích. Chúng tôi khuyên bạn nên chạy xuất trên Google Colab, x86_64 máy Linux, sử dụng chính thức Ultralytics Bộ chứa Docker, hoặc sử dụng Ultralytics HUB, kể từ Edge TPU trình biên dịch không có sẵn trên ARM. Xem Chế độ xuất để biết các đối số có sẵn.
Xuất khẩu
Mô hình đã xuất sẽ được lưu trong <model_name>_saved_model/
thư mục có tên <model_name>_full_integer_quant_edgetpu.tflite
.
Chạy mô hình
Sau khi xuất mô hình của bạn, bạn có thể chạy suy luận với nó bằng cách sử dụng mã sau:
Chạy
Tìm thông tin toàn diện trên trang Dự đoán để biết chi tiết đầy đủ về chế độ dự đoán.
Quan trọng
Bạn nên chạy mô hình bằng cách sử dụng tflite-runtime
và không tensorflow
.
Nếu tensorflow
được cài đặt, gỡ cài đặt tensorflow với lệnh sau:
Sau đó cài đặt / cập nhật tflite-runtime
:
Nếu bạn muốn một tflite-runtime
bánh xe cho tensorflow
2.15.0 Tải xuống từ Ở đây và cài đặt nó bằng cách sử dụng pip
hoặc trình quản lý gói bạn chọn.