Machine Learning: Google erweitert Coral für neue Plattformen
Für das ML-Toolkit sind weitere Treiber verfügbar, und die Laufzeit-Umgebung der Edge TPU steht als Open-Source-Projekt auf GitHub.
- Rainald Menge-Sonnentag
Google hat den Softwarestack für seine Coral-Reihe ergänzt. Zum einen ist die Laufzeitumgebung für die Edge TPU (Tensor Processing Unit) nun auf GitHub zu finden und zum anderen stehen für die Modelle Mini PCIe und M.2 neuerdings Windows-Treiber bereit. Außerdem hat der Internetriese eine neue Model Pipelining API und einige Colab Notebooks veröffentlicht.
Für das Coral Dev Board und das System on Modules (SoM) ist zudem die Version 5.0 von Mendel Linux verfügbar. Letzteres basiert auf Debian, und Google hat es speziell auf Coral zugeschnitten. Darüber hinaus kündigt Google eine Partnerschaft mit dem auf Flottenmanagement spezialisierten IoT-Unternehmen Balena an. Sie soll vor allem die Aktualisierung der IoT-Endgeräte mit Machine-Learning-Funktionen vereinfachen und automatisieren.
Koralle an neuen Ufern
Die Offenlegung des Quellcodes der Edge TPU Runtime soll Coral vor allem auf neue Hardwareplattformen bringen. Das GitHub-Repository enthält neben der Laufzeitumgebung passende Skripte und Anweisungen zum Build der Library für Linux und Windows. Entwickler können sie in ihre Build-Pipelines integrieren und so automatisiert unter anderem auf dem Yocto-Projekt aufsetzende Images erstellen.
Für die Modelle Mini PCIe und M.2 existieren zudem neuerdings Treiber für Windows, auch wenn der Einsatz auf Microsofts Betriebssystem weiterhin als Beta gekennzeichnet ist. Für das Coral-Modell im USB-Formfaktor gibt es bereits seit geraumer Zeit einen Windows-Treiber.
Erweiterter Werkzeugkasten
Neben dem Betriebssystem Mendel Linux bekommt auch der Softwarestack ein paar Ergänzungen, darunter den auf Version 14.1 aktualisierten Edge TPU Compiler. Die neue Model Pipelining API soll das Aufteilen von ML-Modellen auf mehrere Edge TPUs vereinfachen. Die C++-Variante der API steht auf GitHub derzeit noch als Beta zur Verfügung.
Darüber hinaus gibt es zusätzliche, auf die Edge TPU zugeschnittene Modelle, und Data Scientists finden spezielle Colab Notebooks, unter anderem für das Umtrainieren von Klassifikationsmodellen mit TensorFlow 2 über Post-Training Quantization. Links zu weiteren Colab-Notebooks mit Tutorials finden sich in einem GitHub-Repository.
Auf Tensoroperationen spezialisiert
Google hatte Coral im März 2019 erstmals im Rahmen des TensorFlow Dev Summit vorgestellt. Nach gut sechs Monaten hat die Plattform Ende Oktober 2019 die Betaphase verlassen. Das Coral System on Module (SOM) setzt auf den Koprozessor Google Edge TPU als ML-Beschleuniger und hat als CPU einen NXP i.MX 8M SoC (System on a Chip).
(Bild: Google)
Es hat ein GByte RAM und acht GByte Flash-Speicher. Hinzu kommen ein WiFi- und ein Bluetooth-Modul. Die TPU soll bis zu vier Billionen Operationen pro Sekunde (TOPS, Tera-ops per second) verarbeiten können. Dabei ist sie auf Energieeffizienz optimiert und ist auf zwei TOPS/Watt ausgelegt.
Weitere Details zu den angekündigten Neuerungen rund um Coral lassen sich dem Google-Entwicklerblog entnehmen.
(rme)
