0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

使用TensorFlow Lite开发基于TPU的AI解决方案

星星科技指导员 来源:嵌入式计算设计 作者:Rakesh R. Nakod 2022-11-17 16:49 次阅读

如今,从个人设备到企业应用程序,人工智能已经无处不在,您随处可见。随着物联网的出现,对数据隐私、低功耗、低延迟和带宽限制的需求不断增长,越来越多地推动人工智能模型在边缘而不是云端运行。

在此开始时,谷歌推出了Edge TPU,也称为Coral TPU,这是其专门构建的ASIC,用于在边缘运行AI。它旨在提供出色的性能,同时占用最小的空间和功耗。

当我们训练 AI 模型时,我们最终会得到具有高存储要求和 GPU 处理能力的 AI 模型。我们无法在内存和处理占用空间不足的设备上执行它们。TensorFlow Lite 在这种情况下很有用。TensorFlow Lite 是一个开源深度学习框架,在边缘 TPU 上运行,允许在设备上进行推理和 AI 模型执行。另请注意,TensorFlow Lite仅用于在边缘执行推理,而不是用于训练模型。为了训练AI模型,我们必须使用TensorFlow。

结合边缘TPU和TensorFlow Lite

当我们谈论在边缘 TPU 上部署 AI 模型时,我们无法部署任何 AI 模型。

Edge TPU 支持 NN(神经网络)操作和设计,以低功耗实现高速神经网络性能。除了特定的网络,它只支持边缘TPU的8位量化和编译的TensorFlow Lite模型。

为了快速总结,TensorFlow Lite是专为移动和嵌入式设备设计的TensorFlow的轻量级版本。它以较小的存储大小实现了低延迟结果。有一个TensorFlow Lite转换器,允许将基于TensorFlow的AI模型文件(。 pb)转换为TensorFlow Lite文件(.tflite)。下面是在边缘 TPU 上部署应用程序的标准工作流。

pYYBAGN19cCAIH5pAABqMkes5F8574.png

边缘 TPU 上的应用程序部署

让我们看一些有趣的实际应用程序,这些应用程序可以在边缘TPU上使用TensorFlow Lite构建。

人体检测和计数

该解决方案具有许多实际应用,尤其是在商场,零售,政府办公室,银行和企业中。人们可能想知道检测和计算人类可以做些什么。数据现在具有时间和金钱的价值。让我们看看如何使用人类检测和计数的见解。

估计客流量:对于零售业来说,这很重要,因为它可以了解他们的商店是否经营良好。他们的展示是否吸引了顾客进入商店。它还帮助他们了解是否需要增加或减少支持人员。对于其他组织,它们有助于为人们采取足够的安全措施。

人群分析和队列管理:对于政府机关和企业来说,通过人工检测和计数进行队列管理有助于他们管理更长的队列并节省人们的时间。研究队列可以归因于个人和组织的绩效。人群检测可以帮助分析紧急情况、安全事件等的人群警报,并采取适当的措施。此类解决方案在边缘部署时可提供最佳结果,因为可以接近实时地采取所需的操作。

基于年龄和性别的定向广告。

该解决方案主要在零售和广告行业具有实际应用。想象一下,你走向展示女鞋广告的广告显示屏,然后广告突然变成了男鞋广告,因为它确定你是男性。有针对性的广告可以帮助零售商和制造商更好地定位他们的产品,并建立正常人在忙碌的生活中永远看不到的品牌知名度。

这不能仅限于广告,年龄和性别检测还可以通过管理零售店的适当支持人员、人们喜欢访问您的商店、企业的年龄和性别等来帮助企业快速做出决定。如果你非常迅速地确定和行动,所有这些都会更加强大和有效。因此,更重要的是,在Edge TPU上拥有此解决方案的原因。

人脸识别

第一个人脸识别系统建于1970年,迄今为止仍在开发中,变得更加强大和有效。在边缘进行人脸识别的主要优点是实时识别。另一个优点是在边缘进行人脸加密和特征提取,只需将加密和提取的数据发送到云端进行匹配,从而保护人脸图像的 PII 级隐私(因为您不会将人脸图像保存在边缘和云上)并遵守严格的隐私法。

Edge TPU与TensorFlow Lite框架相结合,开启了多个边缘AI应用机会。由于该框架是开源的,开源软件(OSS)社区也支持它,使其在机器学习用例中更加受欢迎。TensorFlow Lite的整体平台增强了嵌入式和物联网设备边缘应用程序的增长环境。

审核编辑:郭婷

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • AI
    AI
    +关注

    关注

    87

    文章

    29785

    浏览量

    268074
  • 深度学习
    +关注

    关注

    73

    文章

    5463

    浏览量

    120881
收藏 人收藏

    评论

    相关推荐

    CORAL-EDGE-TPU:珊瑚开发TPU

    ,用户可以使用SOM与使用板对板连接器的定制基板快速从原型设计转向生产。Edge TPU的主要优点:高速TensorFlow Lite推理在Linux上运行的SoC + ML +连接低电量占地面积小技术
    发表于 05-29 10:43

    如何使用i.MX RT1060跨接MCU通过TensorFlow Lite实施数字识别

    获得了Google的出色在线文档,学习资源,指南和示例。为了使受计算限制的机器(例如移动设备和嵌入式解决方案)能够运行TensorFlow应用程序,Google开发TensorFlow
    发表于 09-29 09:40

    导出Pb文件时报错AttributeError: module 'tensorflow.contrib.tpu' has no attribute 'outside_compilation'

    AttributeError: module 'tensorflow.contrib.tpu' has no attribute 'outside_compilation'
    发表于 06-21 10:02

    RK3399开发AI人工智能深度学习之TensorFlow 测试

    硬件平台:迅为-RK3399开发板 系统:ubuntu项目:TensorFlow 测试 配套资料在网盘资料的“iTOP-3399 开发资料汇总(不含光盘内容)\08_iTOP-3399 开发
    发表于 05-13 15:41

    tensorflow lite上的未定义引用是怎么回事?

    我在 LPC55S69 上构建了一个 cifar-10 tensorflow lite 项目,在那里我得到了很多与 TensorFlow lite 相关的未定义引用。在附件里(请用no
    发表于 04-04 08:09

    是什么导致TensorFlow Lite的NNAPI Delegate被弃用?

    在i.MX Machine Learning User\'s Guide LF5.15.5-1.0.0中,我发现了如下release note语句:TensorFlow Lite 的 NNAPI
    发表于 04-07 10:25

    tensorflow-lite可以通过NPU加速运行吗?

    你能帮我确定构建/安装所需的最小包,以便 tensorflow-lite 可以通过 NPU 加速运行吗?我知道 NPX 将它捆绑为 packagegroup-imx-ml - 但它包含的内容远远
    发表于 04-14 08:17

    如何使用meta-imx层中提供的tensorflow-lite编译图像?

    我们正在尝试使用 meta-imx 层中提供的 tensorflow-lite 编译图像。我们没有任何 自定义更改/bbappends (Highlight to read)sources
    发表于 05-29 06:55

    TensorFlow LiteTensorFlow针对移动和嵌入式设备的轻量级解决方案

    TensorFlow Lite 目前处于开发人员预览阶段,因此可能不支持 TensorFlow 模型中的所有操作。但是它支持常见的图像分类模型,包括 Inception 和 Mobil
    的头像 发表于 07-31 15:37 2.6w次阅读
    <b class='flag-5'>TensorFlow</b> <b class='flag-5'>Lite</b>是<b class='flag-5'>TensorFlow</b>针对移动和嵌入式设备的轻量级<b class='flag-5'>解决方案</b>

    TensorFlow Lite 微控制器

    TensorFlow Lite for Microcontrollers 是 TensorFlow Lite 的一个实验性移植版本,它适用于微控制器和其他一些仅有数千字节内存的设备。
    的头像 发表于 08-05 10:11 5w次阅读
    <b class='flag-5'>TensorFlow</b> <b class='flag-5'>Lite</b> 微控制器

    TensorFlow Lite 构建的无人驾驶微型汽车

    今天在 Tensorflow公号看到推文Pixelopolis:由 TensorFlow Lite 构建无人驾驶微型汽车 ,作者介绍了他们在今年Google I/O大会上展示的TensorFlot
    的头像 发表于 10-19 11:27 2087次阅读
     <b class='flag-5'>TensorFlow</b> <b class='flag-5'>Lite</b> 构建的无人驾驶微型汽车

    TensorFlow Lite构建无人驾驶微型汽车,可感应车道、读取交通标志

    Pixelopolis 是一套由 TensorFlow Lite 构建的无人驾驶微型汽车。每辆微型汽车都装配有一部 Pixel 手机,使用手机上的摄像头检测和理解周围的信号。手机使用了Pixel Neural Core 芯片(Edge
    的头像 发表于 10-21 10:44 7938次阅读
    由<b class='flag-5'>TensorFlow</b> <b class='flag-5'>Lite</b>构建无人驾驶微型汽车,可感应车道、读取交通标志

    Python的PyCoral迎来多项更新,为边缘AI注入更多精彩

    TensorFlow Lite 和 Edge TPU,支持您构建高效、私密、快速和离线的产品。 TensorFlow Lite 和 Edg
    的头像 发表于 11-26 09:47 2348次阅读

    Tensorflow Lite 使用与优化

    Tensorflow Lite 的基本框架如上。数据存储的结构是Flatbuffer。执行上次结构支持Keras 和Estimator和Legacy等等。而下层支持NN API、GP...
    发表于 01-25 17:48 2次下载
    <b class='flag-5'>Tensorflow</b> <b class='flag-5'>Lite</b> 使用与优化

    使用TensorFlow Lite设计基于TPUAI解决方案

      这不仅限于广告,年龄和性别检测还可以通过管理零售店的适当支持人员,人们更喜欢访问您的商店,企业的年龄和性别等来帮助企业快速做出决定。所有这些都更强大,更如果您很快确定并采取行动,则有效。因此,更有理由在 Edge TPU 上使用此解决方案
    的头像 发表于 08-16 11:44 904次阅读
    使用<b class='flag-5'>TensorFlow</b> <b class='flag-5'>Lite</b>设计基于<b class='flag-5'>TPU</b>的<b class='flag-5'>AI</b><b class='flag-5'>解决方案</b>