Google Coral Usb Tpu
Die 6 besten Produkte von Januar 2026
Letzte Aktualisierung:
2. Januar 2026
seeed studio
seeed Studio Coral USB Accelerator Accelerator Coprozessor für Raspberry Pi und andere eingebettete Singleboard-Computer
98
MAXIMALE QUALITÄT
AUF AMAZON ANSEHEN
Amazon.de
#1 GEWINNER
▼ Mehr anzeigen
▲ Weniger anzeigen
Führt High-Speed-ML-Inferenzen durch: High-Speed-TensorFlow Lite-Inferenzen mit geringer Leistung, geringem Platzbedarf, lokaler Inferenzierung
Unterstützt alle wichtigen Plattformen: Verbindet sich über USB 3.0 Typ-C mit jedem System, auf dem Debian Linux (einschließlich Raspberry Pi), macOS oder Windows 10 ausgeführt wird
Unterstützt TensorFlow Lite: keine Notwendigkeit, Modelle von Grund auf zu bauen. Tensorflow Lite-Modelle können kompiliert werden, um auf dem Edge TPE zu laufen
Unterstützt AutoML Vision Edge: Einfaches Erstellen und Bereitstellen von schnellen, hochpräzisen benutzerdefinierten Bildklassifizierungsmodellen am Rand.
Kompatibel mit Google Cloud
107,90 € AUF AMAZON
seeed studio
seeed studio Google Coral USB Accelerator
97
BESTE QUALITÄT
AUF AMAZON ANSEHEN
Amazon.de
#2
▼ Mehr anzeigen
▲ Weniger anzeigen
Coral USB-Zubehör, das maschinelles Lernen auf vorhandene Systeme zurückführt. Funktioniert mit Raspberry Pi (Pi2 / 3/4 Modell B / B +) und anderen Linux-Systemen.
Mit der Edge-TPU - einem kleinen ASIC, der von Google entwickelt und gebaut wurde - bietet der USB-Beschleuniger leistungsstarke ML-Inferenzen mit geringen Stromkosten über eine USB 3.0-Schnittstelle.
Hauptvorteile von Edge TPU: Hochgeschwindigkeits-TensorFlow Lite-Inferenz ； Geringer Stromverbrauch ； Geringer Platzbedarf. Coral ist eine Abteilung von Google, die Ihnen hilft, mit unserer Plattform für lokale KI intelligente Ideen zu entwickeln.
Unterstützt TensorFlow lite: Es ist nicht erforderlich, Modelle von Grund auf neu zu erstellen. Tensorflow Lite-Modelle können für die Ausführung auf USB Accelerator kompiliert werden.
Funktionen: Unterstützt vollständig MobileNet- und Inception-Architekturen, obwohl benutzerdefinierte Architekturen möglich sind. Kompatibel mit Google Cloud;
113,38 € AUF AMAZON
seeed studio
seeed studio Coral M.2 Accelerator A+E Key
93
TOP QUALITÄT
AUF AMAZON ANSEHEN
Amazon.de
#3
▼ Mehr anzeigen
▲ Weniger anzeigen
Führt High-Speed-ML-Inferenzen durch: Der integrierte Edge-TPU-Coprozessor ist in der Lage, 4 Billionen Operationen (Tera-Operationen) pro Sekunde (TOPS) durchzuführen, wobei 0,5 Watt für jedes TOPS (2 TOPS pro Watt) verwendet werden. Zum Beispiel kann es hochmoderne mobile Vision-Modelle wie MobileNet v2 mit 400 FPS energieeffizient ausführen.
Funktioniert mit Debian Linux - Integriert mit jedem Debian-basierten Linux-System mit einem kompatiblen Kartenmodulsteckplatz.
Unterstützt TensorFlow Lite: keine Notwendigkeit, Modelle von Grund auf zu bauen. TensorFlow Lite Modelle können kompiliert werden, um auf dem Edge TPU zu laufen.
Unterstützt AutoML Vision Edge: Erstellen und Bereitstellen Sie mit AutoML Vision Edge einfach schnelle, hochpräzise benutzerdefinierte Bildklassifizierungsmodelle auf Ihrem Gerät.
84,38 € AUF AMAZON
Google
Google Coral Dev Board Mini: Single-Board-Computer mit SoC, ML, Wireless-Konnektivität und Mendel Linux, Wi-Fi 5 und Bluetooth 5.0
92
TOP QUALITÄT
AUF AMAZON ANSEHEN
Amazon.de
#4
▼ Mehr anzeigen
▲ Weniger anzeigen
Das Coral Dev Board Mini ist ein Single-Board-Computer, mit dem Sie schnell Prototypen und Bereitstellen eines eingebetteten Systems mit ML-Inferenzen auf dem Gerät ermöglicht.
Das Board enthält den Edge-TPU-Koprozessor, ein kleiner ASIC, der von Google entwickelt wurde, der TensorFlow Lite-Modelle auf energieeffiziente Weise beschleunigt. Es ist in der Lage, 4 Billionen Operationen (Tera-Operationen) pro Sekunde (Tops) durchzuführen, wobei 0,5 Watt für jedes Oberteil (2 Spitzen pro Watt) verwendet werden.
Bietet ein komplettes System: Ein Single-Board-Computer mit SoC + ML + Wireless-Konnektivität, alle auf dem Board laufen eine Ableitung von Debian Linux nennen wir Mendel, so dass Sie Ihre Lieblings-Linux-Tools mit diesem Board ausführen können.
Unterstützt TensorFlow Lite: keine Notwendigkeit, Modelle von Grund auf zu bauen. Tensorflow Lite-Modelle können so kompiliert werden, dass sie auf dem Edge TPU ausgeführt werden.
Internationale Produkte haben separate Bedingungen, werden aus dem Ausland verkauft und können sich von lokalen Produkten unterscheiden, einschließlich Passform, Alterseinstufung und Sprache des Produkts, Kennzeichnung oder Anweisungen.
139,00 € AUF AMAZON
Coral by Google
Coral von Google Google Coral M.2 Accelerator mit Dual Edge TPU
85
SICHERE QUALITÄT
AUF AMAZON ANSEHEN
Amazon.de
#5
▼ Mehr anzeigen
▲ Weniger anzeigen
Coral by Google
Google Coral M.2 Accelerator with Dual Edge TPU
COMPUTERKOMPONENTE
AUF AMAZON ANSEHEN
seeed studio
Coral M.2 Accelerator mit Dual Edge TPU ..
81
GUTE QUALITÄT
AUF AMAZON ANSEHEN
Amazon.de
#6
▼ Mehr anzeigen
▲ Weniger anzeigen
Führt High-Speed-ML-Inferenzen durch: Jeder Edge-TPU-Coprozessor ist in der Lage, 4 Billionen Operationen pro Sekunde (4 TOPS) mit 2 Watt Leistung auszuführen. Zum Beispiel kann es hochmoderne mobile Vision-Modelle wie MobileNet v2 mit fast 400 FPS energieeffizient ausführen. Mit den beiden Edge-TPUs in diesem Modul können Sie die Inferenzen pro Sekunde (8 TOPS) auf mehrere Arten verdoppeln, z. B. indem Sie zwei Modelle parallel laufen oder ein Modell über beide Edge-TPUs leiten.
【Funktioniert mit Debian Linux und Windows】Integriert mit Debian-basierten Linux- oder Windows 10-Systemen mit einem kompatiblen Kartenmodulsteckplatz.
Unterstützt TensorFlow Lite: keine Notwendigkeit, Modelle von Grund auf zu bauen. TensorFlow Lite Modelle können kompiliert werden, um auf dem Edge TPU zu laufen.
Unterstützt AutoML Vision Edge: Erstellen und Bereitstellen Sie mit AutoML Vision Edge einfach schnelle, hochpräzise benutzerdefinierte Bildklassifizierungsmodelle auf Ihrem Gerät. Beschreibung:
AUF AMAZON ANSEHEN
google coral tpu usb
google coral usb edge tpu
google coral tpu
google coral usb
coral tpu usb
coral usb tpu
google coral usb edge tpu ml
google coral edge tpu
google coral usb edge
google coral tpu m2
#1 GEWINNER
