今回はCoralが作ったTPUをRaspberry pi4から動かせるまでの手順を紹介したいと思います。よろしくお願いします。

Coral USB Accelerator?

Coral USB AcceleratorはGoogleのEdge TPUを搭載し、Raspberry PiなどのDebian系のLinuxシステムで機械学習を利用できるようになる外部演算装置です。

自分のリソースの一部をCoral USB Acceleratorに外注し、ハードウェアスペックが低いデイバスでも機械学習のアプリケーションを構築できます。

自分が一番よいところはGoogleの学習済みのModleをそのまま使用することができるところです。

Support OS

Linux Debian 10, or a derivative thereof (such as Ubuntu 18.04)
- architecture of either x86-64, Armv7 (32-bit), or
- Armv8 (64-bit) (Raspberry Pi is supported
macOS 10.15 (Catalina) or 11 (Big Sur), with either MacPorts or Homebrew installed
Windows 10
One available USB port (for the best performance, use a USB 3.0 port)
Python 3.6-3.9

Expand File System

まずFile systemを拡張します。

sudo raspi-config

Advanced Optionsを選びます。

次はA1 Expand Filesystemを選び、Raspberryを再起動します。

ライブリインストール

次はLibraryをInstallします。

Response

$ echo “deb https://packages.cloud.google.com/apt coral-edgetpu-stable main” | sudo tee /etc/apt/sources.list.d/coral-edgetpu.list

$ curl https://packages.cloud.google.com/apt/doc/apt-key.gpg | sudo apt-key add –
$ sudo apt-get update

Install

sudo apt-get install libedgetpu1-std

Library Install

sudo apt-get install python3-pycoral

Run Model

Download the Example

mkdir coral && cd coral
git clone https://github.com/google-coral/pycoral.git
cd pycoral

Download the model

bash examples/install_requirements.sh classify_image.py

Test the Model

python3 examples/classify_image.py \
–model test_data/mobilenet_v2_1.0_224_inat_bird_quant_edgetpu.tflite \
–labels test_data/inat_bird_labels.txt \
—input test_data/parrot.jpg

Result

結果からみますと最初の一回目はTPU MemoryにModelを読み込ませるので11.8msかかりましたが、二回目からは3ms以内になります。

—-INFERENCE TIME—-
Note: The first inference on Edge TPU is slow because it includes loading the model into Edge TPU memory.
11.8ms
3.0ms
2.8ms
2.9ms
2.9ms
——-RESULTS——–
Ara macao (Scarlet Macaw): 0.75781