Coral AcceleratorとRaspberryPi 3で鳥の画像の分類まで
Coral Acceleratorが発売されました！
目次
Coral Accelerator（Edge TPU Coprocessor）の購入
（2019年3月10日）早速発注しました！
USB Coralを発注しました！https://t.co/YvRXQiEtIn
— 機械学習・深層学習・Python・Web、IoT (@kokensha_tech) 2019年3月10日
本来は、Coral Dev Board(下の写真)の方も欲しかったですが、日本はまだ販売制限になっていますね。
（写真の引用：https://coral.withgoogle.com/products/dev-board）
今日（2019年5月15日見ても、やはり販売制限になっています）
Coral Development Boardも遊んでみたいですが、日本はまだ販売制限になっていますね。
— 機械学習・深層学習・Python・Web、IoT (@kokensha_tech) 2019年3月10日
Amazonの方も販売しているようですが、ちょっと高いですね。
USBタイプのCoral Acceleratorを注文することにして、その後、3月15日到着です！
GoogleのCoralが到着！ pic.twitter.com/tz3MLWoUhj
— 機械学習・深層学習・Python・Web、IoT (@kokensha_tech) 2019年3月15日
しかし、本の執筆活動もあって、その後すぐニュージーランドに家族旅行に行ってしまいましたので
下の記事にも少し執筆活動の進捗報告があります、よかったらお読みください。
ニュージーランドのツイートでモーメントを作りました。よかったらご覧ください。
なかなか手をつけずにいました。
Coral Accelerator（Edge TPU Coprocessor）を見てみよう！
今日は、久しぶりに時間を作れましたので、Coralを見てみたいと思います！
到着した後のパッケージはこんな感じです！
箱の後ろを見てみますと
TensorFlowの文字が書いてありますね。今回のUSBタイプのCoral AcceleratorはTensorFlow Lite版が対応となっています。
箱を開けて中身はケーブルとCoral Accelerator本体のみです。
Coral Acceleratorの単体はこんな感じです。
本体がアルミのボディですが、周り半透明のプラスティックのクロージャになっています。
背景も少し透けて見えるのが妙な高級感？笑
背面も半透明で、中の基盤が少し見えます。
４つの角に固定用の穴が空いています。アプリケーションによっては固定することも可能ですね。
Coral側はUSB-Cタイプになっています。
PCと接続する側は、USB-Bになっています。
今回はRaspberry Piに接続しますが、もちろん、（Linux）PCに接続することもできます。
Raspberry Piと接続すると、下の写真のようになります。
ここは特に特別なことはありません。USB接続でAIの処理能力を拡張できるというのはすごいですね。
ちなみに、このRaspberry Piの黒のアルミボディも好きで、３つぐらい使っています。笑
シルバータイプもあるようです。
次は、micro-SDカードを用意します。
私はよくsumsungの32GBのカードを使っています。今まで特に不具合とか問題などありません。最近本当にSDカードが安くなっていますね！
安くてOSごとに用意することができるのは、とても便利ですね。
この記事に限った話ではないですが、これを使えば、余計なトラブルなしで、スムーズに自分のやりたいことを遂行できるので、ストレスもなくおすすめです。
私の場合、すでに、Raspberry Pi専用のOS Raspbianが入っているので、刺して、そのまま使えます。
まだRaspbian準備していない人は、Raspbian OSの準備する手順はこちらを参照して用意してください。
いつものように、全ての周辺機器を接続しておいてください。（電源、マウス、キーボード、モニター、有線LAN or 無線）
また余談ですが、Raspberry Piにはこのamazonbasicsのマウスが結構いいです！有線ですが、反応がよくて、スムーズな握り心地で、安くて今まで使った有線マウスの中で一番いいかもしれません。笑
Coral Accelerator（Edge TPU Coprocessor）必要なソフトウェアのセットアップ
いよいよ、ソフトウェアのセットアップをしましょう。
その前に、いつものように、下記のコマンドを実行して、システムを最新の状態にしておいてください。
sudo apt-get update sudo apt-get upgrade
これからは、VNC経由で、作業します。もちろん、キーボード、マウス、モニター全部接続しているので、そのまま操作しても問題ないです。
これから、作業用のディレクトリ 「workspace」 を作ります。
mkdir workspace cd workspace
次はインストール用のプログラムをGoogleのサイトからダウンロードします。
wget https://dl.google.com/coral/edgetpu_api/edgetpu_api_latest.tar.gz -O edgetpu_api.tar.gz --trust-server-names
次は、ダウンロードしたファイルを解凍します。
tar xzf edgetpu_api.tar.gz
次は、展開（解凍）されたフォルダに入って、インストールスクリプトを実行します。
cd edgetpu_api bash ./install.sh
一回
「Would you like to enable the maximum operating frequency? Y/N」最高の実行フリークエンシー有効にしますか
と聞かれます、ここで「y」を入力して、継続してください。
ただ、yと答えた場合は、実行中、Coral Accelerator本体がとても暑くなる場合があります。火傷しないように気をつけてください。
もちろん、Nと答えて継続してもいいです。これをあとで変えたい場合は、install.shを再実行すれば良いです。
必要なPythonパッケージなどもダウンロードしてインストールしますので、しばらく時間が掛かります。すでにインストールされているパッケージもあるかもしれませんので、人によっては少し前後するかもしれません。私の場合は、約20分程度で終わりました。
インストールが完了しましたら
Coral Acceleratorを付属のケーブルでRaspberry Piに接続してください。
すでに、刺してある場合は、一回抜いて、刺し直してください。そうしないと、いくつか設定が有効になりませんので、注意してください。
これで準備ができました！
Coral Accelerator（Edge TPU Coprocessor）でモデルを実行しよう
次は、モデルを実行してみよう。
一回workspaceディレクトリに戻ります。
cd ..
次は、用意されている学習済みモデルとテスト画像をダウンロードします。この画像と学習済みモデルを使って画像の分類（classification）を実施してみます。
wget https://dl.google.com/coral/canned_models/mobilenet_v2_1.0_224_inat_bird_quant_edgetpu.tflite \ https://dl.google.com/coral/canned_models/inat_bird_labels.txt \ https://coral.withgoogle.com/static/images/parrot.jpg
ダウンロードが完了しました。
次は、demoフォルダに移動します。これはインストールの時に、作られたフォルダです。
cd /usr/local/lib/python3.5/dist-packages/edgetpu/demo
このフォルダで下記のコマンドを実行してみてください。
python3 classify_image.py \ --model ~/workspace/mobilenet_v2_1.0_224_inat_bird_quant_edgetpu.tflite \ --label ~/workspace/inat_bird_labels.txt \ --image ~/workspace/parrot.jpg
数行後、結果が出ました。
本当かな、Google検索してみよう！
目視して、問題ないと思います！笑。
このモデルはGoogle が提供している学習済みのモデル(TensorFlow Lite)で９００種類の鳥が認識、分類することができるそうです。
他もいくつか学習済みのモデルが提供されているので、下記のURLで確認してください。
https://coral.withgoogle.com/models/
これで、学習フェーズなしで、すぐ、応用（アプリケーション）が作れそうですね。
次は、Pythonプログラムに組み込んでビデオから映像を認識させてみたいと思います。
記事を書きましたので、お読みください。
まとめ
いかがでしょうか？
最近、エッジデバイスで人工知能の機能を加えるあるいは拡張する製品が増えている気がします。
以前もこちらのブログで紹介しました、Google AIYプロジェクトのものもありますし、IntelのMobidius もありました。
Google AIY Projects Voice kit (RaspberryPiでGoogleアシスタント)を組み立てて声をかけよう！簡単に成功！
今、Movidiusの後継も出ていますので、よかったら、こちらも試してみてください。第１世代のMovidius NCSより８倍パフォーマンスが上がっているようです。
この辺り、とても充実してきましたね。
技術の進歩が我々思ったより早かったりしますね、我々の近く、人工知能の技術の浸透もこれからさらに加速していくに違いないです！
では、次回Coral Acceleratorを用いて、他の実験をしたら、また共有しますね！
UbuntuからVNCでRaspberryPiにうまく接続できない人はremmina!
Pythonフレームワークの Bottleで180秒ででウェブサービス（ページ）を作りましょう！
raspberry pi opencv ビデオで顔認識（コンパイルなし！）
About Author
