Machine learning op een Raspberry Pi — het klinkt als iets dat pas over een paar jaar haalbaar is. Maar dat moment is er al. De Coral USB Accelerator van Google maakt het mogelijk om getrainde ML-modellen lokaal uit te voeren, zonder internetverbinding, zonder cloud en met een verwerkingssnelheid die een Raspberry Pi alleen nooit zou kunnen halen.
Wat is de Coral USB Accelerator?
De Coral USB Accelerator is een USB-accessoire dat een Edge TPU bevat — een chip van Google speciaal voor machine learning inferentie. Inferentie is het toepassen van een al getraind model op nieuwe data, niet het trainen zelf.
| Specificatie | Waarde |
|---|---|
| Verwerkingssnelheid | 4 TOPS (tera operations per second) |
| Energieverbruik | 2 W bij USB |
| Verbinding | USB 3.0 (ook bruikbaar via USB 2.0) |
| Compatibel met | Raspberry Pi, Linux x86, macOS, Windows |
Wat is het verschil met inferentie op de CPU?
Een Raspberry Pi 4 kan TensorFlow Lite-modellen uitvoeren op de CPU, maar bij complexere modellen — beeldclassificatie, objectdetectie, gezichtsherkenning — lopen inferentietijden op tot 500 ms of meer. De Coral verplaatst die berekeningen naar de Edge TPU: voor geoptimaliseerde modellen daalt de inferentietijd naar enkele milliseconden — het verschil tussen nauwelijks real-time en 30 frames per seconde.
Wat kun je er in de praktijk mee doen?
- Beeldclassificatie — een camera herkent objecten, afwijkingen of dieren in real-time, zonder externe server.
- Objectdetectie — aanwezigheidsdetectie, telcamera's, bewakingssystemen.
- Trefwoordherkenning — geluidsclassificatie en wake-word detectie lokaal uitvoeren.
- Anomaliedetectie — sensordata analyseren op afwijkingen voor predictief onderhoud.
Beperkingen
- Alleen TensorFlow Lite, gecompileerd voor de Edge TPU. Grote modellen worden gedeeltelijk op de Edge TPU en gedeeltelijk op de CPU uitgevoerd.
- Inferentie, geen training. Uitsluitend bedoeld voor het uitvoeren van modellen.
- Modelgrootte beperkt. De Edge TPU heeft 8 MB on-chip SRAM.
Aan de slag
Google en Coral bieden voorgetrainde modellen die direct werken met de Edge TPU: MobileNet, EfficientDet, PoseNet en meer. De PyCoral-bibliotheek geeft toegang vanuit Python, met voorbeeldscripts die direct te gebruiken zijn.
Stel je vraag