Derin Öğrenme ve Makine Öğrenimi. Her zaman hızlı CPU’lar ve GPU’lar, büyük RAM boyutları veya bulutta algoritmalar çalıştıran büyük bilgisayarlarla ilişkilendirilmiştir.
Ancak, tek bir düğme pil ile çalışan bir mikrodenetleyicide Makine Öğrenimi gerçekleştirmeyi hayal etmek. İmkansız olduğunu düşünebilirsiniz, ancak günümüz teknolojisi ile imkansız artık mümkün. Mikrodenetleyicilerle.
Şu anda kafanızdaki soru “Ama nasıl?!” veya “Ne kadar iyi olabilir?” olabilir. Endişelenmeyin, cevaplarımız var. Bugün konuşacağımız konular:
- Mikrodenetleyicileri Makine Öğrenimi ve AI için neden kullanmalıyız
- Makine Öğrenimi için Mikrodenetleyiciler
- Kıyaslama – Hangi Mikrodenetleyici makine öğrenimi için daha iyi?
Makine Öğrenimi ve AI için Mikrodenetleyicileri neden kullanmalıyız?
O halde, büyük soru, makine öğrenimi ve AI için neden mikrodenetleyicileri kullanmalıyız, çünkü çalışmak için çok az belleğe sahipler?
Az bellek alanlarına rağmen, bu dezavantajı aşan çeşitli avantajları vardır. Bunlar:
Düşük Enerji Tüketimi
- Küçük boyutları nedeniyle, işlem gücü, bellek ve depolama maliyetine katlanarak, mikrodenetleyiciler çok az enerji tüketir ve verimlidir.
- Genellikle, makine öğrenimi için GPU ve bilgisayarları çalıştırmak için çok fazla güç gereklidir, bu da sınırlamalar ve kısıtlamalar yaratır.
- Ancak, mikrodenetleyiciler için durum farklıdır. Mikrodenetleyiciler genellikle ana güç kaynağına bağlı değildir ve piller veya enerji toplama yöntemlerine dayanır. Örneğin, bir mikrodenetleyici tek bir düğme pili ile haftalarca hatta aylarca çalışabilir.
- Bu, mikrodenetleyicilerin ana güç kaynağına takılmasına gerek kalmadan kolayca kurulmasını ve uygulanmasını sağlar.
Maliyet
- Genellikle, makine öğrenimi için yüksek performanslı bir makine öğrenimi iş istasyonu oluşturmak için birkaç bin dolar harcamanız gerekir.
- Ancak, mikrodenetleyiciler ile, güvenilir olanları 200 $ ve altında kolayca edinebilirsiniz.
Esneklik
- Mikrodenetleyiciler çok yaygındır. Temel olarak, ev aletlerimiz, oyuncaklarımız, arabalarımız gibi etrafımızda her yerdedir. Makine öğrenimini mikrodenetleyicilere getirdiğimizde olanaklar sonsuzdur.
- Mikrodenetleyiciler ile, ağ bağlantısına güvenmeden çeşitli cihazlara AI ekleyebilirsiniz; bu genellikle bant genişliği, güç ve yüksek gecikme ile kısıtlanır.
Gizlilik
- Genellikle makine öğrenimi için, tüm ham verilerinizi buluta göndermeniz gerekir; bu da gizli veya özel bilgiler içerebilir.
- Mikrodenetleyiciler için, kullanıcılar bu sorun hakkında endişelenmek zorunda değildir, çünkü hiçbir veri cihazdan çıkmak zorunda değildir.
Makine Öğrenimi için Önerilen Mikrodenetleyiciler
Seeed’de, Makine Öğrenimi projeniz için çeşitli mikrodenetleyiciler sunuyoruz. Bunlar:
Coral Geliştirici Kartı
- Coral Geliştirici Kartı, eMMC, SOC, kablosuz radyo ve Google’ın Edge TPU‘sini içeren çıkarılabilir bir sistem modülü (SOM) ile birlikte gelen bir tek kartlı bilgisayardır. Hızlı cihaz içi ML çıkarımı gerektiren IoT cihazları ve diğer gömülü sistemler için mükemmeldir.
- Özellikler:
| Coral Geliştirici Kartı | |
|---|---|
| Çekirdek Hızı | NXP i.MX 8M SOC (Dört çekirdekli Cortex-A53, artı Cortex-M4F) |
| GPU | Entegre GC7000 Lite Grafik |
| RAM | 1 GB LPDDR4 |
| Yazılım Uyumluluğu | Tensorflow Lite desteği – Modelleri sıfırdan oluşturmanıza gerek yok. |
| Ekstra özellikler | -SOM, ana karttan çıkarılabilir. -Makine öğrenimi Hızlandırıcısı – Google Edge TPU yardımcı işlemcisi |
| Fiyat | $149.99 |
NVIDIA® Jetson Nano™ Geliştirici Kiti
- NVIDIA® Jetson Nano™ Geliştirici Kiti, modern AI iş yüklerini eşi benzeri görülmemiş boyut, güç ve maliyetle çalıştırmak için hesaplama performansı sunar. Geliştiriciler, öğrenciler ve yapımcılar artık görüntü sınıflandırma, nesne tespiti, segmentasyon ve ses işleme gibi uygulamalar için AI çerçevelerini ve modellerini çalıştırabilir.
- Özellikler:
| NVIDIA® Jetson Nano™ Geliştirici Kiti | |
|---|---|
| Çekirdek Hızı | Dört çekirdekli ARM A57 @ 1.43 GHz |
| GPU | 128 çekirdekli NVIDIA Maxwell™ GPU |
| RAM | 4 GB 64-bit LPDDR4 25.6 GB/s |
| Yazılım Uyumluluğu | Tensorflow, PyTorch, Caffe/Caffe2, Keras, MXNet ve diğerlerini destekler |
| Ekstra özellikler | -Çok Akışlı Video Analitiği – NVIDIA’nın DeepStream SDK ile gerçek zamanlı olarak 8 HD tam hareketli video akışını işleyin. |
| Fiyat | -$99.00 |
Sipeed MAIX GO Takımı (MAIX GO + 2.8 inç LCD + M12 lensli ov2640)
- MAIX, Sipeed’in kenarda AI çalıştırmak için tasarlanmış özel modülüdür. Küçük fiziksel ve güç ayak izi ile yüksek performans sunarak, kenarda yüksek hassasiyetli AI dağıtımını mümkün kılar ve rekabetçi fiyatı, herhangi bir IoT cihazına gömülmesini sağlar.
- Özellikler:
| Sipeed MAIX GO Suit | |
|---|---|
| Çekirdek Hızı | RISC-V Çift Çekirdek 64bit, 400Mhz ayarlanabilir |
| GPU | İçinde KPU (Sinir Ağı İşlemcisi), 576bit genişliğinde 64 KPU ve APU (Ses İşlemcisi), 8 mikrofonu destekler, 192KHz’e kadar örnekleme hızı. |
| RAM | 8MB yüksek hızlı SRAM, 400MHz frekans (800MHz’e ulaşabilir) |
| Yazılım Uyumluluğu | Tiny-Yolo, Mobile Net-v1, Tensorflow, FreeRTOS ve MicroPython’u destekler |
| Ekstra Özellikler | – Breadboard dostu kart ve micropython mevcut. – Açık kaynak. – STM32F103C8 tabanlı JTAG&UART ile donatılmıştır, ekstra Jlink olmadan M1’i hata ayıklayın. – Lityum pil yöneticisi çipi ile güç yolu yönetim işlevi vardır, böylece kartı lityum pil ve usb gücü ile çelişmeden kullanabilirsiniz. |
| Fiyat | MAIX GO Suit için $40.90 – Sipeed MAIX GO Geliştirme Kartı. – 2.8 İnç LCD – OV2640 M12 4mm Lens ile – Akrilik Kasa – Wifi Anteni – Type-C USB Kablosu – Li-ion Pil – Vida & Somun |
Raspberry Pi 4 Bilgisayar Model B
- Raspberry Pi 4 Model B, popüler Raspberry Pi bilgisayar serisinin en son ürünüdür. İşlemci hızı, multimedya performansı, bellek ve bağlantıda çığır açan artışlar sunarken, önceki nesil Raspberry Pi 3 Model B+ ile geriye dönük uyumluluğu ve benzer güç tüketimini korur.
- Özellikler:
| Raspberry Pi 4 Bilgisayar Model B 4GB | |
|---|---|
| Çekirdek Hızı | Broadcom BCM2711, dört çekirdekli Cortex-A72 (ARM v8) 64-bit SoC @ 1.5GHz |
| GPU | Broadcom VideoCore VI |
| RAM | 1GB, 2GB veya 4GB LPDDR4 (modeline bağlı olarak) |
| Yazılım Uyumluluğu | – TensorFlow ile uyumlu (RPi 4 için belgeleri ve kursları vardır) |
| Ekstra Özellikler | – Coral USB Hızlandırıcı ile uyumlu, RPi 4 makine öğrenme yeteneklerini daha da hızlandırır. – Google’ın Yapay Zeka Kendin Yap (AIY) kitleri ile uyumlu. |
| Fiyat | 4GB – $55 2GB – $45 1GB – $35 |
ROCK Pi 4 Model B 4GB
- ROCK PI, olağanüstü mekanik uyumluluğu kullanarak sınıfının en iyisi performans sunan ultra küçük bir form faktöründe Tek Kart Bilgisayardır (SBC). ROCK PI, yapımcılar, IoT meraklıları, hobi sahipleri, PC DIY meraklıları ve diğerleri için fikirlerini gerçeğe dönüştürmek için güvenilir ve son derece yetenekli bir platform sunar.
| ROCK Pi 4 Model B 4GB | |
|---|---|
| Çekirdek Hızı | Çift Cortex-A72, 1.8Ghz frekans ile, dört Cortex-A53, 1.4Ghz frekans ile |
| GPU | Mali T860MP4 GPU, OpenGL ES 1.1 /2.0 /3.0 /3.1 /3.2, Vulkan 1.0, Open CL 1.1 1.2, DX11’i destekler. |
| RAM | 64bit çift kanal LPDDR4@3200Mb/s, modeline bağlı olarak 4GB, 2GB veya 1GB |
| Yazılım Uyumluluğu | – Tensorflow ile uyumlu (Raspberry Pi 4 ile benzer) |
| Ekstra Özellikler | – Endüstriyel standart MIPI CSI konektörü, mevcut kameraları ROCK Pi’ye bağlamayı kolaylaştırır ve ROCK Pi ayrıca LCD ve dokunmatik ekran için endüstriyel standart MIPI DSI’yi destekler. – ROCK Pi, GPU hızlandırması ile ana akım AI yığınlarını destekler. – Şu anda geliştirilen özel bir donanım NPU hızlandırıcısı, karmaşık Makine Öğrenme algoritmalarını artıracak ve gücü azaltacaktır. |
| Fiyat | 4GB – $75 2GB – $59 1GB – $49 |
Hangi Mikrodenetleyici Makine Öğrenimi için en iyisidir?
Ne yazık ki, hiçbir şey bir şeyde en iyi değildir. Mikrodenetleyiciler için de aynı şey geçerli! Her mikrodenetleyici ve tek kart bilgisayarın kendine özgü avantajları ve dezavantajları vardır ve onları birbirinden ayıran benzersiz özellikleri vardır. Endişelenmeyin, her birinin avantajlarını ve dezavantajlarını vurguladık, böylece projenize en uygun kartı hangi kartı almanız gerektiğini bileceksiniz!
En İyi Performans / Wattaj: Coral DevBoard
- Avantajlar:
- Coral DevBoard, en yeni çip olan NXP i.MX 8M SOC (Dört çekirdekli Cortex-A53, artı Cortex-M4F) ile donatılmıştır, bu nedenle tüm mikrodenetleyiciler arasında en verimli olanıdır.
- Wifi ve Bluetooth’u destekler.
- Onboard TPU, saniyede 4 trilyon işlem (tera işlemi) gerçekleştirme kapasitesine sahiptir ve her TOPS için 0.5 watt kullanır (1 watt başına 2 TOPS).
- Geleneksel görüntü ve video işleme için kullanılabilecek video işleme birimleri ve bir Vivante GC700 lite GPU’ya sahiptir. Ayrıca, sıcaklık sensörü, ortam ışığı sensörü vb. gibi diğer sensörlerle iletişim kurmak için kullanılabilecek bir Cortex-M4F düşük güç mikrodenetleyicisi vardır.
- Dezavantajlar:
- Yalnızca TensorFlow Lite ile uyumlu ve derin öğrenme çerçevesi olarak yalnızca bunu kullanabilirsiniz, esnek değildir ve başka bir yazılım kullanamazsınız.
- Tüm diğer geliştirme kartları arasında en pahalı olanıdır, fiyatı $149.99.
En İyi Esneklik: Jetson Nano
- Avantajlar:
- Tensorflow, PyTorch, Caffe/Caffe2, Keras, MXNet ve daha birçok derin öğrenme çerçevesi için daha iyi ve daha fazla destek.
- İyi Kütüphane desteği.
- Video Kodlayıcı ve kod çözücü birimi vardır ve ayrıca FP16 çıkarımı ve INT8 çıkarımı için NVidia TensorRT hızlandırıcı kütüphanesini destekler.
- Kaydırma noktası GPU hızlandırması.
- Dezavantajlar:
- Coral Dev Board’dan daha zayıf bir çekirdek, ancak makul bir performans sunar ama o kadar verimli değildir.
- Wifi için ek bir harici wifi donglesi gerektirir.
En Uygun Fiyatlı: Sipeed MAIX GO
- Avantajlar:
- Piyasa da mevcut olan diğer 3 kartla karşılaştırıldığında, muhtemelen en ucuz geliştirme kartıdır, tüm set için fiyatı $40.90 olup, kasa, dokunmatik LCD, kamera lensi, wifi anteni, USB type-C kablosu, vida ve somun ile birlikte gelir.
- Kullanıcıların AI tabanlı çözümlerini kolaylaştırmak için uçtan uca donanım + yazılım altyapısı sağlar.
- 88x60mm boyutunda, küçük bir yapıya sahiptir ve bu da onu herhangi bir IoT cihazının kenarına yerleştirilmesine olanak tanır.
- Kartta microphython çalıştırabilir.
- Dezavantajlar:
- Bu aşamada diğer geliştirme kartlarına kıyasla belgeleri ve destekleri o kadar gelişmiş değildir.
- Kütüphane desteği diğerlerine göre o kadar gelişmiş değildir.
En İyi Destek: Raspberry Pi 4
- Avantajlar:
- 1GB için $35’dan başlayan SBC için ucuz bir seçenek.
- Broadcom BCM2711, dört çekirdekli Cortex-A72 (ARM v8) 64-bit SoC @ 1.5GHz ile iyi CPU işlem gücüne sahiptir.
- Başlangıç seviyesindeki kullanıcılar için önerilir çünkü en büyük topluluklardan birine ve hata ayıklama desteğine sahiptir. Ayrıca Raspberry Pi 4 için birçok ayrıntılı öğretici ve proje bulunmaktadır. İyi bir belgeleri vardır.
- Makine öğrenme yeteneklerini daha da geliştirmek için $74.99 fiyatla Coral USB Hızlandırıcı ile uyumludur.
- Dezavantajlar:
- Diğer kartlara kıyasla daha zayıf bir GPU’ya sahiptir.
- Coral USB hızlandırıcı ile birleştirildiğinde toplam maliyet $100 ve üzeri olur.
- Sürekli çıkarım için aşırı ısınmayı önlemek amacıyla ek bir soğutucu ve fan gerektirir.
Raspberry Pi 4 ile aşırı ısınma sorunları mı yaşıyorsunuz? Endişelenmeyin, sizin için çözümlerimiz var:
Blink Blink ICE Tower CPU Soğutma Fanı Raspberry Pi için
- 5mm bakır tüp, çok katmanlı ısı emiciler ve Raspberry Pi’nin sıcaklığını 80℃’den 40℃’ye düşürebilen 7 güçlü fan kanadı ile bir Tower yapısına sahiptir.
Raspberry Pi 4 için Alternatif: ROCK Pi 4 Model B
- Artılar:
- Makine öğrenimi için daha iyi performans gösteren bir CPU ve GPU’ya sahiptir.
- Resmi olarak Android OS çalıştırabilir.
- Bilgisayarla görme uygulamaları, robotik vb. için iyi olan GPU hızlandırmalı ana akım AI yığınını destekler.
- Eksiler:
- Topluluk ve destek, topluluk daha küçük olduğu için Raspberry Pi ile karşılaştırıldığında o kadar güçlü değildir. Hata ayıklama, belgelerin o kadar iyi olmaması nedeniyle başlangıç seviyesindeki kullanıcılar için sorun olabilir.
- Rock Pi 4 için Raspberry Pi 4 ile karşılaştırıldığında daha az aksesuar mevcuttur, çünkü bazı aksesuarlar Rock Pi 4 ile uyumlu değildir.
- Raspberry Pi 4’ün 35$ ile 55$ arasında bir fiyatı varken, 49$ ile 75$ arasında daha pahalıdır.
- Rock Pi 4 için Raspberry Pi ile karşılaştırıldığında daha az işletim sistemi desteklenmektedir.
Özet
Bu, mikrodenetleyicilerde makine öğrenimi ve AI için bu kadar! Umarım rehber, projeniz için bir mikrodenetleyici seçmenize yardımcı olur!
Eğer bir yapımcı olarak yapay zeka hakkında az veya hiç bilginiz yoksa, kendi makine öğrenimi projenizi yapmadan önce daha fazla bilgi edinmek için Yapımcılar için Yapay Zekaya Giriş başlıklı diğer blogumuza göz atabilirsiniz!
Geliştirme kartlarınız için daha fazla makine öğrenimi mikrodenetleyicisi ve aksesuarı ile ilgileniyor musunuz? Daha fazla bilgi edinmek için Buradan pazarımıza göz atın!