文 / Coral 团队
我们今天带来 Coral 的一些更新：我们很高兴地宣布，我们与 Balena 建立了全新合作关系，以帮助用户在 Coral 设备上大规模构建、管理和部署 IoT 应用。此外，我们还发布了一系列用于扩展平台兼容性、简化开发以及改进设备的 ML 功能的更新。
开放源代码的 Edge TPU 运行环境
首先，我们的 Edge TPU 运行环境现已在 GitHub 上开源，包括脚本以及构建适用于 Linux 和 Windows 库的相关说明。用户如果运行在 Coral 未正式支持的平台（包括 ARMv7 和 RISC-V），现在可以自行编译 Edge TPU 运行时并开始试用。开放源代码运行时更易于集成到您的自定义构建流水线中，从而支持创建基于 Yocto 的图像以及其他分布。
GitHub
https://github.com/google-coral/libedgetpu
Windows 驱动程序现在可用于 Mini PCIe 和 M.2 加速器
现在，Coral 用户还可以在 Microsoft Windows 平台上使用 Mini PCIe 和 M.2 加速器。这些产品的新 Windows 驱动程序是早先发布的用于 USB 加速器的 Windows 驱动程序的补充，这样，用户就可以利用 Windows 上的 Coral USB Accelerator 开始原型设计，然后利用我们的 Mini PCIe 和 M.2 产品投入生产。
Mini PCIe 和 M.2 加速器
https://coral.ai/docs/m2/get-started#2b-on-windowsWindows 上的 Coral USB Accelerator
https://coral.ai/docs/accelerator/get-started#1c-on-windows
Coral ML 软件堆栈的新亮点
我们还对 ML 工具进行了更新：
Edge TPU 编译器现在的版本为 14.1。可以通过运行 sudo apt-get update && sudo apt-get install edgetpu 或按照说明进行更新；
说明
https://coral.ai/software/#debian-packages
利用我们新推出的 Model Pipelining API，您可以在多个 Edge TPU 之间分割模型。C++ 版本目前为测试版，其源代码可在 GitHub 找到；
GitHub
https://github.com/google-coral/edgetpu/tree/master/src/cpp/pipeline
适用于 EfficientNet 的新嵌入张量提取器模型 (Embedding extractor model) ，可与设备端反向传播一起使用。对嵌入张量提取器模型进行编译时移除了最后一个全连接层，您可以用其重新训练分类。此前，仅 Inception 和 MobileNet 可用，而现在您也可以在 EfficientNet 上完成重新训练；
嵌入张量提取器模型
https://coral.ai/models/#on-device-retraining-classification设备端反向传播
https://coral.ai/docs/edgetpu/retrain-classification-ondevice-backprop/
借助新的 Colab notebook，您可以使用 TensorFlow 2.0 重新训练分类模型并构建 C++ 示例。
TensorFlow 2.0 重新训练分类模型
https://colab.sandbox.google.com/github/google-coral/tutorials/blob/master/retrain_classification_ptq_tf2.ipynb构建 C++ 示例
https://github.com/google-coral/tutorials
Balena 与 Coral 合作，支持边缘 AI
我们很高兴地宣布，Balena 设备管理平台现已支持 Coral 产品！
在边缘运行众多支持 ML 的设备的公司需要安装最新的安全补丁程序，让系统处于最新状态，以保护数据、模型 IP 和硬件免受攻击。另外，ML 应用将受益于不断的重新训练，能够以最高准确率识别新用例。Coral 与 Balena 的合作将简化您的 ML 项目在边缘的预配、部署、更新和监控，同时可以将早期原型设计无缝迁移到包含数千台设备的生产环境中。
详细了解 Coral 设备与 Balena 容器技术的所有优点，或者利用此演示项目开始将容器镜像部署到您的 Coral 设备中。
详细了解
https://www.balena.io/blog/balena-partners-with-coral-to-enable-ai-at-the-edge/演示项目
https://github.com/balena-io-examples/coral-streaming-object-detector
新版本 Mendel Linux
Mendel Linux（5.0 版 Eagle）现在可用于 Coral 开发板和 SoM，其包含更稳定的软件包代码库，提供更加流畅的更新体验。它还提供了兼容性改进以及新版本的 GPU 驱动程序。
Mendel Linux
https://coral.ai/software/#mendel-linux
新模型
最后但同样重要的是，我们近期以 Coral 模型的形式发布了 BodyPix，它是先前仅供 TensorFlow.JS 使用的人物分割模型。这在识别人（和身体部位）在摄像头取景框中的位置的同时实现了隐私保护。我们首先在 2020 年消费电子展 (CES) 上演示了该模型，这是我们最受欢迎的演示之一。通过使用 BodyPix，我们可以从取景框中移除人员，仅显示其轮廓并汇总一段时间内的数据以确定人口流动的热力图。
Coral 模型
https://github.com/google-coral/project-bodypix模型
https://blog.tensorflow.org/2019/11/updated-bodypix-2.html
以上是两种可能的 BodyPix 应用：身体部位分割和匿名人口流动。两者均在 Coral 开发板上运行
我们很高兴将 BodyPix 添加到社区正在使用的一系列项目中，让我们的模型在演示外可以实现更多可能，包括应对当今最大的挑战。例如，Neuralet 已采用我们的 MobileNet V2 SSD 检测模型将其用于实现智能社交距离提示。通过使用人员检测边界框，他们可以计算出一个用于实现安全距离的区域，并让用户知道是否未保持社交距离。最棒的一点是，这是在未进行任何面部识别或追踪的情况下完成的，我们可以使用 Coral 以隐私保护方式实时完成此操作。
智能社交距离提示
https://neuralet.com/docs/tutorials/smart-social-distancing/
我们迫不及待地想看到社区利用 BodyPix 创建的更多项目。除了匿名人口流动之外，背景和身体部位操作还有无限可能。请在社区频道（包括 GitHub 和 StackOverflow）告诉我们您的研究成果。
社区频道
https://coral.ai/support
随着平台的不断发展，我们很高兴分享 Coral 能够提供的一切内容。请访问 Coral.ai 以详细了解我们的 Edge ML 平台，也可以通过 [email protected] 分享您的反馈。
更多 AI 相关阅读：