一、Edge TPU开发板介绍
Edge TPU开发板是一款搭载了Edge TPU的单板计算机,功能非常丰富。开发板分为底板跟核心板,底板包括一些常用的外设接口,而核心板是基于Google Edge TPU的模块化系统子板(核心板与底板可以分离),也就是下图中带屏蔽罩的那个SOM(system-on-module )。
Edge TPU开发板购买途径:
1、去香港买,只要1500左右
2、在京东买,太贵3500左右,请仔细辨别
3、出国买或者请求国外的朋友买
Edge TPU的性能请参看:
https://github.com/freedomtan/edge_tpu_python_scripts
二、TPU的安装使用教程
https://www.mrtbc.com/318.html
https://post.smzdm.com/p/amm02q6k/
官方系列教程(需要翻墙)
https://coral.withgoogle.com/docs/edgetpu/retrain-detection/
三、在TPU上测试TensorflowLite模型
您现在可以使用Edge TPU Python API重新训练和编译的模型。
首先将模型,标签和图像复制到开发板(假设您通过USB连接;否则,您应该根据您的主板的IP地址更改命令):
然后,您可以使用classify_image.py示例脚本执行以下步骤,具体取决于您使用的设备。
1、创建ssh并复制文件到TPU,然后试运行
ssh-keygen
mdt pushkey ~/.ssh/id_rsa.pub
2、下载可执行代码和模型
代码我已上传到github:
https://github.com/JackonLiu/TensorflowLite_TPU
模型和标签我已上传到CSDN下载:
https://download.csdn.net/user/qq_30803353/uploads
3、将文件复制到TPU根目录下的test文件夹(一定不要用中文的标点符号)
cd ../
cd mendel
mkdir test
scp -r test_data/mobilenet_v2_1.0_224_inat_bird_quant_edgetpu.tflite test_data/inat_bird_labels.txt test_data/parrot.jpg [email protected]:~/test
也可以直接将三个文件放到一个文件夹test里,复制文件夹到mendel里面
scp -r test [email protected]:~/test
4、切换到Dev Board终端并导航到demo目录并运行classify_image.py脚本:
cd /usr/lib/python3/dist-packages/edgetpu/demo/
python3 classify_image.py \
--model ~/test/mobilenet_v2_1.0_224_inat_bird_quant_edgetpu.tflite \
--label ~/test/inat_bird_labels.txt \
--image ~/test/parrot.jpg
python3 demo/object_detection.py \
--model edgetpu_models/mobilenet_ssd_v1_coco_quant_postprocess_edgetpu.tflite \ --input test_data/parrot.jpg
5、运行成功记截图
TPU跑图像分类模型
TPU跑对象检测模型