在树莓派上使用 Coral Edge TPU 运行 Ultralytics YOLO11 🚀

什么是 Coral Edge TPU？

Coral Edge TPU 是一款紧凑型设备，可为您的系统添加 Edge TPU 协处理器。它支持针对 TensorFlow Lite 模型的低功耗、高性能 ML 推理。请访问 Coral Edge TPU 主页了解更多信息。

观看： 如何使用 Google Coral Edge TPU 在 Raspberry Pi 上运行推理

使用 Coral Edge TPU 提升 Raspberry Pi 型号的性能

许多人希望在嵌入式或移动设备（如 Raspberry Pi）上运行他们的模型，因为它们非常节能，并且可以用于许多不同的应用。但是，即使使用 ONNX 或 OpenVINO 等格式，这些设备上的推理性能通常也很差。Coral Edge TPU 是解决此问题的一个很好的方案，因为它可以与 Raspberry Pi 结合使用，并大大提高推理性能。

带有 TensorFlow Lite 的树莓派上的 Edge TPU（新）⭐

Coral 提供的关于如何将 Edge TPU 与 Raspberry Pi 配合使用的现有指南已过时，并且当前的 Coral Edge TPU 运行时版本不再适用于当前的 TensorFlow Lite 运行时版本。除此之外，Google 似乎已经完全放弃了 Coral 项目，并且在 2021 年到 2025 年之间没有任何更新。本指南将向您展示如何在 Raspberry Pi 单板计算机 (SBC) 上使用最新版本的 TensorFlow Lite 运行时和更新的 Coral Edge TPU 运行时来使 Edge TPU 正常工作。

准备工作

• Raspberry Pi 4B（建议 2GB 或更多）或 Raspberry Pi 5（推荐）
• 带有桌面的 Raspberry Pi OS Bullseye/Bookworm (64 位)（推荐）
• Coral USB 加速器
• 用于导出 Ultralytics PyTorch 模型的非基于 ARM 的平台

安装步骤详解

本指南假定您已经安装了可用的 Raspberry Pi OS。 ultralytics 以及所有依赖项。要获取 ultralytics 已安装，请访问 快速入门指南 以便在此处继续操作之前进行设置。

安装 Edge TPU 运行时

首先，我们需要安装 Edge TPU 运行时。有许多不同的版本可用，因此您需要为您的操作系统选择正确的版本。 高频版本以更高的时钟速度运行 Edge TPU，从而提高性能。但是，这可能会导致 Edge TPU 热节流，因此建议安装某种冷却机制。

从此处下载最新版本。

下载文件后，您可以使用以下命令安装它：

sudo dpkg -i path/to/package.deb

安装运行时后，您需要将 Coral Edge TPU 插入 Raspberry Pi 上的 USB 3.0 端口。这是因为，根据官方指南，新的 udev 规则需要在安装后生效。

# If you installed the standard version
sudo apt remove libedgetpu1-std

# If you installed the high frequency version
sudo apt remove libedgetpu1-max

导出到 Edge TPU

要使用 Edge TPU，您需要将模型转换为兼容的格式。建议您在 Google Colab、x86_64 Linux 机器上，使用官方的 Ultralytics Docker 容器，或使用 Ultralytics HUB 运行导出，因为 Edge TPU 编译器在 ARM 上不可用。有关可用参数，请参阅导出模式。

from ultralytics import YOLO

# Load a model
model = YOLO("path/to/model.pt")  # Load an official model or custom model

# Export the model
model.export(format="edgetpu")

yolo export model=path/to/model.pt format=edgetpu # Export an official model or custom model

导出的模型将保存在 <model_name>_saved_model/ 名称为 <model_name>_full_integer_quant_edgetpu.tflite。重要的是，您的模型以该后缀结尾 _edgetpu.tflite，否则 Ultralytics 不知道您正在使用 Edge TPU 模型。

运行模型

在实际运行模型之前，您需要安装正确的库。

可视化参数： tensorflow 已安装，请使用以下命令卸载 TensorFlow：

pip uninstall tensorflow tensorflow-aarch64

然后安装/更新 tflite-runtime:

pip install -U tflite-runtime

现在您可以使用以下代码运行推理：

from ultralytics import YOLO

# Load a model
model = YOLO("path/to/<model_name>_full_integer_quant_edgetpu.tflite")  # Load an official model or custom model

# Run Prediction
model.predict("path/to/source.png")

yolo predict model=path/to/MODEL_NAME_full_integer_quant_edgetpu.tflite source=path/to/source.png # Load an official model or custom model

有关完整预测模式的详细信息，请访问预测页面，获取全面信息。

from ultralytics import YOLO

# Load a model
model = YOLO("path/to/<model_name>_full_integer_quant_edgetpu.tflite")  # Load an official model or custom model

# Run Prediction
model.predict("path/to/source.png")  # Inference defaults to the first TPU

model.predict("path/to/source.png", device="tpu:0")  # Select the first TPU

model.predict("path/to/source.png", device="tpu:1")  # Select the second TPU

基准测试

常见问题

什么是 Coral Edge TPU？它如何通过 Ultralytics YOLO11 提升 Raspberry Pi 的性能？

Coral Edge TPU 是一款紧凑型设备，旨在为您的系统添加 Edge TPU 协处理器。该协处理器支持低功耗、高性能的机器学习推理，尤其针对 TensorFlow Lite 模型进行了优化。当使用 Raspberry Pi 时，Edge TPU 可加速 ML 模型推理，从而显著提高性能，尤其对于 Ultralytics YOLO11 模型。您可以在其主页上阅读有关 Coral Edge TPU 的更多信息。

如何在 Raspberry Pi 上安装 Coral Edge TPU 运行时？

要在 Raspberry Pi 上安装 Coral Edge TPU 运行时，请下载相应的 .deb 适用于您的 Raspberry Pi 操作系统版本的软件包，来自 此链接。下载完成后，使用以下命令安装它：

sudo dpkg -i path/to/package.deb

请务必按照安装步骤部分中概述的步骤卸载之前所有 Coral Edge TPU 运行时版本。

是否可以导出我的 Ultralytics YOLO11 模型以与 Coral Edge TPU 兼容？

是的，您可以导出您的 Ultralytics YOLO11 模型，使其与 Coral Edge TPU 兼容。建议在 Google Colab、x86_64 Linux 机器上或使用 Ultralytics Docker 容器 执行导出。您还可以使用 Ultralytics HUB 进行导出。以下是如何使用 python 和 CLI 导出您的模型：

from ultralytics import YOLO

# Load a model
model = YOLO("path/to/model.pt")  # Load an official model or custom model

# Export the model
model.export(format="edgetpu")

yolo export model=path/to/model.pt format=edgetpu # Export an official model or custom model

更多信息，请参考导出模式文档。

如果我的 Raspberry Pi 上已经安装了 TensorFlow，但我想使用 tflite-runtime，我该怎么办？

如果您的 Raspberry Pi 上安装了 TensorFlow，并且需要切换到 tflite-runtime，您需要先卸载 TensorFlow，使用命令：

pip uninstall tensorflow tensorflow-aarch64

然后，安装或更新 tflite-runtime 使用以下命令：

pip install -U tflite-runtime

有关详细说明，请参阅运行模型部分。

如何在 Raspberry Pi 上使用 Coral Edge TPU 运行导出的 YOLO11 模型的推理？

将您的 YOLO11 模型导出为 Edge TPU 兼容格式后，您可以使用以下代码片段运行推理：

from ultralytics import YOLO

# Load a model
model = YOLO("path/to/edgetpu_model.tflite")  # Load an official model or custom model

# Run Prediction
model.predict("path/to/source.png")

yolo predict model=path/to/edgetpu_model.tflite source=path/to/source.png # Load an official model or custom model

关于完整预测模式功能的详细信息，请访问预测页面。

📅 创建于 1 年前 ✏️ 更新于 5 个月前

评论