為了讓樹莓派能“看見”大千世界，谷歌發布了一個AI項目！
去年早些時候，谷歌推出了AIY語音項目，該項目允許制造商使用Google智能助理SDK將Raspberry Pi轉變為語音控制助手。
該公司現已推出AIY（DIY自己的AI）視覺盒子——AIY Vision Kit，可讓您將Raspberry Pi設備轉變為圖像識別設備。該套件由谷歌的TensorFlow機器學習型號提供支持，很快將獲得一個附帶的Android應用程序來控制該設備。
根據谷歌的說法，Vision Kit具有“在設備神經網絡加速”功能，允許基于Raspberry Pi的盒子在沒有云處理的情況下進行計算機視覺。AIY Voice Kit依靠云進行自然語言處理。
與AIY Voice Kit一樣，制造商需要提供自己的Raspberry Pi Zero W，Raspberry Pi相機，4GB SD卡和電源。 Vision Kit本身包括VisionBonnet附件板，電纜，紙板盒和框架，鏡頭設備以及隱私LED，以便在相機打開時告訴其他人。
VisionBonnet板由Google開發，采用英特爾Movidius MA2450視覺處理芯片。這款芯片是Vision Kit的秘訣。
AIY項目團隊成員Kai Yick告訴官方Raspberry Pi雜志MagPi，該芯片在執行計算機視覺方面的速度比依賴Raspberry Pi 3快60倍.VisionBonnet連接到Raspberry Pi Zero W通過套件中提供的電纜。
根據AIY項目，視覺套件制造商可以使用幾種神經網絡程序，第一種可以檢測人，貓和狗的時間。 另一個神經網絡將檢測開心，悲傷和其他情緒。 另一個基于MobileNets的程序可以檢測1,000個不同的對象，例如椅子，橙色或杯子。
谷歌希望開發人員能夠在這些神經網絡的基礎上進行構建并將其應用于新任務，例如讓貓/狗/人檢測器識別兔子。 為了幫助實現這一目標，它提供了一個工具來編譯TensorFlow重新訓練模型的模型。
谷歌建議使用Vision Kit盒來識別各種植物和動物物種，看看狗何時在后門，或者當汽車離開車道，分析客人的情緒，甚至建立一個定制的家庭安全系統。
目前，公司現已進一步推出Edge TPU，它自己的專用ASIC芯片設計用于在邊緣運行TensorFlow Lite ML模型，以及相應的AIY Edge TPU開發板，以及AIY Edge TPU加速器USB添加到任何USB兼容硬件。
Edge TPU是一款用于機器學習（ML）的小型芯片，針對每瓦性能和每美元性能進行了優化。 它既可以加速設備上的ML推理，也可以與Google Cloud配對，創建完整的云端到邊緣ML堆棧。 在任何一種情況下，本地處理都可以減少延遲，消除對持久網絡連接的需求，增加隱私，并使用更少的功率實現更高的性能。
該芯片將支持新的Cloud IoT Edge軟件，該軟件允許您在Edge TPU或基于GPU和CPU的加速器上執行在Google Cloud中訓練的ML模型。Cloud IoT Edge可以在Android Things或基于Linux OS的設備上運行。
該公司現已推出AIY（DIY自己的AI）視覺盒子——AIY Vision Kit，可讓您將Raspberry Pi設備轉變為圖像識別設備。該套件由谷歌的TensorFlow機器學習型號提供支持，很快將獲得一個附帶的Android應用程序來控制該設備。
根據谷歌的說法，Vision Kit具有“在設備神經網絡加速”功能，允許基于Raspberry Pi的盒子在沒有云處理的情況下進行計算機視覺。AIY Voice Kit依靠云進行自然語言處理。
與AIY Voice Kit一樣，制造商需要提供自己的Raspberry Pi Zero W，Raspberry Pi相機，4GB SD卡和電源。 Vision Kit本身包括VisionBonnet附件板，電纜，紙板盒和框架，鏡頭設備以及隱私LED，以便在相機打開時告訴其他人。
VisionBonnet板由Google開發，采用英特爾Movidius MA2450視覺處理芯片。這款芯片是Vision Kit的秘訣。
AIY項目團隊成員Kai Yick告訴官方Raspberry Pi雜志MagPi，該芯片在執行計算機視覺方面的速度比依賴Raspberry Pi 3快60倍.VisionBonnet連接到Raspberry Pi Zero W通過套件中提供的電纜。
根據AIY項目，視覺套件制造商可以使用幾種神經網絡程序，第一種可以檢測人，貓和狗的時間。 另一個神經網絡將檢測開心，悲傷和其他情緒。 另一個基于MobileNets的程序可以檢測1,000個不同的對象，例如椅子，橙色或杯子。
谷歌希望開發人員能夠在這些神經網絡的基礎上進行構建并將其應用于新任務，例如讓貓/狗/人檢測器識別兔子。 為了幫助實現這一目標，它提供了一個工具來編譯TensorFlow重新訓練模型的模型。
谷歌建議使用Vision Kit盒來識別各種植物和動物物種，看看狗何時在后門，或者當汽車離開車道，分析客人的情緒，甚至建立一個定制的家庭安全系統。
目前，公司現已進一步推出Edge TPU，它自己的專用ASIC芯片設計用于在邊緣運行TensorFlow Lite ML模型，以及相應的AIY Edge TPU開發板，以及AIY Edge TPU加速器USB添加到任何USB兼容硬件。
Edge TPU是一款用于機器學習（ML）的小型芯片，針對每瓦性能和每美元性能進行了優化。 它既可以加速設備上的ML推理，也可以與Google Cloud配對，創建完整的云端到邊緣ML堆棧。 在任何一種情況下，本地處理都可以減少延遲，消除對持久網絡連接的需求，增加隱私，并使用更少的功率實現更高的性能。
該芯片將支持新的Cloud IoT Edge軟件，該軟件允許您在Edge TPU或基于GPU和CPU的加速器上執行在Google Cloud中訓練的ML模型。Cloud IoT Edge可以在Android Things或基于Linux OS的設備上運行。