Diese Präsentation wurde erfolgreich gemeldet.
Wir verwenden Ihre LinkedIn Profilangaben und Informationen zu Ihren Aktivitäten, um Anzeigen zu personalisieren und Ihnen relevantere Inhalte anzuzeigen. Sie können Ihre Anzeigeneinstellungen jederzeit ändern.

Ai edge hardware_mu_20190710

729 Aufrufe

Veröffentlicht am

夏のAI EdgeハードウェアMeetup in 福岡用資料です。

Veröffentlicht in: Ingenieurwesen
  • Als Erste(r) kommentieren

Ai edge hardware_mu_20190710

  1. 1. LANDA Inc.
  2. 2. LANDA Inc.
  3. 3. Edge / Inference GCP Architecture / service
  4. 4. - Jetson Nano + Coral USB Accelerator + c922 - TFLite (Keras / 2 class) > Jetson Nano - TFLite (TensorFlow Object Detection API / 35 class) > Edge TPU - KMeans (scikit-learn) > Jetson Nano
  5. 5. LANDA Inc. TFLite TFLite tensorflow.keras model Object Detection Model K-means scikit-learn
  6. 6. w1024 * h576 Keras - TFLite(on Jetson Nano) (w160*h90) 40msec OD - TFLite(on Edge TPU) 13msec KMeans(on Jetson Nano) (w50*h50, center box) 160msec Total 337msec
  7. 7. Parameter data caching
  8. 8. Python API - Edge TPU
  9. 9. Monitoring tool - Jetson Nano 1. tegrastats 2. jetson-stats - https://github.com/rbonghi/jetson_stats sudo -H pip install jetson-stats sudo jtop
  10. 10. What is a best practice to inference on Edge AI?
  11. 11. What is a best practice to inference on Edge AI? or +
  12. 12. What is a best practice to inference on Edge AI?

×