Компания ASUS представила Tinker Edge R – одноплатный компьютер, разработанный для приложений с системами искусственного интеллекта. В основе аппаратной комплектации Tinker Edge R – система на кристалле Rockchip RK3399Pro со встроенным нейронным процессором, ускорителем машинного обучения, который отличается высокой производительностью, низким энергопотреблением и отлично подходит для создания «умных» приложений.
Благодаря встроенному ускорителю машинного обучения, производительность одноплатного компьютера Tinker Edge R достигает трех триллионов операций в секунду (3TOPS), при очень экономичном энергопотреблении.
Оптимизированная архитектура нейронной сети позволяет одноплатному компьютеру Tinker Edge R поддерживать различные платформы машинного обучения и обеспечивает полную совместимость с большинством популярных моделей машинного обучения.
Улучшенная система питания
В большинстве одноплатных компьютеров используется система питания мощностью 15 Вт (5 В, 3 А), которой может быть недостаточно при подключении множества устройств. Кроме того, недостаточное питание отрицательно влияет на работу портов подключения. В одноплатном компьютере Tinker Edge R используется система питания, сочетающая стандартный разъем питания DC и 4-контактный разъем, мощностью до 65 Вт. Этого достаточно для стабильной работы системы, всех портов ввода/вывода и даже подключенных устройств. При значительном изменении силы тока или напряжения специальная технология автоматически защищает систему и все подключенные устройства.
Процессор Rockchip RK3399Pro
Шестиядерный процессор Rockchip RK3399Pro, созданный на основе архитектуры Arm® big.LITTLE A72+A53, позволяет использовать одноплатный компьютер Tinker Edge R для графический приложений, машинного зрения, видео-, аудио- и голосовых приложений, а также приложений с особыми требованиями по технической безопасности. В аппаратную комплектацию компьютера Tinker Edge R входят 4 ГБ двухканальной оперативной памяти LPDDR4. Модули памяти DDR четвертого поколения отличаются высокой скоростью и низким энергопотреблением. Дополнительные 2 ГБ памяти выделены для нейронного процессора, что обеспечивает его стабильность и высокую эффективность систем машинного обучения.
Одноплатный компьютер Tinker Edge R также оснащается встроенной памятью eMMC объемом 16 ГБ и поддержкой интерфейса SD 3.0 для быстрого чтения и записи данных в операционной системе, приложениях и файловой системе.
Поддержка различных интерфейсов
Одноплатный компьютер Tinker Edge_R оснащен целым набором портов ввода/вывода, включая порт MIPI-DSI для дисплеев и сенсорных экранов и два порта MIPI-CSI для совместимых камер, что позволяет использовать его для систем машинного зрения, например, измерения глубины или интерактивных рекламных приложений в «умных» торговых автоматах.
Удобная и тщательно продуманная среда разработки создана с расчетом как на начинающих разработчиков-любителей, так и на опытных профессионалов. Программируемые светодиоды можно перенастроить, чтобы они выполняли роль индикаторов системных сообщений или статуса устройства. Контакты GPIO для удобства подключения обозначены разными цветами.
Одноплатный компьютер Tinker Edge_R также наделен полноразмерный разъемом HDMI, портами USB Type-A, USB Type-C, гигабитным сетевым разъемом и поддержкой интерфейсов Wi-Fi и Bluetooth, а также слотом PCI Express® Mini для плат расширения 4G/LTE.
Поддержка операционных систем и платформ машинного обучения
Операционная система Tinker OS – превосходная отправная точка для создания нового проекта. Основанный на Debian дистрибутив Linux отличается эффективностью и широким функционалом. Поддержка операционной системы Android позволяет использовать одноплатный компьютер Tinker Edge_R для целого ряда совершенно разных задач: запуска популярных приложений для операционной системы Android, инференса нейронных сетей, машинного обучения и многого другого.
Благодаря удобному API-интерфейсу и набору средств разработки (SDK), на одноплатном компьютере Tinker Edge R можно развертывать модели машинного обучения для приложений классификации изображений и обнаружения объектов. Также поддерживается конвертация моделей из Caffe, TensorFlow, TensorFlow Lite, ONNX, Darknet и других программных библиотек для построения нейронных сетей глубокого обучения.