EdgeTPUを使ってみよう

Transcript

1. EdgeTPUを使ってみよう USB Accelerators http://bit.ly/2V6b3ZR
2. AGENDA 2 1 2 3 4 Edge Computing て。 Edge Computingとは EdgeTPUて？Network Edgeとかいろいろある が。 EdgeTPU 手軽なところでRaspberry PiでEdgeTPUが使え ます Raspberry Piで試そう まとめ
3. About Us My work • cloud DevOps architecture construction. Interesting • BigQuery and google Dataflow. • Data Loss Prevention • Cloud Endpoints 3 s.hiruta @web_se URL：https://www.totalsolution.biz Soushi Hiruta ＋αの連携機能。
4. Cloud Data Loss Prevention 4 Cloud Functions Name BigQuery Cloud Pub/Sub gcloud pubsub topic publish -message ‘test 2 is hogehoge@hogehoge.com’
5. Edge Computingとは 01
6. Edge Computingとは 6 (https://twitter.com/BarryEggers/status/911271460752068609)
7. Edge Computingとは 7 1 2 AWS Lambda/Edge、Cloudflare Workers Network Edge Edge TPU、Inflerence edge、AWS IoT Greengrass IoT Edge
8. IoT Edge 8 1 2 IoT edge CPUは低スペック。e,x, Raspberry Pi、Arduino Microcontrollers use for less power than CPUs RAMもPC、サーバほど積まれていない。 Only tens of kiobytes of RAM 2 ネットワークに接続されていないケースがある No Cloud Connections
9. EdgeTPU 02
10. TPU 10 1 2 機械学習に特化したGoogleの自社開発プロセッサ。三世代目が、Gogle IO 2018で発表。最新はTPU2.0の8倍の性能をも つとのこと。 TPU IoT Deviceに特化したTensorFlowを用いた機械学習を効率良く行うカスタム ASC Edge TPU
11. USB Acceleratorsのお話 11 1 2 USB 3.0に対応していると、よりパフォーマンスが出る。 USB3.0 Type-C socket Debian 系に対応 Debian 6.0 or higher, or any derivative thereof ( such as Ubuntu 10.0+) 2 設定次第でパフォーマンスがあげることができる。ただし、熱をもつとも記載あり default or maximum clock frequency https://www.youtube.com/watch?v=CukaWaWbBHY&t=849s Raspberry Pi USB2.0なので、ここがボトルネックになるか と。 DetectWithImage 0.28248214599989296 sec　 ※mobilenet_ssd_v2_coco_quant_postpr ocess_edgetpu.tfliteモデル ClassifyWithImage 1.3688266489998568 sec ※inception_v4_299_quant_edgetpu.tflit eモデル
12. Raspberry Piで試そう This is a sample text. Insert your desired text here. 03
13. PROCESS 13 01 02 03 tf model 作成 画像分類 OpenCV環境構築
14. Camera Module V2 14 https://www.sengoku.co.jp/mod/sgk_cart/detail.php?code=EEHD-4XCP bc2835_v4l2 ドライバを組み込む必要あり。 /etc/modules
15. OpenCV構築 15 Raspbian 9.4 ( Stretch / Debian 9.0) 4.14.79-v7+ https://docs.opencv.org/master/d7/d9f/tutorial_linux_install.html • Raspbian公式サイトで公開されているものなら、ビル ドは問題なく可 • ビルドに時間がかかる。ネットの情報によりと、途中 でビルドが止まる場合あり
16. Modelの作成 16 (Retrain an image classification model on-device) python3 demo/classification_transfer_learning.py \ --extractor ${DEMO_DIR}/mobilenet_v1_1.0_224_quant_embedding_extractor_edgetpu.tflite \ --data ${DEMO_DIR}/flower_photos \ --output ${DEMO_DIR}/flower_model.tflite \ --test_ratio 0.95 データセットの中でどのくらいの画像を test datasetとして使うか割合を指定 embedding extractor (this is a version of the CNN network without the final fully-connected layer that's pretrained on ImageNet) https://coral.withgoogle.com/tutorials/edgetpu-retrain-classification-ondevice/
17. Modelの作成 17 edgetpu.learn.imprinting.engine.ImprintingEngine TrainAll(input_data) SaveModel(output_path)
18. イメージの分類 18 Getting Started : https://coral.withgoogle.com/tutorials/accelerator/ python3 demo/classify_image.py \ --model test_data/mobilenet_v2_1.0_224_inat_bird_quant_edgetpu.tflite \ --label test_data/inat_bird_labels.txt \ --image test_data/parrot.jpg
19. イメージの分類 19 edgetpu.classification.engine.ClassificationEngine(mod el_path) ClassifyWithImage(img, threshold=0.1, top_k=3, resample=0)
20. イメージの分類 20 cv2.VideoCapture(0) engine = ClassificationEngine(args.model) True engine.ClassifyWithImage(prepimg, top_k=3) cap.read() 検出したラベル、スコアが返る。
21. まとめ 21 手軽に、Edgeだけでデータサイエンティスト不要でデータセットさえ集まれば、 画像分類とかアプリケーションを作れる オフライン環境でも可能なので、IoT デバイスとかデータを収集して、デバイス 内で処理することができる。
22. Reference 22 http://storage.googleapis.com/cloud-iot-edge-pretrained-models/edgetpu_api_reference.zip https://coral.withgoogle.com/tutorials/accelerator/ https://coral.withgoogle.com/tutorials/accelerator-datasheet/ https://qiita.com/hidakanoko/items/3f2f6ae9b5af2b06eec6 Edge TPU API reference (ZIP) OpenCVのビルドは下記が参考になります。 EdgeTPU USB Accelertor
23. Thank You