microHDMI (v1.4), unterstützt Bildschirme mit bis zu 1920x1080 Auflösung
1 x USB Typ-C Port (USB 2.0) für Daten, kann als Host und als Device arbeiten (OTG)
1 x USB Typ-C Port für Spannungsversorgung
3.5 mm Audiobuchse
Digitales PDM Mikrofon
2,54 mm 2-pin Mono Lautsprecher Terminal
24-Pin Folienkabel (FFC) Stecker für MIPI-CSI2 Kamera (4 Lanes), unterstützt Kameras mit bis zu 8 MP Auflösung
24-Pin Folienkabel (FFC) Stecker für MIPI-DSI Display (4 Lanes)
microSD-Slot (unterstützt max. 32GB SD-Karten)
40-pin GPIO Header (3.3 V Logiklevel)
Produkt-Art
Single-Board-Computer
Modell
Google Coral Dev Board Mini
Prozessor-Kerne (Anzahl)
4 x
2 GB
Taktfrequenz
1.5 GHz
Anschlüsse extern
HDMI™
USB-C® (Strom)
3,5 mm Klinke
microSD
WLAN
b/g/n/ac
Bluetooth® Version
5.0
Länge
64 mm
Breite
48 mm
Varianten(Alle Angaben sind zzgl. gesetzl. MwSt., zzgl. Versand)
Arbeitsspeicherkapazität
Modell
Google Coral DEV Board Mini Google Coral Dev Board Mini 2 GB 4 x 1.5 GHz
2435948
Dieser Artikel
2 GB
Google Coral Dev Board Mini
Google Coral DEV Board Google Coral Dev Board 1 GB 4 x 1.5 GHz
2435949
1 GB
Google Coral Dev Board
Dokumente & Downloads
Datenblatt
Datenblatt 2435948 Google Coral DEV Board Mini Google Coral Dev Board Mini 2 GB 4 x 1.5 GHz
Beschreibung
Das Google Coral Dev Board Mini ist ein low-cost Single-Board Computer (SBC) mit eingebautem Real-Time Inferenz-Modul und einer EdgeTPU (Tensor Processing Unit) für leistungsfähige Machine-Learning / Deep-Learning Algorithmen.
Das Entwicklerboard integriert einen MediaTek 8167 SoC mit der Edge TPU. Damit stellt es, im Gegensatz zum Coral USB Accelerator, eine Stand-Alone-Plattform dar, auf der Sie Ihre Anwendung komplett laufen lassen können. Mit der Edge TPU können Tensor Flow Lite Modelle schnell und energiesparend für Inferenz genutzt werden. Ein besonderer Vorteil dieser Lösung: Ihre Daten bleiben lokal. Das hilft bei der Latenz und natürlich beim Datenschutz gemäß der Datenschutz-Grundverordnung (DSGVO).
Google nutzt zunehmend künstliche Intelligenz (AI) und maschinelles Lernen (ML) um seine Dienstleistungen zu realisieren. Dazu entwickelte es für seine Rechenzentren spezialisierte Prozessoren namens TPU ("tensor processing unit"), die die Algorithmen mit dem TensorFlow Framework schneller und energiesparender ausführen können. Beispielsweise wird Google Maps durch von Street View aufgenommene Straßenschilder verbessert, die mit Hilfe eines auf TensorFlow basierenden neuronalen Netzes analysiert werden. Der Clou: TensorFlow kann einfach in Python programmiert werden.
Die Edge TPU unterstützt das TensorFlow Lite Framework und kann bis zu 4 Billionen Rechenoperationen pro Sekunde mit nur 2 W Verbrauch durchführen. TensorFlow Lite ist eine abgewandelte Variante von TensorFlow, die speziell auf den Bedarf mobiler Endgeräte und von embedded devices angepasst wurde. Viele TensorFlow Anwendungen lassen sich auch in TensorFlow Lite realisieren.
Hinweise
HDMI® ist eine eingetragene Marke der HDMI Licensing L.L.C.
Bluetooth® ist eine eingetragene Marke von Bluetooth SIG, Inc.
Beschreibung
Das Google Coral Dev Board Mini ist ein low-cost Single-Board Computer (SBC) mit eingebautem Real-Time Inferenz-Modul und einer EdgeTPU (Tensor Processing Unit) für leistungsfähige Machine-Learning / Deep-Learning Algorithmen.
Das Entwicklerboard integriert einen MediaTek 8167 SoC mit der Edge TPU. Damit stellt es, im Gegensatz zum Coral USB Accelerator, eine Stand-Alone-Plattform dar, auf der Sie Ihre Anwendung komplett laufen lassen können. Mit der Edge TPU können Tensor Flow Lite Modelle schnell und energiesparend für Inferenz genutzt werden. Ein besonderer Vorteil dieser Lösung: Ihre Daten bleiben lokal. Das hilft bei der Latenz und natürlich beim Datenschutz gemäß der Datenschutz-Grundverordnung (DSGVO).
Google nutzt zunehmend künstliche Intelligenz (AI) und maschinelles Lernen (ML) um seine Dienstleistungen zu realisieren. Dazu entwickelte es für seine Rechenzentren spezialisierte Prozessoren namens TPU ("tensor processing unit"), die die Algorithmen mit dem TensorFlow Framework schneller und energiesparender ausführen können. Beispielsweise wird Google Maps durch von Street View aufgenommene Straßenschilder verbessert, die mit Hilfe eines auf TensorFlow basierenden neuronalen Netzes analysiert werden. Der Clou: TensorFlow kann einfach in Python programmiert werden.
Die Edge TPU unterstützt das TensorFlow Lite Framework und kann bis zu 4 Billionen Rechenoperationen pro Sekunde mit nur 2 W Verbrauch durchführen. TensorFlow Lite ist eine abgewandelte Variante von TensorFlow, die speziell auf den Bedarf mobiler Endgeräte und von embedded devices angepasst wurde. Viele TensorFlow Anwendungen lassen sich auch in TensorFlow Lite realisieren.
Hinweise
HDMI® ist eine eingetragene Marke der HDMI Licensing L.L.C.
Bluetooth® ist eine eingetragene Marke von Bluetooth SIG, Inc.
Häufig gesuchte Einplatinencomputer, Single Board Computer (SBC):