{"title":"AI \/ Machine Learning","description":"\u003cp\u003eEntdecken Sie unsere erstklassigen AI- und Machine-Learning-Lösungen, die speziell entwickelt wurden, um Ihre Projekte auf das nächste Level zu heben. Unsere Produktpalette umfasst fortschrittliche Technologien von führenden Marken wie Raspberry Pi, HAILO, Coral.AI und Unigen (Cupcake AI Edge Server). Ob für industrielle Anwendungen, Forschung oder Hobbyprojekte – wir bieten Ihnen die perfekte Lösung, um Ihre künstliche Intelligenz und maschinelles Lernen effizient und leistungsstark zu gestalten.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eEnglisch:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eAI \/ Machine Learning\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eExplore our premium AI and Machine Learning solutions, specifically designed to elevate your projects to the next level. Our product range features cutting-edge technologies from leading brands such as Raspberry Pi, HAILO, Coral.AI, and Unigen (Cupcake AI Edge Server). Whether for industrial applications, research, or hobby projects, we provide the perfect solution to make your artificial intelligence and machine learning efficient and powerful.\u003c\/p\u003e\n\u003c!----\u003e","products":[{"product_id":"google-coral-usb-accelerator","title":"Google Coral USB Accelerator","description":"\u003ch3\u003e\u003cspan style=\"background-color: rgb(255, 255, 255);\" data-mce-style=\"background-color: rgb(255, 255, 255);\"\u003eImportant note: The \u003ca href=\"https:\/\/buyzero.de\/products\/aiy-maker-kit-includes-raspberry-pi-coral-usb-accelerator\" style=\"background-color: rgb(255, 255, 255);\" data-mce-href=\"https:\/\/buyzero.de\/products\/aiy-maker-kit-includes-raspberry-pi-coral-usb-accelerator\" data-mce-style=\"background-color: rgb(255, 255, 255);\"\u003eAIY Maker Kit\u003c\/a\u003e \u003cstrong\u003econtains\u003c\/strong\u003e the Coral USB accelerator and a Raspberry Pi 4 \/ 8 GB, and other useful accessories.\u003c\/span\u003e\u003c\/h3\u003e\n\u003cp\u003e\u003cspan style=\"background-color: rgb(255, 255, 255);\" data-mce-style=\"background-color: rgb(255, 255, 255);\"\u003eWir führen auch das \u003ca href=\"https:\/\/buyzero.de\/products\/google-coral-dev-board-mini?variant=38012953591988\" style=\"background-color: rgb(255, 255, 255);\" data-mce-href=\"https:\/\/buyzero.de\/products\/google-coral-dev-board-mini?variant=38012953591988\" data-mce-style=\"background-color: rgb(255, 255, 255);\"\u003eCoral Dev Board mini\u003c\/a\u003e und das \u003ca href=\"https:\/\/buyzero.de\/products\/google-coral-dev-board-4gb?variant=38013190865076\" style=\"background-color: rgb(255, 255, 255);\" data-mce-href=\"https:\/\/buyzero.de\/products\/google-coral-dev-board-4gb?variant=38013190865076\" data-mce-style=\"background-color: rgb(255, 255, 255);\"\u003eCoral Dev Board 4GB\u003c\/a\u003e. \u003cspan data-mce-fragment=\"1\"\u003e Für besonders hohe Leistung empfehlen wir \u003ca href=\"https:\/\/buyzero.de\/products\/google-coral-dev-board-4gb?variant=38013190865076\" style=\"background-color: rgb(255, 255, 255);\" data-mce-href=\"https:\/\/buyzero.de\/products\/google-coral-dev-board-4gb?variant=38013190865076\" data-mce-style=\"background-color: rgb(255, 255, 255);\"\u003edas Coral Dev Board 4GB\u003c\/a\u003e zu nutzen, während das \u003ca href=\"https:\/\/buyzero.de\/products\/google-coral-dev-board-mini?variant=38012953591988\" style=\"background-color: rgb(255, 255, 255);\" data-mce-href=\"https:\/\/buyzero.de\/products\/google-coral-dev-board-mini?variant=38012953591988\" data-mce-style=\"background-color: rgb(255, 255, 255);\"\u003eDev Board Mini\u003c\/a\u003e vor allem für Low-Cost Lösungen sinnvoll ist.\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003ch3\u003e\u003cspan style=\"background-color: rgb(255, 255, 255);\" data-mce-style=\"background-color: rgb(255, 255, 255);\"\u003e\u003cspan data-mce-fragment=\"1\"\u003eNEU IM SHOP: \u003ca href=\"https:\/\/buyzero.de\/collections\/google-aiy-coral\/products\/aiy-maker-kit-includes-raspberry-pi-coral-usb-accelerator\" style=\"background-color: rgb(255, 255, 255);\" target=\"_blank\" data-mce-href=\"https:\/\/buyzero.de\/collections\/google-aiy-coral\/products\/aiy-maker-kit-includes-raspberry-pi-coral-usb-accelerator\" data-mce-style=\"background-color: rgb(255, 255, 255);\"\u003eAIY Maker Kit (includes Raspberry Pi + Coral USB Accelerator)\u003c\/a\u003e\u003c\/span\u003e\u003c\/span\u003e\u003c\/h3\u003e\n\u003ch3\u003eDer Google Coral USB Accelerator bringt Real-Time Inferenz (Deep Learning \/ Machine Learning) für Ihren Raspberry Pi 4 und viele andere Computer!\u003c\/h3\u003e\n\u003cp\u003e\u003cb\u003eKünstliche Intelligenz für alle: Google hat mit dem Coral USB Accelerator einen leistungsfähigen Spezialchip (TPU, Tensor Processing Unit) an ein USB 3 Interface angebunden - damit können Tensor Flow Lite Modelle schnell und energiesparend für Inferenz genutzt werden. \u003c\/b\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cspan style=\"background-color: rgb(255, 255, 255);\" data-mce-style=\"background-color: rgb(255, 255, 255);\"\u003e\u003cb\u003e\u003cspan data-mce-style=\"background-color: #ffff00;\"\u003eEin besonderer Vorteil dieser Lösung: Ihre Daten bleiben lokal. Das hilft bei der Latenz, und natürlich beim Datenschutz! \u003c\/span\u003e\u003c\/b\u003e\u003cspan data-mce-style=\"background-color: #ffff00;\"\u003e(Und entsprechend der Befolgung der relevanten Gesetze, beispielsweise der Datenschutz-Grundverordnung (DSGVO), auf Englisch GDPR genannt) \u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003cp\u003eGoogle nutzt zunehmend künstliche Intelligenz (AI) und maschinelles Lernen (ML) um seine Dienstleistungen zu realisieren. Dazu entwickelte es für seine Rechenzentren spezialisierte Prozessoren namens \u003cstrong\u003eTPU\u003c\/strong\u003e (\"tensor processing unit\"), die die Algorithmen mit dem TensorFlow Framework schneller und energiesparender ausführen können. Beispielsweise wird Google Maps durch von Street View aufgenommene Straßenschilder verbessert, die mit Hilfe eines auf TensorFlow basierenden neuronalen Netzes analysiert werden. Der Clou: TensorFlow kann einfach in Python programmiert werden.\u003cbr\u003e\u003c\/p\u003e\n\u003cp\u003eKünstliche Intelligenz für den Hausgebrauch? Ja! Google ist eine interessante Firma - sie behalten diese Technologie nicht für sich, sondern teilen sie mit der Welt. Anfang letzten Jahres brachte Google mit der Edge TPU, die das TensorFlow Lite Framework unterstützt, einen USB 3 Stick auf den Markt. Die Edge TPU kann bis zu 4 Billionen Rechenoperationen pro Sekunde mit nur 2 W Verbrauch durchführen. TensorFlow Lite ist eine abgewandelte Variante von TensorFlow, die speziell auf den Bedarf mobiler Endgeräte und von embedded devices angepasst wurde. Viele TensorFlow Anwendungen lassen sich auch in TensorFlow Lite realisieren.\u003c\/p\u003e\n\u003cp\u003e\u003cspan style=\"background-color: rgb(255, 255, 255);\" data-mce-style=\"background-color: rgb(255, 255, 255);\"\u003e\u003cstrong data-mce-style=\"background-color: #ffff00;\"\u003ePerfekt in Kombination mit dem Raspberry Pi 4!\u003c\/strong\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003cp\u003eMit Hilfe der Google Coral Edge TPU kann Inferenz beispielsweise mit dem MobileNet v2 Model bis zu 20 x schneller als auf \"dem nackten\" Pi 4 ausgeführt werden. Es können so real-time Erkennungen in Videostreams mit über 50 fps durchgeführt werden, die mit dem Pi 4 ohne Beschleuniger \u003ca href=\"https:\/\/www.hackster.io\/news\/benchmarking-machine-learning-on-the-new-raspberry-pi-4-model-b-88db9304ce4\" data-mce-href=\"https:\/\/www.hackster.io\/news\/benchmarking-machine-learning-on-the-new-raspberry-pi-4-model-b-88db9304ce4\"\u003enicht möglich wären\u003c\/a\u003e.\u003cbr\u003e\u003c\/p\u003e\n\u003cp\u003eDank Python und vielen Beispielen online rund um TensorFlow kann man in das Thema künstliche Intelligenz und Machine Learning mit dem Google Coral USB Accelerator einfach und mit Stil einsteigen.\u003c\/p\u003e\n\u003cp\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/accelerator\/get-started\" data-mce-href=\"https:\/\/coral.ai\/docs\/accelerator\/get-started\"\u003e\u003cstrong style=\"background-color: #ffff00;\" data-mce-style=\"background-color: #ffff00;\"\u003e\u003c\/strong\u003e\u003cstrong\u003eHier finden Sie die offizielle \"Get started\" Anleitung für den USB Accelerator!\u003c\/strong\u003e\u003c\/a\u003e \u003c\/p\u003e\n\u003ch3\u003e\u003cstrong\u003eTechnische Daten Coral USB Accelerator\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eGoogle Edge TPU ML accelerator coprocessor\u003c\/li\u003e\n\u003cli\u003eUSB 3.0 (USB 3.1 Gen 1) Type C socket\u003c\/li\u003e\n\u003cli\u003eUnterstützt Linux, Mac und Windows auf dem Hostsystem\u003c\/li\u003e\n\u003cli\u003eLeistungsaufnahme bis zu 900 mA Peak @ 5 V\u003c\/li\u003e\n\u003cli\u003eAbmessungen Coral USB Stick: 65 mm x 30 mm x 8 mm\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/edgetpu\/benchmarks\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/edgetpu\/benchmarks\/\"\u003eDiese Benchmarks \u003c\/a\u003esind interessant, um ein Gefühl für die Leistungsfähigkeit des Coral USB Accelerators zu bekommen.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eAnforderungen an das Hostsystem\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eLinux Debian 6.0 oder höher, oder ein Derivat davon (bspw. Ubuntu 10.0+, Raspbian)\u003c\/li\u003e\n\u003cli\u003eSystemarchitektur: x86-64, ARMv7 (32-bit) oder ARMv8 (64-bit)\u003c\/li\u003e\n\u003cli\u003emacOS 10.15 mit entweder MacPorts oder Homebrew installiert\u003c\/li\u003e\n\u003cli\u003eWindows 10\u003c\/li\u003e\n\u003cli\u003eEin freier USB Port (sollte für beste Performance USB 3 sein)\u003c\/li\u003e\n\u003cli\u003ePython 3.5, 3.6 oder 3.7\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eUmgebungstemperatur\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eEmpfohlene Umgebungstemperatur:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e35°C - reduzierte Taktfrequenz\u003c\/li\u003e\n\u003cli\u003e25°C - maximale Taktfrequenz (für optimale Leistung)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003e\u003cstrong\u003eLieferumfang Google Coral USB Accelerator\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eUSB Accelerator\u003c\/li\u003e\n\u003cli\u003eUSB 3 Kabel\u003cbr\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eSpeziell für den optimalen Gebrauch mit dem Pi 4 haben wir ein Development Kit zusammengestellt, das wir allen Nutzern empfehlen:\u003c\/p\u003e\n\u003ch3\u003e\u003cspan style=\"color: rgb(0, 0, 0); background-color: rgb(255, 255, 255);\"\u003e\u003cstrong data-mce-style=\"background-color: #ffff00;\"\u003eLieferumfang Coral USB Accelerator Development Kit\u003c\/strong\u003e\u003c\/span\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eUSB Accelerator\u003c\/li\u003e\n\u003cli\u003eUSB 3 Kabel\u003c\/li\u003e\n\u003cli\u003e\n\u003cspan\u003eRaspberry Pi 4\/\u003c\/span\u003e\u003cspan\u003e8 GB\u003c\/span\u003e\n\u003c\/li\u003e\n\u003cli\u003eFLIRC Gehäuse (für optimale passive Kühlung des Pi 4 \/ 8 GB) \u003c\/li\u003e\n\u003cli\u003eNetzteil USB C 3A (EU, weiß - auf Anfrage auch US \/ AUS \/ UK lieferbar)\u003c\/li\u003e\n\u003cli\u003emicroSD Karte 32 GB mit NOOBS \/ Raspbian Buster\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003e2 x microHDMI auf HDMI Kabel 1 m Raspberry Pi Foundation\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eCAT 6 LAN Kabel 2 m (für GBit optimal)\u003c\/span\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cspan\u003eHinweis: für den Betrieb des Coral USB Accelerators wird zusätzliche Software benötigt die nachinstalliert werden muss - sie ist auf der SD Karte nicht enthalten. Wir stellen nach Feedback aus der Community ein Image zusammen. \u003c\/span\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eEmpfohlenes weiteres Zubehör:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/buyzero.de\/products\/logitech-k400-funktastatur-touchpad-kombi?variant=31408954898\" data-mce-href=\"https:\/\/buyzero.de\/products\/logitech-k400-funktastatur-touchpad-kombi?variant=31408954898\"\u003e\u003cspan\u003eLogitech K400 Funktastatur\/Maus-Kombi\u003c\/span\u003e\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/buyzero.de\/products\/raspberry-pi-hq-kameramodul-hq-camera?variant=31451028979814\" data-mce-href=\"https:\/\/buyzero.de\/products\/raspberry-pi-hq-kameramodul-hq-camera?variant=31451028979814\"\u003e\u003cspan\u003eRaspberry Pi HQ Kameramodul\u003c\/span\u003e\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eGoogle stellt im Coral.ai Projekt mehrere interessante \u003ca href=\"https:\/\/coral.ai\/examples\/\" data-mce-href=\"https:\/\/coral.ai\/examples\/\"\u003eBeispiele und Tutorials \u003c\/a\u003ebereit, beispielsweise eine \"Variante\" von AlphaGo Zero die \u003ca href=\"https:\/\/coral.ai\/projects\/minigo\/\" data-mce-href=\"https:\/\/coral.ai\/projects\/minigo\/\"\u003eMinigo \u003c\/a\u003egenannt wird. (AlphaGo Zero hat menschliche Go Spieler geschlagen, bei einem Spiel was als extrem komplex gilt, und deutlich aufwändiger für Computer zu spielen als bspw. Schach).\u003c\/p\u003e\n\u003ch3\u003ePotential für industrielle Anwendungen \u0026amp; Consulting\u003c\/h3\u003e\n\u003cp\u003eDer Google Coral USB Accelerator ist ein revolutionäres Produkt, ähnlich wie der Raspberry Pi, für machine learning Anwendungen! Damit werden embedded Lösungen möglich, die beispielsweise Probleme mit Werkstücken erkennen können, Verkehrssituation erkennen können, und vieles mehr.\u003c\/p\u003e\n\u003cp\u003eWir sehen sehr großes Potential insbesondere auch \u003ca href=\"https:\/\/buyzero.de\/products\/raspberry-pi-hq-kameramodul-hq-camera?variant=31451028979814\" data-mce-href=\"https:\/\/buyzero.de\/products\/raspberry-pi-hq-kameramodul-hq-camera?variant=31451028979814\"\u003eKombination mit der neuen Raspberry Pi HQ Kamera\u003c\/a\u003e. \u003c\/p\u003e\n\u003ch3\u003e\u003cstrong\u003eConsulting\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cp\u003e\u003cstrong\u003eGerne beraten wir (\u003ca rel=\"noopener\" href=\"https:\/\/pi3g.com\/kontakt\/\" target=\"_blank\"\u003epi3g GmbH \u0026amp; Co. KG\u003c\/a\u003e) Sie\u003cspan style=\"background-color: rgb(255, 255, 255);\"\u003e \u003cspan data-mce-style=\"background-color: #ffff00;\"\u003eals Google's europäischer General-Distributor rund um Google's Coral Produktsortiment\u003c\/span\u003e. \u003c\/span\u003e\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eWir sagen Ihnen ehrlich, wenn wir Potential für Ihre Anwendung sehen, und wenn aus unserer Sicht eine andere Lösung besser geeignet wäre.\u003c\/p\u003e\n\u003cp\u003eNehmen Sie mit uns bei Interesse \u003ca href=\"https:\/\/pi3g.com\/kontakt\/\" data-mce-href=\"https:\/\/pi3g.com\/kontakt\/\"\u003ebitte Kontakt auf\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003e\u003cstrong\u003eHardware \u0026amp; Softwareentwicklung\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cp\u003eWir bieten Ihnen Hardware \u0026amp; Softwareentwicklung aus einer Hand. \u003c\/p\u003e\n\u003cp\u003eGoogle stellt im Coral.AI Projekt bspw. ein spezielles Modul bereit, das in Ihre Hardware-Lösung einfach von uns eindesigned werden kann. Oder lassen Sie uns ein komplettes Board für Ihre Anwendung designen.\u003c\/p\u003e\n\u003cp\u003eWir bieten Ihnen auch Softwareentwicklung rund um das Thema künstliche Intelligenz auf. Es ist ein junges Gebiet mit massivem Wertschöpfungspotential für Sie und Ihre Firma - \u003ca href=\"https:\/\/pi3g.com\/kontakt\/\" data-mce-href=\"https:\/\/pi3g.com\/kontakt\/\"\u003enehmen Sie bei Interesse an diesem zukunftsweisenden Gebiet gerne Kontakt mit uns auf.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003e\u003cstrong\u003eDownloads \u0026amp; Dokumentation\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/coral.ai\/docs\/accelerator\/datasheet\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/accelerator\/datasheet\/\"\u003eUSB Accelerator Datenblatt\u003c\/a\u003e (\u003ca href=\"https:\/\/coral.ai\/static\/files\/Coral-USB-Accelerator-datasheet.pdf\" data-mce-href=\"https:\/\/coral.ai\/static\/files\/Coral-USB-Accelerator-datasheet.pdf\"\u003eDatenblatt als PDF\u003c\/a\u003e)\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/storage.googleapis.com\/site_and_emails_static_assets\/Files\/Coral-USB-Accelerator.STEP\" data-mce-href=\"https:\/\/storage.googleapis.com\/site_and_emails_static_assets\/Files\/Coral-USB-Accelerator.STEP\"\u003e3D CAD Datei im STEP Format\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/coral.ai\/docs\/edgetpu\/inference\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/edgetpu\/inference\/\"\u003eEdge TPU inferencing overview \u003c\/a\u003e(Tensor Flow Lite Modelle)\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/edgetpu\/models-intro\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/edgetpu\/models-intro\/\"\u003eTensorFlow models on the Edge TPU\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/reference\/cpp\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/reference\/cpp\/\"\u003eLibcoral API (C++)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/coral.ai\/docs\/reference\/cpp\/pipeline\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/reference\/cpp\/pipeline\/\"\u003ePipeline C++ API Referenz\u003c\/a\u003e (erlaubt Verteilung der Rechenlast über mehrere Coral TPUs)\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/coral.ai\/docs\/reference\/py\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/reference\/py\/\"\u003ePyCoral API (Python)\u003c\/a\u003e\u003cbr\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003e\u003cspan style=\"background-color: #ffff00;\" data-mce-style=\"background-color: #ffff00;\"\u003e\u003cstrong\u003eHinweise \u0026amp; Sonstiges\u003c\/strong\u003e\u003c\/span\u003e\u003c\/h3\u003e\n\u003cp\u003e\u003cspan style=\"background-color: #ffff00;\" data-mce-style=\"background-color: #ffff00;\"\u003e\u003cstrong\u003eWichtiger Hinweis\u003c\/strong\u003e: Der USB Stick kann beim Betrieb sehr heiß werden, \u003cstrong\u003ewas Verbrennungen verursachen kann\u003c\/strong\u003e -  bitte warten Sie bis er abgekühlt ist bevor Sie ihn anfassen!\u003c\/span\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003e\u003cspan style=\"background-color: #ffff00;\" data-mce-style=\"background-color: #ffff00;\"\u003eGoogle und wir übernehmen keine Verantwortung für Schäden falls das Gerät außerhalb der empfohlenen Umgebungstemperatur betrieben wird.\u003c\/span\u003e\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eGoogle Teilenummer: G950-01456-01 \/\/ G950-06809-01 (starting October 2020)\u003c\/li\u003e\n\u003cli\u003eASUS Teilenummer: 90AN0020-B0XAY0\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003ch2\u003eEnglish Description\u003c\/h2\u003e\n\u003ch3\u003e\n\u003cstrong\u003eImportant Note:\u003c\/strong\u003e The \u003ca rel=\"noopener\" href=\"https:\/\/buyzero.de\/products\/aiy-maker-kit-includes-raspberry-pi-coral-usb-accelerator\" target=\"_blank\"\u003eAIY Maker Kit\u003c\/a\u003e includes the Coral USB Accelerator, a Raspberry Pi 4 (8 GB), and other useful accessories.\u003c\/h3\u003e\n\u003cp\u003eWe also offer the \u003ca rel=\"noopener\" href=\"https:\/\/buyzero.de\/products\/google-coral-dev-board-mini?variant=38012953591988\" target=\"_blank\"\u003eCoral Dev Board Mini\u003c\/a\u003e and the \u003ca rel=\"noopener\" href=\"https:\/\/buyzero.de\/products\/google-coral-dev-board-4gb?variant=38013190865076\" target=\"_blank\"\u003eCoral Dev Board 4GB\u003c\/a\u003e. For particularly high performance, we recommend using the \u003ca rel=\"noopener\" href=\"https:\/\/buyzero.de\/products\/google-coral-dev-board-4gb?variant=38013190865076\" target=\"_blank\"\u003eCoral Dev Board 4GB\u003c\/a\u003e, while the \u003ca rel=\"noopener\" href=\"https:\/\/buyzero.de\/products\/google-coral-dev-board-mini?variant=38012953591988\" target=\"_blank\"\u003eDev Board Mini\u003c\/a\u003e is especially suitable for low-cost solutions.\u003c\/p\u003e\n\u003ch3\u003e\n\u003cstrong\u003eNEW IN STORE:\u003c\/strong\u003e \u003ca rel=\"noopener\" href=\"https:\/\/buyzero.de\/collections\/google-aiy-coral\/products\/aiy-maker-kit-includes-raspberry-pi-coral-usb-accelerator\" target=\"_blank\"\u003eAIY Maker Kit (includes Raspberry Pi + Coral USB Accelerator) \u003c\/a\u003e\n\u003c\/h3\u003e\n\u003ch3\u003eThe Google Coral USB Accelerator brings real-time inference (Deep Learning \/ Machine Learning) to your Raspberry Pi 4 and many other computers!\u003c\/h3\u003e\n\u003cp\u003e\u003cstrong\u003eAI for Everyone:\u003c\/strong\u003e Google has connected a powerful specialized chip (TPU, Tensor Processing Unit) to a USB 3 interface with the Coral USB Accelerator, enabling fast and energy-efficient inference for TensorFlow Lite models.\u003c\/p\u003e\n\u003cp\u003eA key advantage of this solution: your data stays local, which helps with latency and, of course, data protection! (In compliance with relevant laws, such as the General Data Protection Regulation (GDPR).)\u003c\/p\u003e\n\u003cp\u003eGoogle increasingly uses artificial intelligence (AI) and machine learning (ML) to realize its services. For this, it developed specialized processors called TPUs (\"Tensor Processing Units\") for its data centers that can execute algorithms faster and more efficiently with the TensorFlow framework. For example, Google Maps improves by analyzing street signs captured by Street View using a TensorFlow-based neural network. The bonus: TensorFlow can easily be programmed in Python.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eAI for Home Use? Yes!\u003c\/strong\u003e Google is an interesting company—they don't keep this technology to themselves but share it with the world. Early last year, Google launched a USB 3 stick with the Edge TPU, which supports the TensorFlow Lite framework. The Edge TPU can perform up to 4 trillion operations per second with only 2 watts of power consumption. TensorFlow Lite is a modified version of TensorFlow specifically tailored to meet the needs of mobile devices and embedded systems. Many TensorFlow applications can also be realized in TensorFlow Lite.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003ePerfect in Combination with the Raspberry Pi 4!\u003c\/strong\u003e\u003cbr\u003eWith the Google Coral Edge TPU, inference with the MobileNet v2 model can be performed up to 20 times faster than on \"bare\" Pi 4. Real-time recognition in video streams with over 50 fps becomes possible—\u003ca rel=\"noopener\" href=\"https:\/\/www.hackster.io\/news\/benchmarking-machine-learning-on-the-new-raspberry-pi-4-model-b-88db9304ce4\" target=\"_blank\"\u003esomething that would not be achievable with the Pi 4 without the accelerator.\u003c\/a\u003e\u003c\/p\u003e\n\u003cp\u003eThanks to Python and numerous online examples around TensorFlow, getting started in artificial intelligence and machine learning with the Google Coral USB Accelerator is easy and stylish.\u003c\/p\u003e\n\u003cp\u003e\u003ca rel=\"noopener\" href=\"https:\/\/coral.ai\/docs\/accelerator\/get-started\" target=\"_blank\"\u003eHere you can find the official \"Get Started\" guide for the USB Accelerator!\u003c\/a\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eTechnical Specifications of the Coral USB Accelerator\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eGoogle Edge TPU ML accelerator coprocessor\u003c\/li\u003e\n\u003cli\u003eUSB 3.0 (USB 3.1 Gen 1) Type C socket\u003c\/li\u003e\n\u003cli\u003eSupports Linux, Mac, and Windows on the host system\u003c\/li\u003e\n\u003cli\u003ePower consumption up to 900 mA Peak @ 5 V\u003c\/li\u003e\n\u003cli\u003eDimensions: Coral USB Stick: 65 mm x 30 mm x 8 mm\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003ca rel=\"noopener\" href=\"https:\/\/coral.ai\/docs\/edgetpu\/benchmarks\/\" target=\"_blank\"\u003eThese benchmarks provide insight into the performance capabilities of the Coral USB Accelerator.\u003c\/a\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eHost System Requirements\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eLinux Debian 6.0 or higher, or a derivative (e.g., Ubuntu 10.0+, Raspbian)\u003c\/li\u003e\n\u003cli\u003eSystem architecture: x86-64, ARMv7 (32-bit), or ARMv8 (64-bit)\u003c\/li\u003e\n\u003cli\u003emacOS 10.15 with either MacPorts or Homebrew installed\u003c\/li\u003e\n\u003cli\u003eWindows 10\u003c\/li\u003e\n\u003cli\u003eA free USB port (USB 3 recommended for best performance)\u003c\/li\u003e\n\u003cli\u003ePython 3.5, 3.6, or 3.7\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eOperating Temperature\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eRecommended operating temperature:\n\u003cul\u003e\n\u003cli\u003e35°C - reduced clock frequency\u003c\/li\u003e\n\u003cli\u003e25°C - maximum clock frequency (for optimal performance)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eIncluded in the Google Coral USB Accelerator Package\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eUSB Accelerator\u003c\/li\u003e\n\u003cli\u003eUSB 3 cable\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eFor optimal use with the Pi 4, we have assembled a development kit that we recommend to all users:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eIncluded in the Coral USB Accelerator Development Kit\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eUSB Accelerator\u003c\/li\u003e\n\u003cli\u003eUSB 3 cable\u003c\/li\u003e\n\u003cli\u003eRaspberry Pi 4 (8 GB)\u003c\/li\u003e\n\u003cli\u003eFLIRC case (for optimal passive cooling of the Pi 4 \/ 8 GB)\u003c\/li\u003e\n\u003cli\u003eUSB C 3A power supply (EU, white - US\/AUS\/UK available on request)\u003c\/li\u003e\n\u003cli\u003e32 GB microSD card with NOOBS \/ Raspbian Buster\u003c\/li\u003e\n\u003cli\u003e2 x microHDMI to HDMI cable (1 m, Raspberry Pi Foundation)\u003c\/li\u003e\n\u003cli\u003e2 m CAT 6 LAN cable (optimal for Gigabit)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eNote:\u003c\/strong\u003e Additional software is required to operate the Coral USB Accelerator, which must be installed separately—it is not included on the SD card. We are compiling an image based on community feedback.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eRecommended Additional Accessories:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca rel=\"noopener\" href=\"https:\/\/buyzero.de\/products\/logitech-k400-funktastatur-touchpad-kombi?variant=31408954898\" target=\"_blank\"\u003eLogitech K400 wireless keyboard\/mouse combo\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca rel=\"noopener\" href=\"https:\/\/buyzero.de\/products\/raspberry-pi-hq-kameramodul-hq-camera?variant=31451028979814\" target=\"_blank\"\u003eRaspberry Pi HQ camera module\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eGoogle provides several interesting examples and tutorials in the Coral.ai project, including a \"variant\" of AlphaGo Zero called Minigo. (AlphaGo Zero defeated human Go players in a game considered extremely complex and significantly more challenging for computers than, for example, chess.)\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003ePotential for Industrial Applications \u0026amp; Consulting\u003c\/strong\u003e The Google Coral USB Accelerator is a revolutionary product, similar to the Raspberry Pi, for machine learning applications! It enables embedded solutions that can, for example, recognize issues with workpieces, assess traffic situations, and much more.\u003c\/p\u003e\n\u003cp\u003eWe see great potential, especially in combination with t\u003ca rel=\"noopener\" href=\"https:\/\/buyzero.de\/products\/raspberry-pi-hq-kameramodul-hq-camera?variant=31451028979814\" target=\"_blank\"\u003ehe new Raspberry Pi HQ camera\u003c\/a\u003e.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eConsulting\u003c\/strong\u003e We (\u003ca rel=\"noopener\" href=\"https:\/\/pi3g.com\/kontakt\/\" target=\"_blank\"\u003epi3g GmbH \u0026amp; Co. KG\u003c\/a\u003e) are happy to consult you as Google's European General Distributor regarding Google’s Coral product range. We will honestly inform you if we see potential for your application and if another solution might be more suitable from our perspective. Please contact us if you are interested.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eHardware \u0026amp; Software Development\u003c\/strong\u003e We offer integrated hardware and software development services. Google provides a special module in the Coral.AI project that can easily be designed into your hardware solution by us. Or let us design a complete board for your application.\u003c\/p\u003e\n\u003cp\u003eWe also provide software development focused on artificial intelligence. This is a young field with massive value creation potential for you and your company—please contact us if you are interested in this forward-looking area.\u003c\/p\u003e\n\u003ch3\u003e\u003cstrong\u003eNotes \u0026amp; Miscellaneous\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cp\u003e\u003cstrong\u003eImportant Note:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eThe USB stick can become very hot during operation, which can cause burns—please wait for it to cool down before handling!\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eGoogle and we accept no responsibility for damage if the device is operated outside the recommended temperature range.\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eGoogle Part Number: G950-01456-01 \/\/ G950-06809-01 (starting October 2020)\u003c\/li\u003e\n\u003cli\u003eASUS Part Number: 90AN0020-B0XAY0\u003c\/li\u003e\n\u003c\/ul\u003e","brand":"Coral by Google","offers":[{"title":"Default Title","offer_id":31907697197158,"sku":"CORAL.usb","price":89.95,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/CORAL.usb_HERO_e4c8cdcf-9e53-4401-9b2e-d898d7c17d97.jpg?v=1732193270"},{"product_id":"google-coral-dev-board-mini","title":"Google Coral Dev Board Mini","description":"\u003cp\u003e\u003cspan style=\"color: rgb(0, 0, 0); background-color: rgb(255, 255, 255);\"\u003e\u003cstrong\u003e\u003cspan data-mce-style=\"background-color: #ffff00;\"\u003eWir führen auch den \u003ca href=\"https:\/\/buyzero.de\/products\/google-coral-usb-accelerator?variant=31907697197158\" style=\"color: rgb(0, 0, 0); background-color: rgb(255, 255, 255);\" data-mce-href=\"https:\/\/buyzero.de\/products\/google-coral-usb-accelerator?variant=31907697197158\"\u003eCoral USB Accelerator\u003c\/a\u003e, sowie das \u003ca href=\"https:\/\/buyzero.de\/products\/google-coral-dev-board-4gb?variant=38013190865076\" style=\"color: rgb(0, 0, 0); background-color: rgb(255, 255, 255);\" data-mce-href=\"https:\/\/buyzero.de\/products\/google-coral-dev-board-4gb?variant=38013190865076\"\u003eCoral Dev Board 4GB.\u003c\/a\u003e Für besonders hohe Leistung empfehlen wir das \u003ca href=\"https:\/\/buyzero.de\/products\/google-coral-dev-board-4gb?variant=38013190865076\" style=\"color: rgb(0, 0, 0); background-color: rgb(255, 255, 255);\" data-mce-href=\"https:\/\/buyzero.de\/products\/google-coral-dev-board-4gb?variant=38013190865076\"\u003eCoral Dev Board 4 GB\u003c\/a\u003e zu nutzen, während das \u003ca href=\"https:\/\/buyzero.de\/products\/google-coral-dev-board-mini?variant=38012953591988\" style=\"color: rgb(0, 0, 0); background-color: rgb(255, 255, 255);\" data-mce-href=\"https:\/\/buyzero.de\/products\/google-coral-dev-board-mini?variant=38012953591988\"\u003eDev Board Mini\u003c\/a\u003e vor allem für Low-Cost Lösungen sinnvoll ist.\u003c\/span\u003e\u003c\/strong\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003ch3\u003eDas Google Coral Dev Board Mini ist ein low-cost Single-Board Computer (SBC) mit eingebautem Real-Time Inferenz-Modul (Deep Learning \/ Machine Learning, EdgeTPU)!\u003c\/h3\u003e\n\u003cp\u003eBenötigen Sie ein Development Board mit integrierter TPU (Tensor Processing Unit) für leistungsfähige Machine-Learning \/ Deep-Learning Algorithmen? Das Google Coral Dev Board Mini könnte, insbesondere falls Sie \u003cstrong\u003egrößere Stückzahlen\u003c\/strong\u003e in Ihrer Anwendung benötigen, und keine eigene Hardware designen möchten, eine \u003cstrong\u003ekosteneffektive Wahl\u003c\/strong\u003e für Sie sein. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eWir beraten Sie gerne zu den verschiedenen Möglichkeiten, Machine Learning in Ihrem Unternehmen sinnvoll und günstig zu nutzen\u003c\/a\u003e. \u003c\/p\u003e\n\u003cp\u003eDas Coral Dev Board Mini integriert einen MediaTek 8167 SoC mit der Edge TPU. Damit stellt es, im Gegensatz zum \u003ca href=\"https:\/\/buyzero.de\/products\/google-coral-usb-accelerator?variant=31907697197158\" data-mce-href=\"https:\/\/buyzero.de\/products\/google-coral-usb-accelerator?variant=31907697197158\"\u003eCoral USB Accelerator\u003c\/a\u003e, eine stand-alone Plattform dar, auf der Sie Ihre Anwendung komplett laufen lassen können. \u003c\/p\u003e\n\u003cp\u003eMit der Edge TPU können Tensor Flow Lite Modelle schnell und energiesparend für Inferenz genutzt werden.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003e\u003cspan style=\"background-color: rgb(255, 255, 255);\"\u003e\u003cspan data-mce-style=\"background-color: #ffff00;\"\u003eEin besonderer Vorteil dieser Lösung: Ihre Daten bleiben lokal. Das hilft bei der Latenz, und natürlich beim Datenschutz! \u003c\/span\u003e\u003cspan data-mce-style=\"background-color: #ffff00;\"\u003e(Und entsprechend der Befolgung der relevanten Gesetze, beispielsweise der Datenschutz-Grundverordnung (DSGVO), auf Englisch GDPR genannt) \u003c\/span\u003e\u003c\/span\u003e\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eGoogle nutzt zunehmend künstliche Intelligenz (AI) und maschinelles Lernen (ML) um seine Dienstleistungen zu realisieren. Dazu entwickelte es für seine Rechenzentren spezialisierte Prozessoren namens \u003cstrong\u003eTPU\u003c\/strong\u003e (\"tensor processing unit\"), die die Algorithmen mit dem TensorFlow Framework schneller und energiesparender ausführen können. Beispielsweise wird Google Maps durch von Street View aufgenommene Straßenschilder verbessert, die mit Hilfe eines auf TensorFlow basierenden neuronalen Netzes analysiert werden. Der Clou: TensorFlow kann einfach in Python programmiert werden.\u003cbr\u003e\u003c\/p\u003e\n\u003cp\u003eDie Edge TPU unterstützt das TensorFlow Lite Framework. Die Edge TPU kann bis zu \u003cstrong\u003e4 Billionen Rechenoperationen pro Sekunde mit nur 2 W Verbrauch\u003c\/strong\u003e durchführen. TensorFlow Lite ist eine abgewandelte Variante von TensorFlow, die speziell auf den Bedarf mobiler Endgeräte und von embedded devices angepasst wurde. Viele TensorFlow Anwendungen lassen sich auch in TensorFlow Lite realisieren.\u003c\/p\u003e\n\u003ch3\u003e\n\u003cstrong style=\"background-color: #ffff00;\" data-mce-style=\"background-color: #ffff00;\"\u003e\u003c\/strong\u003e\u003cstrong\u003eTechnische Daten Coral Dev Board Mini\u003c\/strong\u003e\n\u003c\/h3\u003e\n\u003cp\u003e\u003cstrong\u003eSoC \u0026amp; Speicher\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eMediaTek 8167 SoC\u003c\/li\u003e\n\u003cli\u003eQuad-Core ARM Cortex-A35, bis zu 1.5 GHz, 64-bit ARMv8-A\u003c\/li\u003e\n\u003cli\u003eImagination PowerVR GE8300 GPU (unterstützt Vulkan 1.0)\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003e1080p\/60fps HEVC \u0026amp; MPEG4 decoder\u003c\/li\u003e\n\u003cli\u003e2GB LPDDR3 RAM\u003c\/li\u003e\n\u003cli\u003e8GB eMMC Flash Speicher (mit Mendel Linux vorinstalliert)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eKonnektivität \u0026amp; Schnittstellen\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eWi-Fi 5 (802.11a\/b\/g\/n\/ac, 2.4\/5GHz) (MediaTek MT7658)\u003c\/li\u003e\n\u003cli\u003eBluetooth 5.0 \u0026amp; Bluetooth Low Energy (BLE)\u003c\/li\u003e\n\u003cli\u003e1 x USB Typ-C Port (USB 2.0) für Daten, kann als Host und als Device arbeiten (OTG)\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003e1 x USB Typ-C Port für Spannungsversorgung\u003c\/li\u003e\n\u003cli\u003e3.5 mm Audiobuchse\u003c\/li\u003e\n\u003cli\u003eDigitales PDM Mikrofon\u003c\/li\u003e\n\u003cli\u003e2.54mm 2-pin Mono Lautsprecher Terminal\u003c\/li\u003e\n\u003cli\u003emicroHDMI (v1.4), unterstützt Bildschirme mit bis zu 1920x1080 Auflösung\u003c\/li\u003e\n\u003cli\u003e24-pin Folienkabel (FFC) Stecker für MIPI-CSI2 Kamera (4 Lanes), unterstützt Kameras mit bis zu 8MP Auflösung\u003c\/li\u003e\n\u003cli\u003e24-pin Folienkabel (FFC) Stecker für MIPI-DSI Display (4 Lanes)\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003emicroSD Slot (unterstützt max. 32GB SD Karten)\u003c\/li\u003e\n\u003cli\u003e40-pin GPIO Header (3.3V Logiklevel)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eGPIO\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eI2C\u003c\/li\u003e\n\u003cli\u003eUART\u003c\/li\u003e\n\u003cli\u003ePWM\u003c\/li\u003e\n\u003cli\u003eSPI\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003esiehe \u003ca href=\"https:\/\/coral.ai\/static\/files\/Coral-Dev-Board-Mini-datasheet.pdf\" data-mce-href=\"https:\/\/coral.ai\/static\/files\/Coral-Dev-Board-Mini-datasheet.pdf\"\u003eDatenblatt \u003c\/a\u003efür ein Pinout.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eEdgeTPU\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eGoogle Edge TPU ML accelerator coprocessor\u003c\/li\u003e\n\u003cli\u003e4 TOPS (int8); 2 TOPS pro Watt\u003c\/li\u003e\n\u003cli\u003ean MediaTek 8167 via USB2.0 angebunden\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cem\u003eHinweis: für optimale Leistung empfehlen wir den \u003ca href=\"https:\/\/buyzero.de\/products\/google-coral-usb-accelerator?variant=31907697197158\"\u003eCoral USB Accelerator\u003c\/a\u003e oder das \u003ca href=\"https:\/\/buyzero.de\/products\/google-coral-dev-board-4gb?variant=38013190865076\" data-mce-href=\"https:\/\/buyzero.de\/products\/google-coral-dev-board-4gb?variant=38013190865076\"\u003eCoral Dev Board 4GB\u003c\/a\u003e, die über breitbandigere Anbindungen zur TPU verfügen.\u003c\/em\u003e\u003c\/p\u003e\n\u003cp\u003e \u003cstrong\u003eSonstiges\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eA71CH Kryptochip, unterstützt Root of Trust\u003c\/li\u003e\n\u003cli\u003eARM TrustZone (chip-to-cloud security)\u003c\/li\u003e\n\u003cli\u003ePower-Taster\u003c\/li\u003e\n\u003cli\u003esowie frei programmierbarer Taster \u003c\/li\u003e\n\u003cli\u003ebenötigt 5 V \/ 2 A USB-C Netzteil\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eAbmessungen: 64 mm x 48 mm x 14.6 mm\u003cbr\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/edgetpu\/benchmarks\/\"\u003eDiese Benchmarks \u003c\/a\u003esind interessant, um ein Gefühl für die Leistungsfähigkeit des Coral USB Accelerators zu bekommen.\u003c\/p\u003e\n\u003ch3\u003e\u003cstrong\u003eSoftware-Unterstützung\u003c\/strong\u003e\u003c\/h3\u003e\n\u003ch3\u003e\u003cstrong\u003eMendel Linux\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cp\u003e\u003ca href=\"https:\/\/coral.googlesource.com\/docs\/+\/refs\/heads\/master\/ReadMe.md\"\u003eMendel Linux\u003c\/a\u003e ist ein von Google entwickeltes Debian-Derivat, speziell für die Coral Plattform. Auf diesem Board ist ab Werk eine Version von Mendel Linux vorinstalliert, so dass Sie sofort loslegen können.\u003c\/p\u003e\n\u003cp\u003eMendel Linux nutzt Debian's upstream binary packages, um möglichst hohe Kompatibilität zu bewahren, und Sicherheitsupdates zeitnah zu ermöglichen. Es unterstützt aktuell nur die Coral Dev Boards (auch als \"enterprise\" oder \"phanbell\" bekannt) und die Coral SoM Module (System-on-Module). \u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eTensorFlow Lite\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eDas Coral Dev Board Mini unterstützt die Ausführung von (kompilierten) TensorFlow Lite Modellen auf seiner EdgeTPU.\u003c\/p\u003e\n\u003cp\u003e\u003ca href=\"https:\/\/cloud.google.com\/vision\/automl\/docs\/edge-quickstart\"\u003e\u003cstrong\u003eAutoML Vision Edge\u003c\/strong\u003e\u003c\/a\u003e\u003c\/p\u003e\n\u003cp\u003eDas Coral Dev Board Mini unterstützt \u003ca href=\"https:\/\/cloud.google.com\/vision\/automl\/docs\/edge-quickstart\"\u003eAutoML Vision Edge,\u003c\/a\u003e um Modelle für Bild-Klassifikation (image classification models) schnell zum Einsatz bringen zu können.\u003c\/p\u003e\n\u003ch3\u003e\n\u003cstrong\u003e\u003c\/strong\u003e\u003cstrong\u003e\u003c\/strong\u003e\u003cstrong\u003eEmpfohlenes weiteres Zubehör:\u003c\/strong\u003e\n\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003cspan\u003e\u003ca href=\"https:\/\/buyzero.de\/products\/logitech-k400-funktastatur-touchpad-kombi?variant=31408954898\"\u003eLogitech K400 Funktastatur\/Maus-Kombi\u003c\/a\u003e\u003c\/span\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eGoogle stellt im Coral.ai Projekt mehrere interessante \u003ca href=\"https:\/\/coral.ai\/examples\/\"\u003eBeispiele und Tutorials \u003c\/a\u003ebereit, beispielsweise eine \"Variante\" von AlphaGo Zero die \u003ca href=\"https:\/\/coral.ai\/projects\/minigo\/\"\u003eMinigo \u003c\/a\u003egenannt wird. (AlphaGo Zero hat menschliche Go Spieler geschlagen, bei einem Spiel was als extrem komplex gilt, und deutlich aufwändiger für Computer zu spielen als bspw. Schach).\u003c\/p\u003e\n\u003ch3\u003ePotential für industrielle Anwendungen \u0026amp; Consulting\u003c\/h3\u003e\n\u003cp\u003eDie Google Coral TPU \u0026amp; TensorFlow Lite sind eine revolutionäre Produkt-Plattform, ähnlich wie der Raspberry Pi, für machine learning Anwendungen! Damit werden embedded Lösungen möglich, die beispielsweise Probleme mit Werkstücken erkennen können, Verkehrssituation erkennen können, und vieles mehr. Das Coral Dev Board Mini ist besonders gut in Situationen geeignet bei dem seine Leistung und Parameter für Ihre Anwendung ausreichen (bspw. Kommunikation per WLAN), falls Sie größere Stückzahlen einsetzen möchten und Ihr Projekt besonders kostensensibel ist. Als hochwertigere Alternative empfehlen wir das \u003ca href=\"https:\/\/buyzero.de\/products\/google-coral-dev-board-4gb?variant=38013190865076\" data-mce-href=\"https:\/\/buyzero.de\/products\/google-coral-dev-board-4gb?variant=38013190865076\"\u003eCoral Dev Board 4GB\u003c\/a\u003e besonders für Ihre Entwicklungsabteilung. \u003ca href=\"https:\/\/buyzero.de\/products\/google-coral-dev-board-4gb?variant=38013190865076\"\u003eDas Coral Dev Board 4GB\u003c\/a\u003e verfügt beispielsweise über eine Ethernet-Schnittstelle, und ermöglicht eine höhere Inferenz-Geschwindigkeit dank besserer interner Anbindung der EdgeTPU.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eConsulting\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eGerne beraten wir (\u003ca href=\"https:\/\/pi3g.com\/kontakt\/\"\u003epi3g GmbH)\u003c\/a\u003e Sie \u003cspan style=\"background-color: rgb(255, 255, 255);\"\u003e\u003cspan data-mce-style=\"background-color: #ffff00;\"\u003eals Google's europäischer General-Distributor rund um Google's Coral Produktsortiment\u003c\/span\u003e.\u003c\/span\u003e \u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eWir sagen Ihnen ehrlich, wenn wir Potential für Ihre Anwendung sehen, und wenn aus unserer Sicht eine andere Lösung besser geeignet wäre.\u003c\/p\u003e\n\u003cp\u003eNehmen Sie mit uns bei Interesse \u003ca href=\"https:\/\/pi3g.com\/kontakt\/\"\u003ebitte Kontakt auf\u003c\/a\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eHardware \u0026amp; Softwareentwicklung\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eWir bieten Ihnen Hardware \u0026amp; Softwareentwicklung aus einer Hand. \u003c\/p\u003e\n\u003cp\u003eGoogle stellt im Coral.AI Projekt bspw. ein spezielles Modul (SoM, System-on-Module) bereit, das in Ihre Hardware-Lösung einfach von uns eindesigned werden kann. Oder lassen Sie uns ein komplettes Board für Ihre Anwendung designen.\u003c\/p\u003e\n\u003cp\u003eWir bieten Ihnen auch Softwareentwicklung rund um das Thema künstliche Intelligenz auf. Es ist ein junges Gebiet mit massivem Wertschöpfungspotential für Sie und Ihre Firma - \u003ca href=\"https:\/\/pi3g.com\/kontakt\/\"\u003enehmen Sie bei Interesse an diesem zukunftsweisenden Gebiet gerne Kontakt mit uns auf.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003e\u003cstrong\u003eDownloads \u0026amp; Dokumentation\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cp\u003e\u003cstrong\u003eDev Board Mini\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/dev-board-mini\/get-started\/\"\u003eEinstieg mit dem Dev Board Mini (englisch)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/dev-board-mini\/gpio\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/dev-board-mini\/gpio\/\"\u003eGPIO Pinout \u0026amp; Nutzung\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/dev-board-mini\/reflash\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/dev-board-mini\/reflash\/\"\u003eDev Board Mini aktualisieren oder Flashen\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/static\/files\/Coral-Dev-Board-Mini-datasheet.pdf\" data-mce-href=\"https:\/\/coral.ai\/static\/files\/Coral-Dev-Board-Mini-datasheet.pdf\"\u003eDev Board Mini Datenblatt (PDF, englisch)\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eEdgeTPU \/ Inferenzierung\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/coral.ai\/docs\/edgetpu\/inference\/\"\u003eEdge TPU inferencing overview \u003c\/a\u003e(Tensor Flow Lite Modelle)\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/edgetpu\/models-intro\/\"\u003eTensorFlow models on the Edge TPU\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/reference\/cpp\/\"\u003eLibcoral API (C++)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/coral.ai\/docs\/reference\/cpp\/pipeline\/\"\u003ePipeline C++ API Referenz\u003c\/a\u003e (erlaubt Verteilung der Rechenlast über mehrere Coral TPUs)\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/coral.ai\/docs\/reference\/py\/\"\u003ePyCoral API (Python)\u003c\/a\u003e\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/edgetpu\/faq\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/edgetpu\/faq\/\"\u003eEdgeTPU FAQ\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eGehäuse 3D Druck \u0026amp; Schaltpläne\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/storage.googleapis.com\/site_and_emails_static_assets\/Files\/Coral-Dev-Board-Mini-case.zip\" data-mce-href=\"https:\/\/storage.googleapis.com\/site_and_emails_static_assets\/Files\/Coral-Dev-Board-Mini-case.zip\"\u003eDev Board Mini Gehäuse Designdateien für den 3D-Druck (STEP und STL Dateien, .ZIP) \u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/github.com\/google-coral\/electricals\/tree\/master\/dev_board_mini\" data-mce-href=\"https:\/\/github.com\/google-coral\/electricals\/tree\/master\/dev_board_mini\"\u003eCoral Dev Board Mini Schaltpläne und Board Layout\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eZusatzinformationen\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eGoogle Teilenummer: G650-03324-01\u003c\/li\u003e\n\u003cli\u003eASUS Teilenummer: 90AN00X0-B0XAY0\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003ch2\u003eEnglish Description\u003c\/h2\u003e\n\u003cp\u003eWe also carry the Coral USB Accelerator and the Coral Dev Board 4GB. For particularly high performance, we recommend using the Coral Dev Board 4GB, while the Dev Board Mini is mainly suitable for low-cost solutions.\u003c\/p\u003e\n\u003cp\u003eThe Google Coral Dev Board Mini is a low-cost single-board computer (SBC) with a built-in real-time inference module (Deep Learning \/ Machine Learning, EdgeTPU)!\u003c\/p\u003e\n\u003cp\u003eDo you need a development board with an integrated TPU (Tensor Processing Unit) for powerful machine learning \/ deep learning algorithms? The Google Coral Dev Board Mini could be a cost-effective option for you, especially if you require larger quantities for your application and do not want to design your own hardware. We are happy to advise you on the various ways to use machine learning in your company effectively and affordably.\u003c\/p\u003e\n\u003cp\u003eThe Coral Dev Board Mini integrates a MediaTek 8167 SoC with the Edge TPU. Unlike the Coral USB Accelerator, it provides a stand-alone platform where you can run your entire application.\u003c\/p\u003e\n\u003cp\u003eWith the Edge TPU, TensorFlow Lite models can be used for inference quickly and efficiently in terms of energy consumption.\u003c\/p\u003e\n\u003cp\u003eOne significant advantage of this solution: your data stays local. This helps with latency and, of course, data privacy! (And compliance with relevant laws, such as the General Data Protection Regulation (GDPR) in English.)\u003c\/p\u003e\n\u003cp\u003eGoogle is increasingly using artificial intelligence (AI) and machine learning (ML) to power its services. To achieve this, it developed specialized processors called TPUs (\"tensor processing units\") for its data centers, which can execute algorithms faster and more efficiently using the TensorFlow framework. For example, Google Maps improves through street signs captured by Street View, analyzed by a neural network based on TensorFlow. The great thing is that TensorFlow can be easily programmed in Python.\u003c\/p\u003e\n\u003cp\u003eThe Edge TPU supports the TensorFlow Lite framework. The Edge TPU can perform up to 4 trillion operations per second with just 2W of power consumption. TensorFlow Lite is a variant of TensorFlow specifically designed to meet the needs of mobile devices and embedded systems. Many TensorFlow applications can also be implemented in TensorFlow Lite.\u003c\/p\u003e\n\u003ch3\u003eTechnical Specifications of the Coral Dev Board Mini\u003c\/h3\u003e\n\u003ch3\u003eSoC \u0026amp; Memory\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eMediaTek 8167 SoC\u003c\/li\u003e\n\u003cli\u003eQuad-core ARM Cortex-A35, up to 1.5 GHz, 64-bit ARMv8-A\u003c\/li\u003e\n\u003cli\u003eImagination PowerVR GE8300 GPU (supports Vulkan 1.0)\u003c\/li\u003e\n\u003cli\u003e1080p\/60fps HEVC \u0026amp; MPEG4 decoder\u003c\/li\u003e\n\u003cli\u003e2GB LPDDR3 RAM\u003c\/li\u003e\n\u003cli\u003e8GB eMMC flash memory (preinstalled with Mendel Linux)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003e\u003cstrong\u003eConnectivity \u0026amp; Interfaces\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eWi-Fi 5 (802.11a\/b\/g\/n\/ac, 2.4\/5GHz) (MediaTek MT7658)\u003c\/li\u003e\n\u003cli\u003eBluetooth 5.0 \u0026amp; Bluetooth Low Energy (BLE)\u003c\/li\u003e\n\u003cli\u003e1 x USB Type-C port (USB 2.0) for data, can act as a host and device (OTG)\u003c\/li\u003e\n\u003cli\u003e1 x USB Type-C port for power\u003c\/li\u003e\n\u003cli\u003e3.5mm audio jack\u003c\/li\u003e\n\u003cli\u003eDigital PDM microphone\u003c\/li\u003e\n\u003cli\u003e2.54mm 2-pin mono speaker terminal\u003c\/li\u003e\n\u003cli\u003emicroHDMI (v1.4), supports screens with up to 1920x1080 resolution\u003c\/li\u003e\n\u003cli\u003e24-pin FFC connector for MIPI-CSI2 camera (4 lanes), supports cameras with up to 8MP resolution\u003c\/li\u003e\n\u003cli\u003e24-pin FFC connector for MIPI-DSI display (4 lanes)\u003c\/li\u003e\n\u003cli\u003emicroSD slot (supports max. 32GB SD cards)\u003c\/li\u003e\n\u003cli\u003e40-pin GPIO header (3.3V logic level)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eGPIO\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eI2C\u003c\/li\u003e\n\u003cli\u003eUART\u003c\/li\u003e\n\u003cli\u003ePWM\u003c\/li\u003e\n\u003cli\u003eSPI\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eEdgeTPU\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eGoogle Edge TPU ML accelerator coprocessor\u003c\/li\u003e\n\u003cli\u003e4 TOPS (int8); 2 TOPS per watt\u003c\/li\u003e\n\u003cli\u003eConnected to the MediaTek 8167 via USB 2.0\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eNote: For optimal performance, we recommend the Coral USB Accelerator or the Coral Dev Board 4GB, which have broader bandwidth connections to the TPU.\u003c\/strong\u003e\u003c\/p\u003e\n\u003ch3\u003eOther Features\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eA71CH crypto chip, supports Root of Trust\u003c\/li\u003e\n\u003cli\u003eARM TrustZone (chip-to-cloud security)\u003c\/li\u003e\n\u003cli\u003ePower button and freely programmable button\u003c\/li\u003e\n\u003cli\u003eRequires a 5V \/ 2A USB-C power supply\u003c\/li\u003e\n\u003cli\u003eDimensions: 64 mm x 48 mm x 14.6 mm\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003e\u003cstrong\u003eConsulting\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cp\u003e\u003cstrong\u003eWe (\u003ca href=\"https:\/\/pi3g.com\/kontakt\/\" rel=\"noopener\" target=\"_blank\"\u003epi3g GmbH\u003c\/a\u003e) are happy to advise you as Google's European General Distributor on Google's Coral product range.\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eWe'll give you an honest assessment if we see potential for your application or if we believe another solution might be better suited.\u003c\/p\u003e\n\u003cp\u003ePlease contact us if you're interested.\u003c\/p\u003e","brand":"Coral by Google","offers":[{"title":"Default Title","offer_id":38012953591988,"sku":"CORAL.devboard-mini","price":136.47,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/CORAL.devboard-mini_HERO.jpg?v=1732619885"},{"product_id":"google-coral-dev-board-4gb","title":"Google Coral Devboard 1GB \/ 4GB","description":"\u003cp\u003e\u003cstrong\u003e\u003ca href=\"https:\/\/get.pi3g.com\/coral\/\"\u003e\u003cspan style=\"background-color: rgb(255, 255, 255);\"\u003eInquire here for bigger volumes of the Coral Devboard 1 GB (includes Coral SoM 1 GB)- only very limited stock left (~2.5k units)!\u003c\/span\u003e\u003c\/a\u003e\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eAsus part number\u003c\/strong\u003e: 90AN0010-B1XAY0 \/ 90AN0010-M0XAY2 \/ 90AN0010-M0XAY0 \/\u003cspan\u003e \u003c\/span\u003e\u003cspan lang=\"EN-US\"\u003e90AN00I4-\u003c\/span\u003e\u003cb\u003e\u003cspan lang=\"EN-US\"\u003eM\u003c\/span\u003e\u003c\/b\u003e\u003cspan lang=\"EN-US\"\u003e0XAY0\u003c\/span\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eGoogle model number\u003c\/strong\u003e:\u003c\/p\u003e\n\u003cp\u003eCoral Devboard 1GB G950-01455-01 \/ G950-03970-01 \/ G950-04742-01, Also Coral SoM 1 GB G650-04474-01 -\u003cspan\u003e \u003c\/span\u003e\u003ca href=\"https:\/\/get.pi3g.com\/coral\/\"\u003elimited stock still available! Contact us here to get an offer.\u003c\/a\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cspan style=\"background-color: #ffff00;\"\u003eWir führen auch den \u003ca href=\"https:\/\/buyzero.de\/products\/google-coral-usb-accelerator?variant=31907697197158\" style=\"background-color: rgb(255, 255, 255);\"\u003eCoral USB Accelerator\u003c\/a\u003e, sowie das \u003ca href=\"https:\/\/buyzero.de\/products\/google-coral-dev-board-mini?variant=38012953591988\" style=\"background-color: rgb(255, 255, 255);\"\u003eCoral Dev Board Mini\u003c\/a\u003e. \u003c\/span\u003e\u003c\/p\u003e\n\u003cp\u003eDas Google Coral Dev Board 1GB ist ein leistungsfähiger Single-Board Computer (SBC) mit eingebautem Real-Time Inferenz-Modul (Deep Learning \/ Machine Learning, EdgeTPU)!\u003c\/p\u003e\n\u003cp\u003eBenötigen Sie ein Development Board mit integrierter TPU (Tensor Processing Unit) für leistungsfähige Machine-Learning \/ Deep-Learning Algorithmen? Das Google Coral Dev Board 1GB \/ 4GB ist besonders gut für mobilen \/ embedded Einsatz mit höheren Anforderungen an die Inferencing-Leistung geeignet.\u003cspan\u003e \u003c\/span\u003e\u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eWir beraten Sie gerne zu den verschiedenen Möglichkeiten, Machine Learning in Ihrem Unternehmen sinnvoll und günstig zu nutzen\u003c\/a\u003e. \u003c\/p\u003e\n\u003ch3\u003eCoral SoM on-Board\u003c\/h3\u003e\n\u003cp\u003eDas Coral Dev 1GB \/ 4 GB ist ein Development Board auf Basis des \u003cstrong\u003eGoogle Coral SoM\u003c\/strong\u003e (System-on-Module) mit 1GB bzw. 4GB RAM und 8GB bzw. 16GB eMMC Flash. Das besondere daran: das SoM enthält neben der EdgeTPU die wichtigsten Komponenten eines Einplatinen-Rechners (Single-Board-Computer \/ SBC). Es lässt sich damit perfekt in eigene Hardware-Designs integrieren! \u003c\/p\u003e\n\u003cp\u003e\u003cspan style=\"background-color: #ffff00;\"\u003e\u003cstrong\u003eTipp:\u003c\/strong\u003e wir bieten Ihnen Hardware- und Softwaredesign aus einer Hand, rund um Coral sowie die Raspberry Pi Plattform. Nehmen Sie bei Interesse für ein unverbindliches und \u003ca href=\"https:\/\/pi3g.com\/kontakt\/\" style=\"background-color: rgb(255, 255, 255);\"\u003ekostenfreies Erstgespräch bitte Kontakt mit uns auf\u003c\/a\u003e. \u003c\/span\u003e\u003c\/p\u003e\n\u003cp\u003eSie können somit im Prototyping-Stadium Ihre Anwendung mit Hilfe dieses 1GB \/ 4GB Coral Development Boards umsetzen, und anschließend einfach ein eigenes Hardware-Design realisieren. Oder setzen Sie bei kleineren Projekten das Coral Dev Board 1GB \/ 4GB direkt ein. \u003c\/p\u003e\n\u003cp\u003eIm Gegensatz zum\u003cspan\u003e \u003c\/span\u003e\u003ca href=\"https:\/\/buyzero.de\/products\/google-coral-usb-accelerator?variant=31907697197158\"\u003eCoral USB Accelerator\u003c\/a\u003e, ist dieses Development Board eine stand-alone Plattform, auf der Sie Ihre Anwendung komplett laufen lassen können. \u003c\/p\u003e\n\u003cp\u003eMit der Edge TPU können Tensor Flow Lite Modelle schnell und energiesparend für Inferenz genutzt werden.\u003cspan\u003e \u003c\/span\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cspan style=\"background-color: rgb(255, 255, 255);\"\u003e\u003cstrong\u003e\u003cspan\u003eEin besonderer Vorteil dieser Lösung: Ihre Daten bleiben lokal. Das hilft bei der Latenz, und natürlich beim Datenschutz! \u003c\/span\u003e\u003cspan\u003e(Und entsprechend der Befolgung der relevanten Gesetze, beispielsweise der Datenschutz-Grundverordnung (DSGVO), auf Englisch GDPR genannt) \u003c\/span\u003e\u003c\/strong\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003cp\u003eGoogle nutzt zunehmend künstliche Intelligenz (AI) und maschinelles Lernen (ML) um seine Dienstleistungen zu realisieren. Dazu entwickelte es für seine Rechenzentren spezialisierte Prozessoren namens\u003cspan\u003e \u003c\/span\u003e\u003cstrong\u003eTPU\u003c\/strong\u003e\u003cspan\u003e \u003c\/span\u003e(\"tensor processing unit\"), die die Algorithmen mit dem TensorFlow Framework schneller und energiesparender ausführen können. Beispielsweise wird Google Maps durch von Street View aufgenommene Straßenschilder verbessert, die mit Hilfe eines auf TensorFlow basierenden neuronalen Netzes analysiert werden. Der Clou: TensorFlow kann einfach in Python programmiert werden.\u003cbr\u003e\u003c\/p\u003e\n\u003cp\u003eDie Edge TPU unterstützt das TensorFlow Lite Framework. Die Edge TPU kann bis zu\u003cspan\u003e \u003c\/span\u003e\u003cstrong\u003e4 Billionen Rechenoperationen pro Sekunde mit nur 2 W Verbrauch\u003c\/strong\u003e\u003cspan\u003e \u003c\/span\u003edurchführen. TensorFlow Lite ist eine abgewandelte Variante von TensorFlow, die speziell auf den Bedarf mobiler Endgeräte und von embedded devices angepasst wurde. Viele TensorFlow Anwendungen lassen sich auch in TensorFlow Lite realisieren.\u003c\/p\u003e\n\u003ch3\u003e\n\u003cstrong style=\"background-color: #ffff00;\"\u003e\u003c\/strong\u003e\u003cstrong\u003eTechnische Daten Coral Dev Board 1GB \/ 4GB\u003c\/strong\u003e\n\u003c\/h3\u003e\n\u003ch3\u003e\u003cstrong\u003eSoM (System on Module)\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003cspan\u003eNXP i.MX 8M SoC\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eGoogle Edge TPU ML accelerator coprocessor\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eWi-Fi 2x2 MIMO (802.11b\/g\/n\/ac 2.4\/5GHz)\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eBluetooth 4.2\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e8GB eMMC (1GB RAM Variante), oder 16GB eMMC (4GB RAM Variante) \u003c\/li\u003e\n\u003cli\u003e1GB oder 4GB LPDDR4 \u003c\/li\u003e\n\u003cli\u003eRohm BD71837MWV PMIC (integriert 8 DC-DC Step-Down-Wandler, 7 LDOs)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eNXP i.MX 8M SoC (Teil des SoM)\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eQuad-Core ARM Cortex-A53 (@1.5 GHz, 64-bit ARMv8-A) + Cortex-M4F\u003c\/li\u003e\n\u003cli\u003eVivante GC7000Lite GPU (supports Vulkan), 32 GFLOPs 32-bit or 64 GFLOPs 16-bit\u003c\/li\u003e\n\u003cli\u003e4Kp60 HEVC\/H.265 main und main 10 decoder\u003c\/li\u003e\n\u003cli\u003e4Kp60 VP9, 4Kp30 AVC\/H.264 decoder (benötigt volle Systemleistung)\u003c\/li\u003e\n\u003cli\u003e1080p\/60fps MPEG-2, MPEG-4, MJPEG, H.263 decoder\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eEdgeTPU\u003cspan\u003e \u003c\/span\u003e(Teil des SoM)\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eGoogle Edge TPU ML accelerator coprocessor\u003c\/li\u003e\n\u003cli\u003e4 TOPS (int8); 2 TOPS pro Watt\u003c\/li\u003e\n\u003cli\u003ean NXP i.MX 8M SoC via PCIe und I2C\/GPIO angebunden\u003cbr\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003e\u003cspan style=\"background-color: #ffff00;\"\u003eTipp: die Anbindung via PCIe ermöglicht die maximale Transferrate auf das EdgeTPU Modul, daher ist dieses Dev Board 1GB \/ 4GB insbesondere gut für Anwendungen mit hoher Framerate \/ hohen Leistungserfordernissen geeignet. \u003c\/span\u003e\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cspan style=\"background-color: #ffff00;\"\u003e\u003c\/span\u003e\u003cstrong\u003eHinweis:\u003c\/strong\u003e das SoM ist mit dem Development Board über drei 100-polige Steckverbinder verbunden. Es lässt sich abstecken, und beispielsweise in Ihrer eigenen Hardware integrieren. \u003c\/p\u003e\n\u003ch3\u003e\u003cstrong\u003eKonnektivität \u0026amp; Schnittstellen\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cp\u003eDas Coral Dev Board 1GB \/ 4GB verfügt über folgende Schnittstellen:\u003cbr\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eWi-Fi 2x2 MIMO (802.11a\/b\/g\/n\/ac 2.4\/5GHz),  Murata LBEE5U91CQ Modul\u003c\/li\u003e\n\u003cli\u003eBluetooth 4.2 and BLE (Bluetooth Low Energy), Murata LBEE5U91CQ Modul\u003c\/li\u003e\n\u003cli\u003e40-pin GPIO Header (3.3V Logiklevel) (siehe unten)\u003c\/li\u003e\n\u003cli\u003eUSB 3.0 Typ-A Host\u003c\/li\u003e\n\u003cli\u003eUSB Typ-C Daten (OTG-fähig)\u003c\/li\u003e\n\u003cli\u003eUSB micro-B für die serielle Konsole\u003c\/li\u003e\n\u003cli\u003emicroSD slot \u003c\/li\u003e\n\u003cli\u003eGigabit Ethernet, unterstützt EEE (Energy Efficient Ethernet)\u003c\/li\u003e\n\u003cli\u003eHDMI 2.0a (volle Größe, siehe unten)\u003c\/li\u003e\n\u003cli\u003e3.5 mm Audiobuchse\u003c\/li\u003e\n\u003cli\u003e4-pin Stereo Anschluss-Terminal\u003c\/li\u003e\n\u003cli\u003e2x Digitales PDM Mikrofon\u003c\/li\u003e\n\u003cli\u003e39-pin Folienkabel (FFC) Anschluss für MIPI-DSI Display (4-lane)\u003c\/li\u003e\n\u003cli\u003e24-pin \u003cspan\u003eFolienkabel (FFC) Anschluss\u003c\/span\u003e\u003cspan\u003e \u003c\/span\u003e\u003cspan\u003efür \u003c\/span\u003e\u003cspan\u003eMIPI-\u003c\/span\u003eCSI2 Kamera (4-lane)\u003c\/li\u003e\n\u003cli\u003eUSB Typ-C Anschluss für Spannungsversorgung\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003e40-poliger GPIO Header\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e3.3V Spannungsversorgung\u003c\/li\u003e\n\u003cli\u003e40 - 225 Ohm programmierbare Impedanz\u003c\/li\u003e\n\u003cli\u003e~82 mA max. Stromstärke\u003c\/li\u003e\n\u003cli\u003e2 x UART\u003c\/li\u003e\n\u003cli\u003e4 x PWM\u003c\/li\u003e\n\u003cli\u003e2 x SPI\u003c\/li\u003e\n\u003cli\u003e16 x GPIO mit Interrupt-Fähigkeit\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e(hier sind die GPIOs die für das Baseboard verfügbar sind aufgelistet)\u003c\/p\u003e\n\u003cp\u003esiehe\u003cspan\u003e diese \u003ca href=\"https:\/\/coral.ai\/docs\/dev-board\/gpio\/#header-pinout\"\u003eCoral.ai Webseite \u003c\/a\u003e\u003c\/span\u003efür ein Pinout.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eHDMI Bildschirm-Schnittstelle\u003c\/strong\u003e\u003cbr\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eHDMI 2.0a (Standard-Größe), unterstützt einen Bildschirm mit bis zu 1080p Auflösung\u003c\/li\u003e\n\u003cli\u003eHochskalierung \u0026amp; Herunterskalierung zwischen 4K und HD Video (nutzt volle Systemressourcen)\u003c\/li\u003e\n\u003cli\u003e20+ Audio interfaces 32-bit @ 384 kHz fs, mit Time Division Multiplexing (TDM) support\u003c\/li\u003e\n\u003cli\u003eSPDIF Eingang und Ausgang\u003c\/li\u003e\n\u003cli\u003eAudio Return Channel (ARC) über HDMI wird unterstützt\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eMIPI-DSI Bildschirm-Schnittstelle\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eMIPI-DSI 4 Lanes, unterstützt eine Anzeige, Auflösungen bis zu 1920 x 1080 @ 60 Hz\u003c\/li\u003e\n\u003cli\u003eLCDIF Display Controller\u003c\/li\u003e\n\u003cli\u003eAusgabe: LCDIF oder DC display controller output\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eAudio \u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e2x synchronous audio interface (SAI) Module, unterstützen I2S, AC97, TDM und codec\/DSP Interfaces\u003c\/li\u003e\n\u003cli\u003e1x SAI für 8 Tx Kanäle für HDMI Audioausgang\u003c\/li\u003e\n\u003cli\u003e4-pin Stereo Anschluss-Terminal, um zum Beispiel 4 Ohm, 3 Watt Lautsprecher direkt zu betreiben\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eKamera\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eMIPI-CSI2 Kameraeingang (4-lane), kompatibel mit der Coral Kamera\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eSicherheit\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eResource Domain Controller (RDC), supports four domains and up to eight regions\u003c\/li\u003e\n\u003cli\u003eArm TrustZone (TZ) architecture\u003c\/li\u003e\n\u003cli\u003eOn-Chip RAM (OCRAM) secure region protection using OCRAM controller\u003c\/li\u003e\n\u003cli\u003eHigh Assurance Boot (HAB)\u003c\/li\u003e\n\u003cli\u003eCryptographic acceleration and assurance (CAAM) module\u003c\/li\u003e\n\u003cli\u003eSecure non-volatile storage (SNVS): Secure real-time clock (RTC)\u003c\/li\u003e\n\u003cli\u003eSecure JTAG controller (SJC)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cb\u003eWeitere Features \u0026amp; Informationen\u003c\/b\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eboot mode DIP Schalter um den Bootvorgang zu steuern (Auswahl des Bootmediums)\u003c\/li\u003e\n\u003cli\u003eRESET Taster\u003c\/li\u003e\n\u003cli\u003ePower LED\u003c\/li\u003e\n\u003cli\u003e2 x serial port LEDs in der Nähe des seriellen Konsolenanschlusses, zeigen TX\/RX Aktivität auf der seriellen Schnittstelle\u003c\/li\u003e\n\u003cli\u003eKühlkörper \u0026amp; Lüfter (9k RPM) für Temperaturmanagement\u003c\/li\u003e\n\u003cli\u003ebenötigt 5 V \/ 2-3 A USB-C Netzteil\u003c\/li\u003e\n\u003cli\u003eempfohlene Umgebungstemperatur: 0-50°C für optimale Stabilität \u0026amp; Performance\u003c\/li\u003e\n\u003cli\u003eAbmessungen: 88.1 mm x 59.9 mm x 22.38 mm (inklusive Anschlüssen und Lüfter \u0026amp; Kühlkörper)\u003cbr\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eAbmessungen des Coral SoM\u003c\/strong\u003e: \u003cspan\u003e40 mm x 48 mm x 5.11 mm (ohne heat sink \u0026amp; fan)\u003c\/span\u003e\u003c\/p\u003e\n\u003cp\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/edgetpu\/benchmarks\/\"\u003eDiese Benchmarks\u003cspan\u003e \u003c\/span\u003e\u003c\/a\u003esind interessant, um ein Gefühl für die Leistungsfähigkeit des Coral USB Accelerators zu bekommen.\u003c\/p\u003e\n\u003ch3\u003e\u003cstrong\u003eSoftware-Unterstützung\u003c\/strong\u003e\u003c\/h3\u003e\n\u003ch3\u003e\u003cstrong\u003eMendel Linux\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cp\u003e\u003ca href=\"https:\/\/coral.googlesource.com\/docs\/+\/refs\/heads\/master\/ReadMe.md\"\u003eMendel Linux\u003c\/a\u003e\u003cspan\u003e \u003c\/span\u003eist ein von Google entwickeltes Debian-Derivat, speziell für die Coral Plattform. Auf diesem Board ist ab Werk ein Bootloader vorinstalliert, Sie müssen Mendel Linux manuell installieren. \u003ca href=\"https:\/\/coral.ai\/docs\/dev-board\/get-started\/#flash-the-board\"\u003eHier finden Sie eine Anleitung dazu\u003c\/a\u003e.\u003c\/p\u003e\n\u003cp\u003eMendel Linux nutzt Debian's upstream binary packages, um möglichst hohe Kompatibilität zu bewahren, und Sicherheitsupdates zeitnah zu ermöglichen. Es unterstützt aktuell nur die Coral Dev Boards (auch als \"enterprise\" oder \"phanbell\" bekannt) und die Coral SoM Module (System-on-Module). \u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eTensorFlow Lite\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eDas Coral Dev Board 1GB \/ 4GB unterstützt die Ausführung von (kompilierten) TensorFlow Lite Modellen auf seiner EdgeTPU.\u003c\/p\u003e\n\u003cp\u003e\u003ca href=\"https:\/\/cloud.google.com\/vision\/automl\/docs\/edge-quickstart\"\u003e\u003cstrong\u003eAutoML Vision Edge\u003c\/strong\u003e\u003c\/a\u003e\u003c\/p\u003e\n\u003cp\u003eDas Coral Dev Board \u003cspan\u003e1GB \/ 4GB \u003c\/span\u003eunterstützt\u003cspan\u003e \u003c\/span\u003e\u003ca href=\"https:\/\/cloud.google.com\/vision\/automl\/docs\/edge-quickstart\"\u003eAutoML Vision Edge,\u003c\/a\u003e\u003cspan\u003e \u003c\/span\u003eum Modelle für Bild-Klassifikation (image classification models) schnell zum Einsatz bringen zu können.\u003c\/p\u003e\n\u003ch3\u003e\n\u003cstrong\u003e\u003c\/strong\u003e\u003cstrong\u003e\u003c\/strong\u003e\u003cstrong\u003eEmpfohlenes weiteres Zubehör:\u003c\/strong\u003e\n\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003cspan\u003e\u003ca href=\"https:\/\/buyzero.de\/products\/logitech-k400-funktastatur-touchpad-kombi?variant=31408954898\"\u003eLogitech K400 Funktastatur\/Maus-Kombi\u003c\/a\u003e\u003c\/span\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eGoogle stellt im Coral.ai Projekt mehrere interessante\u003cspan\u003e \u003c\/span\u003e\u003ca href=\"https:\/\/coral.ai\/examples\/\"\u003eBeispiele und Tutorials \u003c\/a\u003ebereit, beispielsweise eine \"Variante\" von AlphaGo Zero die\u003cspan\u003e \u003c\/span\u003e\u003ca href=\"https:\/\/coral.ai\/projects\/minigo\/\"\u003eMinigo\u003cspan\u003e \u003c\/span\u003e\u003c\/a\u003egenannt wird. (AlphaGo Zero hat menschliche Go Spieler geschlagen, bei einem Spiel was als extrem komplex gilt, und deutlich aufwändiger für Computer zu spielen als bspw. Schach).\u003c\/p\u003e\n\u003ch3\u003ePotential für industrielle Anwendungen \u0026amp; Consulting\u003c\/h3\u003e\n\u003cp\u003eDie Google Coral TPU \u0026amp; TensorFlow Lite sind eine revolutionäre Produkt-Plattform, ähnlich wie der Raspberry Pi, für machine learning Anwendungen! Damit werden embedded Lösungen möglich, die beispielsweise Probleme mit Werkstücken erkennen können, Verkehrssituation erkennen können, und vieles mehr.\u003c\/p\u003e\n\u003cp\u003eDas Coral Dev Board \u003cspan\u003e1GB \/ 4GB \u003c\/span\u003eist besonders gut in Situationen geeignet bei dem Sie in Ihrer embedded-Anwendung die höchstmögliche Leistung der Google Coral EdgeTPU abrufen möchten. Sie können auch Ihre initiale Entwicklung auf dieser Plattform durchführen, und anschließend unkompliziert auf ein eigenes Hardware-Design (ein Baseboard für das Coral SoM) umsteigen, oder Ihre Anwendung auf das\u003ca href=\"https:\/\/buyzero.de\/products\/google-coral-dev-board-mini?variant=38012953591988\"\u003e Coral Dev Board Mini\u003c\/a\u003e portieren.\u003c\/p\u003e\n\u003cp\u003eAls Entwicklungsplattform ist dieses Development Board besonders gut geeignet: Das Coral Dev Board \u003cspan\u003e1GB \/ 4GB \u003c\/span\u003everfügt beispielsweise über eine Ethernet-Schnittstelle, und ermöglicht eine höhere Inferenz-Geschwindigkeit dank besserer interner Anbindung der EdgeTPU, als beispielsweise das \u003ca href=\"https:\/\/buyzero.de\/products\/google-coral-dev-board-mini?variant=38012953591988\"\u003eDev Board Mini\u003c\/a\u003e.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eConsulting\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eGerne beraten wir (\u003ca href=\"https:\/\/pi3g.com\/kontakt\/\"\u003epi3g GmbH)\u003c\/a\u003e Sie \u003c\/strong\u003e\u003cspan style=\"background-color: rgb(255, 255, 255);\"\u003e\u003cspan\u003e\u003cstrong\u003eals Google's europäischer General-Distributor rund um Google's Coral Produktsortiment\u003c\/strong\u003e\u003c\/span\u003e.\u003c\/span\u003e\u003c\/p\u003e\n\u003cp\u003eWir sagen Ihnen ehrlich, wenn wir Potential für Ihre Anwendung sehen, und wenn aus unserer Sicht eine andere Lösung besser geeignet wäre.\u003c\/p\u003e\n\u003cp\u003eNehmen Sie mit uns bei Interesse\u003cspan\u003e \u003c\/span\u003e\u003ca href=\"https:\/\/pi3g.com\/kontakt\/\"\u003ebitte Kontakt auf.\u003c\/a\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eHardware \u0026amp; Softwareentwicklung\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eWir bieten Ihnen Hardware \u0026amp; Softwareentwicklung aus einer Hand. \u003c\/p\u003e\n\u003cp\u003eGoogle stellt im Coral.AI Projekt (wie hier erwähnt) ein spezielles Modul (SoM, System-on-Module) bereit, das in Ihre Hardware-Lösung einfach von uns eindesigned werden kann. Oder lassen Sie uns ein komplettes Board für Ihre Anwendung designen.\u003c\/p\u003e\n\u003cp\u003eWir bieten Ihnen auch Softwareentwicklung rund um das Thema künstliche Intelligenz auf. Es ist ein junges Gebiet mit massivem Wertschöpfungspotential für Sie und Ihre Firma -\u003cspan\u003e \u003c\/span\u003e\u003ca href=\"https:\/\/pi3g.com\/kontakt\/\"\u003enehmen Sie bei Interesse an diesem zukunftsweisenden Gebiet gerne Kontakt mit uns auf.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003e\u003cstrong\u003eDownloads \u0026amp; Dokumentation\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cp\u003e\u003cstrong\u003eDev Board 1GB \/ 4GB\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/dev-board\/get-started\/\"\u003eEinstieg mit dem Dev Board 1GB \/ 4GB (englisch)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/dev-board\/gpio\/\"\u003eGPIO Pinout \u0026amp; Nutzung\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/dev-board\/reflash\/\"\u003eDev Board 1GB \/ 4GB aktualisieren oder Flashen\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/static\/files\/Coral-Dev-Board-datasheet.pdf\"\u003eDev Board 1GB \/ 4GB Datenblatt (PDF, englisch)\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eEdgeTPU \/ Inferenzierung\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/coral.ai\/docs\/edgetpu\/inference\/\"\u003eEdge TPU inferencing overview\u003cspan\u003e \u003c\/span\u003e\u003c\/a\u003e(Tensor Flow Lite Modelle)\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/edgetpu\/models-intro\/\"\u003eTensorFlow models on the Edge TPU\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/reference\/cpp\/\"\u003eLibcoral API (C++)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/coral.ai\/docs\/reference\/cpp\/pipeline\/\"\u003ePipeline C++ API Referenz\u003c\/a\u003e (erlaubt Verteilung der Rechenlast über mehrere Coral TPUs)\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/coral.ai\/docs\/reference\/py\/\"\u003ePyCoral API (Python)\u003c\/a\u003e\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/edgetpu\/faq\/\"\u003eEdgeTPU FAQ\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eGehäuse 3D Druck \u0026amp; Schaltpläne\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/storage.googleapis.com\/site_and_emails_static_assets\/Files\/Coral-Dev-Board-and-case.zip\"\u003eDev Board 1GB \/ 4GB Gehäuse Designdateien für den 3D-Druck (STEP und STL Dateien, .ZIP) \u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/github.com\/google-coral\/electricals\/tree\/master\/dev_board_mini\"\u003eCoral Dev Board 1GB \/ 4GB Schaltpläne und Board Layout\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eZusatzinformationen\u003c\/h3\u003e\n\u003cp\u003e Google Teilenummer:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eG950-01455-01 (1GB) \u003cstrong\u003eNEU\u003c\/strong\u003e: G950-04742-01; RS Bestellnummer: \u003cspan\u003e201-7819\u003c\/span\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cul\u003e\n\u003cli\u003e\u003cspan\u003eG950-06210-01 (4GB) \u003c\/span\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cspan\u003eASUS Teilenummer: \u003c\/span\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\u003cspan\u003e90AN0010-M0XAY0 (Current Stock) -\u0026gt; 1GB\u003cbr\u003e90AN0010-B0XAY0 (New Production) -\u0026gt; 1GB\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003e90AN0010-B1XAY0 -\u0026gt; 4GB\u003c\/span\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003ch2\u003e\u003cspan\u003eEnglish Description\u003c\/span\u003e\u003c\/h2\u003e\n\u003cp\u003eWe also carry the \u003ca href=\"https:\/\/buyzero.de\/products\/google-coral-usb-accelerator?variant=31907697197158\" rel=\"noopener\" target=\"_blank\"\u003e\u003cstrong\u003eCoral USB Accelerator\u003c\/strong\u003e\u003c\/a\u003e and the \u003ca href=\"https:\/\/buyzero.de\/products\/google-coral-dev-board-mini?variant=38012953591988\" rel=\"noopener\" target=\"_blank\"\u003e\u003cstrong\u003eCoral Dev Board Mini\u003c\/strong\u003e\u003c\/a\u003e. For particularly high performance, we recommend using the Coral Dev Board 1GB \/ 4GB, while the Dev Board Mini is mainly useful for low-cost solutions.\u003c\/p\u003e\n\u003cp\u003eThe \u003cstrong\u003eGoogle Coral Dev Board 1GB \/ 4GB\u003c\/strong\u003e is a powerful single-board computer (SBC) with a built-in real-time inference module (Deep Learning \/ Machine Learning, EdgeTPU)!\u003c\/p\u003e\n\u003cp\u003eDo you need a development board with an integrated TPU (Tensor Processing Unit) for powerful machine learning \/ deep learning algorithms? The Google Coral Dev Board 1GB \/ 4GB is especially suited for mobile or embedded applications with higher inferencing performance requirements. We are happy to advise you on the different ways to use machine learning in your company efficiently and cost-effectively.\u003cbr\u003e\u003cbr\u003e\u003c\/p\u003e\n\u003ch3\u003eCoral SoM On-Board\u003c\/h3\u003e\n\u003cp\u003eThe Coral Dev 1GB \/ 4GB is a development board based on the \u003cstrong\u003eGoogle Coral SoM (System-on-Module)\u003c\/strong\u003e, with 1GB or 4GB RAM and 8GB or 16GB eMMC Flash. What makes it special is that the SoM includes, in addition to the EdgeTPU, the essential components of a single-board computer (SBC), making it ideal for integration into your own hardware designs!\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eTip:\u003c\/strong\u003e We offer both hardware and software design from a single source, for Coral and the Raspberry Pi platform. If you're interested in a free initial consultation, feel free to contact us.\u003c\/p\u003e\n\u003cp\u003eYou can use this 1GB \/ 4GB Coral Development Board during the prototyping phase and later transition to your own hardware design. Alternatively, for smaller projects, you can directly use the Coral Dev Board 1GB \/ 4GB.\u003c\/p\u003e\n\u003cp\u003eUnlike the \u003cstrong\u003eCoral USB Accelerator\u003c\/strong\u003e, this development board is a standalone platform where you can run your entire application.\u003c\/p\u003e\n\u003cp\u003eWith the \u003cstrong\u003eEdge TPU\u003c\/strong\u003e, TensorFlow Lite models can be used quickly and energy-efficiently for inference. One major advantage of this solution is that your data stays local, which helps reduce latency and ensures better data privacy compliance (e.g., with the GDPR).\u003c\/p\u003e\n\u003cp\u003eGoogle increasingly relies on artificial intelligence (AI) and machine learning (ML) for its services. To support this, Google developed specialized processors called \u003cstrong\u003eTPUs\u003c\/strong\u003e (\"tensor processing units\") that run algorithms using the TensorFlow framework more quickly and efficiently. For instance, Google Maps is improved using street signs from Street View, which are analyzed with a TensorFlow-based neural network. The best part is that TensorFlow can be easily programmed in Python.\u003c\/p\u003e\n\u003cp\u003eThe \u003cstrong\u003eEdge TPU\u003c\/strong\u003e supports the TensorFlow Lite framework. It can perform up to \u003cstrong\u003e4 trillion operations per second\u003c\/strong\u003e while consuming only 2 watts. TensorFlow Lite is a variant of TensorFlow specifically tailored for mobile and embedded devices. Many TensorFlow applications can also be implemented using TensorFlow Lite.\u003c\/p\u003e\n\u003ch3\u003eTechnical Specifications of the Coral Dev Board 1GB \/ 4GB\u003c\/h3\u003e\n\u003cp\u003e\u003cstrong\u003eSoM (System on Module)\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eNXP i.MX 8M SoC\u003c\/li\u003e\n\u003cli\u003eGoogle Edge TPU ML accelerator coprocessor\u003c\/li\u003e\n\u003cli\u003eWi-Fi 2x2 MIMO (802.11b\/g\/n\/ac 2.4\/5GHz)\u003c\/li\u003e\n\u003cli\u003eBluetooth 4.2\u003c\/li\u003e\n\u003cli\u003e8GB eMMC (1GB RAM version) or 16GB eMMC (4GB RAM version)\u003c\/li\u003e\n\u003cli\u003e1GB or 4GB LPDDR4\u003c\/li\u003e\n\u003cli\u003eRohm BD71837MWV PMIC (integrates 8 DC-DC step-down converters, 7 LDOs)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eNXP i.MX 8M SoC (part of the SoM)\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eQuad-Core ARM Cortex-A53 (@1.5 GHz, 64-bit ARMv8-A) + Cortex-M4F\u003c\/li\u003e\n\u003cli\u003eVivante GC7000Lite GPU (supports Vulkan), 32 GFLOPs 32-bit or 64 GFLOPs 16-bit\u003c\/li\u003e\n\u003cli\u003e4Kp60 HEVC\/H.265 main and main 10 decoder\u003c\/li\u003e\n\u003cli\u003e4Kp60 VP9, 4Kp30 AVC\/H.264 decoder (requires full system performance)\u003c\/li\u003e\n\u003cli\u003e1080p\/60fps MPEG-2, MPEG-4, MJPEG, H.263 decoder\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eEdgeTPU (part of the SoM)\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eGoogle Edge TPU ML accelerator coprocessor\u003c\/li\u003e\n\u003cli\u003e4 TOPS (int8); 2 TOPS per watt\u003c\/li\u003e\n\u003cli\u003eConnected to NXP i.MX 8M SoC via PCIe and I2C\/GPIO\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eTip:\u003c\/strong\u003e The PCIe connection enables the maximum transfer rate to the EdgeTPU module, making the Dev Board 1GB \/ 4GB ideal for applications requiring high frame rates and performance.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eNote:\u003c\/strong\u003e The SoM is connected to the development board via three 100-pin connectors. It can be detached and integrated into your own hardware.\u003c\/p\u003e\n\u003ch3\u003eConnectivity \u0026amp; Interfaces\u003c\/h3\u003e\n\u003cp\u003eThe Coral Dev Board 1GB \/ 4GB features the following interfaces:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eWi-Fi 2x2 MIMO (802.11a\/b\/g\/n\/ac 2.4\/5GHz), Murata LBEE5U91CQ module\u003c\/li\u003e\n\u003cli\u003eBluetooth 4.2 and BLE (Bluetooth Low Energy), Murata LBEE5U91CQ module\u003c\/li\u003e\n\u003cli\u003e40-pin GPIO header (3.3V logic level)\u003c\/li\u003e\n\u003cli\u003eUSB 3.0 Type-A host\u003c\/li\u003e\n\u003cli\u003eUSB Type-C for data (OTG capable)\u003c\/li\u003e\n\u003cli\u003eUSB micro-B for serial console\u003c\/li\u003e\n\u003cli\u003emicroSD slot\u003c\/li\u003e\n\u003cli\u003eGigabit Ethernet with EEE (Energy Efficient Ethernet) support\u003c\/li\u003e\n\u003cli\u003eHDMI 2.0a (full-size)\u003c\/li\u003e\n\u003cli\u003e3.5mm audio jack\u003c\/li\u003e\n\u003cli\u003e4-pin stereo terminal\u003c\/li\u003e\n\u003cli\u003e2x digital PDM microphones\u003c\/li\u003e\n\u003cli\u003e39-pin FFC connector for MIPI-DSI display (4-lane)\u003c\/li\u003e\n\u003cli\u003e24-pin FFC connector for MIPI-CSI2 camera (4-lane)\u003c\/li\u003e\n\u003cli\u003eUSB Type-C port for power\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003e40-pin GPIO Header\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e3.3V power supply\u003c\/li\u003e\n\u003cli\u003e40 - 225 Ohm programmable impedance\u003c\/li\u003e\n\u003cli\u003e~82 mA max current\u003c\/li\u003e\n\u003cli\u003e2x UART\u003c\/li\u003e\n\u003cli\u003e4x PWM\u003c\/li\u003e\n\u003cli\u003e2x SPI\u003c\/li\u003e\n\u003cli\u003e16x GPIO with interrupt capability\u003cbr\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eHDMI Display Interface\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eHDMI 2.0a (standard size), supports up to 1080p resolution\u003c\/li\u003e\n\u003cli\u003eUpscaling and downscaling between 4K and HD video (uses full system resources)\u003c\/li\u003e\n\u003cli\u003e20+ audio interfaces with 32-bit @ 384 kHz fs, TDM support\u003c\/li\u003e\n\u003cli\u003eSPDIF input and output\u003c\/li\u003e\n\u003cli\u003eAudio Return Channel (ARC) over HDMI supported\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eMIPI-DSI Display Interface\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eMIPI-DSI 4 Lanes, supports resolutions up to 1920x1080 @ 60 Hz\u003c\/li\u003e\n\u003cli\u003eLCDIF display controller\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eAudio\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e2x synchronous audio interfaces (SAI), support I2S, AC97, TDM, and codec\/DSP interfaces\u003c\/li\u003e\n\u003cli\u003e1x SAI for 8 Tx channels for HDMI audio output\u003c\/li\u003e\n\u003cli\u003e4-pin stereo terminal for directly connecting speakers (e.g., 4 Ohm, 3 Watt)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eCamera\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eMIPI-CSI2 camera input (4-lane), compatible with the Coral camera\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eSecurity\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eResource Domain Controller (RDC), supports four domains and up to eight regions\u003c\/li\u003e\n\u003cli\u003eArm TrustZone (TZ) architecture\u003c\/li\u003e\n\u003cli\u003eOn-Chip RAM (OCRAM) secure region protection\u003c\/li\u003e\n\u003cli\u003eHigh Assurance Boot (HAB)\u003c\/li\u003e\n\u003cli\u003eCryptographic acceleration and assurance (CAAM) module\u003c\/li\u003e\n\u003cli\u003eSecure non-volatile storage (SNVS)\u003c\/li\u003e\n\u003cli\u003eSecure JTAG controller (SJC)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eConsulting\u003c\/h3\u003e\n\u003cp\u003e\u003cstrong\u003eWe (\u003ca href=\"https:\/\/pi3g.com\/kontakt\/\" rel=\"noopener\" target=\"_blank\"\u003epi3g GmbH\u003c\/a\u003e) are happy to advise you, as Google's European general distributor, on Google's Coral product range.\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eWe will be honest with you about the potential for your application and let you know if we believe another solution would be better suited.\u003c\/p\u003e\n\u003cp\u003ePlease feel free to contact us if you're interested.\u003c\/p\u003e\n\u003ch3\u003e\u003cstrong\u003eHardware \u0026amp; Software Development\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cp\u003eWe offer both hardware and software development from a single source.\u003c\/p\u003e\n\u003cp\u003eAs part of the Coral.AI project (as mentioned here), Google provides a special module (SoM, System-on-Module) that we can easily integrate into your hardware solution. Alternatively, we can design a complete board tailored to your application.\u003c\/p\u003e\n\u003cp\u003eWe also offer software development related to artificial intelligence. It is a young field with massive value creation potential for you and your company—feel free to contact us if you are interested in this forward-looking area.\u003c\/p\u003e","brand":"Coral by Google","offers":[{"title":"1GB","offer_id":43630699151627,"sku":"CORAL.devboard-1gb","price":250.0,"currency_code":"EUR","in_stock":false}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/CORAL.devboard-1gb_HERO.jpg?v=1732619985"},{"product_id":"google-coral-enviro-board","title":"Google Coral Enviro Board (Environmental Sensor Board)","description":"\u003cp\u003eDas Coral Enviro Board verfügt über Temperatur, Licht und Feuchtigkeitssensoren für Ihre IoT Anwendung.\u003cbr\u003e\u003c\/p\u003e\n\u003ch3\u003eÜber das Enviro Board\u003c\/h3\u003e\n\u003cp\u003eDas Environmental Sensor Board ist ein add-on Board (auch als pHAT oder Bonnet bekannt), mit dem Sie einfach Sensoren zu Ihrem Coral Dev Board oder Raspberry Pi Projekt hinzufügen können.\u003c\/p\u003e\n\u003cp\u003eVier Grove Steckverbinder ermöglichen Ihnen darüber hinaus einfach weitere Sensoren anzuschließen. \u003c\/p\u003e\n\u003cp\u003eEine spezielle Hardwarekomponente (secure element) ermöglicht es Ihrer Anwendung mit Google's Cloud IOT Core zusammen zu arbeiten.\u003c\/p\u003e\n\u003ch3\u003e\u003cstrong\u003eTechnische Daten Enviro Board\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cp\u003e\u003cstrong\u003eSensoren\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eFeuchtigkeit: Texas Instruments \u003ca href=\"https:\/\/www.ti.com\/lit\/ds\/symlink\/hdc2010.pdf\" data-mce-href=\"https:\/\/www.ti.com\/lit\/ds\/symlink\/hdc2010.pdf\"\u003eHDC2010 Luftfeuchtigkeitssensor\u003c\/a\u003e (Messbereich: 0-100%  bei +- 2% Genauigkeit)\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eTemperatur: HDC2010 (Messbereich: -40 bis +125°C bei +- 0.2°C Genauigkeit)\u003c\/li\u003e\n\u003cli\u003eHelligkeit: Texas Instruments \u003ca href=\"https:\/\/www.ti.com\/lit\/ds\/symlink\/opt3002.pdf\" data-mce-href=\"https:\/\/www.ti.com\/lit\/ds\/symlink\/opt3002.pdf\"\u003eOPT3002 \u003c\/a\u003eUmgebungslichtsensor (Optisches Spektrum: 300-1000 nm, Messbereich: 1.2 nW\/cm^2 bis 10 mW\/cm^2 )\u003c\/li\u003e\n\u003cli\u003eBarometer: Bosch Sensortec \u003ca href=\"https:\/\/www.bosch-sensortec.com\/media\/boschsensortec\/downloads\/datasheets\/bst-bmp280-ds001.pdf\" data-mce-href=\"https:\/\/www.bosch-sensortec.com\/media\/boschsensortec\/downloads\/datasheets\/bst-bmp280-ds001.pdf\"\u003eBMP280 \u003c\/a\u003eLuftdrucksensor (Messbereich 300 ... 1100 hPa bei +- 1hPa Genauigkeit)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eGrove-Steckverbinder\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eVier Grove Steckverbinder, unterschiedlich belegt (siehe Datenblatt):\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eUART\u003c\/li\u003e\n\u003cli\u003eI2C\u003c\/li\u003e\n\u003cli\u003ePWM\u003c\/li\u003e\n\u003cli\u003eAnalog\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eWeitere Features\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e128 x 32 OLED display\u003c\/li\u003e\n\u003cli\u003efrei programmierbarer Taster\u003c\/li\u003e\n\u003cli\u003efrei programmierbare LED\u003c\/li\u003e\n\u003cli\u003eon-board \u003ca href=\"https:\/\/www.ti.com\/lit\/ds\/symlink\/tla2021.pdf\" data-mce-href=\"https:\/\/www.ti.com\/lit\/ds\/symlink\/tla2021.pdf\"\u003eTLA2021IRUGT\u003c\/a\u003e 12-bit ADC (analog-to-digital converter), an analogen Grove Steckverbinder angeschlossen\u003c\/li\u003e\n\u003cli\u003eMicrochip ATECC608A crypto chip mit Google Schlüsseln\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003e40-pin GPIO Anschluss für Coral Dev Boards und Raspberry Pi\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eDas OLED display nutzt den SSD1306 Controller, und ist via SPI verbunden.\u003c\/p\u003e\n\u003cp\u003eDer Kryptoprozessor ATECC608A kann bis zu 16 256-bit Schlüssel in seinem EEPROM speichern. Er wurde integriert, damit man das Gerät sicher identifizieren kann - und beispielsweise sicherstellen kann dass die Messdaten von der richtigen (eigenen) Hardware kommen. \u003c\/p\u003e\n\u003cp\u003eAb Werk wurde ein Google Schlüssel zur Nutzung mit \u003ca href=\"https:\/\/cloud.google.com\/iot-core\/\" data-mce-href=\"https:\/\/cloud.google.com\/iot-core\/\"\u003eGoogle Cloud IoT Core\u003c\/a\u003e  vorinstalliert, er kann auf Wunsch überschrieben werden.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eAbmessungen \u0026amp; Gewicht\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003emit Komponenten: 65 x 30 x 18.46 mm\u003c\/li\u003e\n\u003cli\u003eHöhe des 40-pin headers: 8.5 mm\u003c\/li\u003e\n\u003cli\u003evier Befestigungslöcher, 2.4 mm Durchmesser\u003c\/li\u003e\n\u003cli\u003eGewicht: 14 g\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eÜberblick über I2C Adressen\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eLuftfeuchtigkeit \/ Temperatur Sensor: 0x40\u003c\/li\u003e\n\u003cli\u003eUmgebungslichtsensor: 0x45\u003c\/li\u003e\n\u003cli\u003eBarometrischer Sensor: 0x76\u003c\/li\u003e\n\u003cli\u003eADC: 0x49\u003c\/li\u003e\n\u003cli\u003eKryptoprozessor: 0x30\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eHinweise\u003c\/h3\u003e\n\u003cp\u003eDas Coral Environmental Sensor Board muss an einen Host mit I2C, SPI und 3.3V Stromversorgung angeschlossen werden. \u003c\/p\u003e\n\u003cp\u003eDer 40-pin Header und die Python APIs wurden für Kompatibilität mit dem Coral Dev Board oder Raspberry Pi (sowie Mendel Linux bzw. Raspberry Pi OS) entwickelt.\u003c\/p\u003e\n\u003ch3\u003e\u003cstrong\u003eDownloads \u0026amp; Dokumentation\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/static\/files\/Coral-Environmental-Sensor-datasheet.pdf\" data-mce-href=\"https:\/\/coral.ai\/static\/files\/Coral-Environmental-Sensor-datasheet.pdf\"\u003eEnviro Board Datenblatt (PDF, englisch) \u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/enviro-board\/get-started\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/enviro-board\/get-started\/\"\u003eEinstieg mit dem Enviro Board (englisch)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/reference\/enviro\/coral.enviro.board\/\"\u003eEnviro Board Python API (englisch)\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003e\n\u003cstrong\u003e\u003c\/strong\u003eZusatzinformationen\u003c\/h3\u003e\n\u003cp\u003e Google Teilenummer: G650-04023-01\u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003ch2\u003eEnglish Description\u003c\/h2\u003e\n\u003ch3\u003eThe Coral Enviro Board features temperature, light, and humidity sensors for your IoT application.\u003c\/h3\u003e\n\u003ch4\u003eAbout the Enviro Board\u003c\/h4\u003e\n\u003cp\u003eThe Environmental Sensor Board is an add-on board (also known as a pHAT or Bonnet) that allows you to easily add sensors to your Coral Dev Board or Raspberry Pi project.\u003c\/p\u003e\n\u003cp\u003eIn addition, four Grove connectors enable you to easily connect more sensors.\u003c\/p\u003e\n\u003cp\u003eA special hardware component (secure element) allows your application to work with Google's Cloud IoT Core.\u003c\/p\u003e\n\u003ch3\u003eTechnical Specifications Enviro Board\u003c\/h3\u003e\n\u003ch4\u003eSensors\u003c\/h4\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eHumidity:\u003c\/strong\u003e Texas Instruments \u003ca rel=\"noopener\" href=\"https:\/\/www.ti.com\/lit\/ds\/symlink\/hdc2010.pdf\" target=\"_blank\"\u003eHDC2010 humidity sensor\u003c\/a\u003e (Measurement range: 0-100% at ± 2% accuracy)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eTemperature:\u003c\/strong\u003e HDC2010 (Measurement range: -40 to +125°C at ± 0.2°C accuracy)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eBrightness:\u003c\/strong\u003e Texas Instruments \u003ca rel=\"noopener\" href=\"https:\/\/www.ti.com\/lit\/ds\/symlink\/opt3002.pdf\" target=\"_blank\"\u003eOPT3002\u003c\/a\u003e ambient light sensor (Optical spectrum: 300-1000 nm, Measurement range: 1.2 nW\/cm² to 10 mW\/cm²)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eBarometer:\u003c\/strong\u003e Bosch Sensortec \u003ca rel=\"noopener\" href=\"https:\/\/www.bosch-sensortec.com\/media\/boschsensortec\/downloads\/datasheets\/bst-bmp280-ds001.pdf\" target=\"_blank\"\u003eBMP280\u003c\/a\u003e pressure sensor (Measurement range: 300 ... 1100 hPa at ± 1 hPa accuracy)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch4\u003eGrove Connectors\u003c\/h4\u003e\n\u003cp\u003eFour Grove connectors with different assignments (see datasheet):\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eUART\u003c\/li\u003e\n\u003cli\u003eI2C\u003c\/li\u003e\n\u003cli\u003ePWM\u003c\/li\u003e\n\u003cli\u003eAnalog\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch4\u003eAdditional Features\u003c\/h4\u003e\n\u003cul\u003e\n\u003cli\u003e128 x 32 OLED display\u003c\/li\u003e\n\u003cli\u003eProgrammable button\u003c\/li\u003e\n\u003cli\u003eProgrammable LED\u003c\/li\u003e\n\u003cli\u003eOn-board \u003ca rel=\"noopener\" href=\"https:\/\/www.ti.com\/lit\/ds\/symlink\/tla2021.pdf\" target=\"_blank\"\u003eTLA2021IRUGT\u003c\/a\u003e 12-bit ADC (analog-to-digital converter) connected to an analog Grove connector\u003c\/li\u003e\n\u003cli\u003eMicrochip ATECC608A crypto chip with Google keys\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch4\u003e40-pin GPIO connection for Coral Dev Boards and Raspberry Pi\u003c\/h4\u003e\n\u003cp\u003eThe OLED display uses the SSD1306 controller and is connected via SPI.\u003c\/p\u003e\n\u003cp\u003eThe ATECC608A crypto processor can store up to 16 256-bit keys in its EEPROM. It was integrated to securely identify the device—ensuring that the measurement data comes from the correct (own) hardware.\u003c\/p\u003e\n\u003cp\u003eA Google key for use with \u003ca rel=\"noopener\" href=\"https:\/\/cloud.google.com\/iot-core\/\" target=\"_blank\"\u003eGoogle Cloud IoT Core\u003c\/a\u003e is pre-installed; it can be overwritten upon request.\u003c\/p\u003e\n\u003ch3\u003eDimensions \u0026amp; Weight\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eWith components: 65 x 30 x 18.46 mm\u003c\/li\u003e\n\u003cli\u003eHeight of the 40-pin header: 8.5 mm\u003c\/li\u003e\n\u003cli\u003eFour mounting holes, 2.4 mm diameter\u003c\/li\u003e\n\u003cli\u003eWeight: 14 g\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eOverview of I2C Addresses\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eHumidity \/ Temperature Sensor: 0x40\u003c\/li\u003e\n\u003cli\u003eAmbient Light Sensor: 0x45\u003c\/li\u003e\n\u003cli\u003eBarometric Sensor: 0x76\u003c\/li\u003e\n\u003cli\u003eADC: 0x49\u003c\/li\u003e\n\u003cli\u003eCrypto Processor: 0x30\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eNotes\u003c\/h3\u003e\n\u003cp\u003eThe Coral Environmental Sensor Board must be connected to a host with I2C, SPI, and 3.3V power supply.\u003c\/p\u003e\n\u003cp\u003eThe 40-pin header and Python APIs were developed for compatibility with the Coral Dev Board or Raspberry Pi (as well as Mendel Linux or Raspberry Pi OS).\u003c\/p\u003e\n\u003ch3\u003eDownloads \u0026amp; Documentation\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca rel=\"noopener\" href=\"https:\/\/coral.ai\/static\/files\/Coral-Environmental-Sensor-datasheet.pdf\" target=\"_blank\"\u003eEnviro Board Datasheet (PDF)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca rel=\"noopener\" href=\"https:\/\/coral.ai\/docs\/enviro-board\/get-started\/\" target=\"_blank\"\u003eGetting Started with the Enviro Board\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca rel=\"noopener\" href=\"https:\/\/coral.ai\/docs\/reference\/enviro\/coral.enviro.board\/\" target=\"_blank\"\u003eEnviro Board Python API\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eAdditional Information\u003c\/h3\u003e\n\u003cp\u003eGoogle Part Number: G650-04023-01\u003c\/p\u003e","brand":"Coral by Google","offers":[{"title":"Default Title","offer_id":39569543790772,"sku":"CORAL.enviro","price":14.95,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/CORAL.enviro_HERO.jpg?v=1732620493"},{"product_id":"google-coral-m-2-accelerator-with-dual-edge-tpu","title":"Google Coral M.2 Accelerator with Dual Edge TPU","description":"\u003cp\u003e\u003cstrong\u003eDer Coral M.2 Accelerator mit Dual Edge TPU integriert zwei Edge TPUs in bestehende Computersysteme mit Hilfe eines M.2 E-key interface.\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eDamit ist dieses Edge TPU Modul besonders gut für mobile und embedded Systeme geeignet, die von beschleunigtem maschinellen Lernen profitieren können. \u003cbr\u003e\u003c\/p\u003e\n\u003cp\u003eJeder Edge TPU Koprozessor ist fähig 4 Billionen Rechenoperationen pro Sekunde (4 TOPS) mit 2 Watt Leistungsaufnahme, auszuführen. Beispielsweise können moderne Mobile Vision Modelle wie MobileNet v2 bei nahezu 400 FPS effizient ausgeführt werden. \u003c\/p\u003e\n\u003cp\u003eMit zwei Edge TPUs (und damit 8 TOPS) können Sie die Leistungsfähigkeit des Systems \u003cstrong\u003everdoppeln\u003c\/strong\u003e - indem Sie beispielsweise zwei Modelle parallel laufen lassen, oder die Verarbeitungsschritte eines Modells auf beide Edge TPUs verteilen. \u003c\/p\u003e\n\u003cp\u003eDer M.2 Accelerator mit Dual Edge TPU wird unter Debian-Linux basierten Systemen, sowie unter Windows 10 unterstützt. \u003c\/p\u003e\n\u003cp\u003e\u003ca href=\"https:\/\/buyzero.de\/products\/google-coral-usb-accelerator\" data-mce-href=\"https:\/\/buyzero.de\/products\/google-coral-usb-accelerator\"\u003eWir führen auch den Coral USB Accelerator\u003c\/a\u003e - um Systeme die keine M.2 Schnittstelle anbieten per USB 3.0 Interface nachrüsten zu können.\u003c\/p\u003e\n\u003ch3\u003e\n\u003cstrong\u003eTechnische Daten Coral M.2 Accelerator with Dual Edge TPU\u003c\/strong\u003e\u003cbr\u003e\n\u003c\/h3\u003e\n\u003cp\u003e\u003cstrong\u003eTPU\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e2 x Google Edge TPU ML accelerator coprocessor\u003c\/li\u003e\n\u003cli\u003e8 TOPS (int8); 2 TOPS per Watt\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eInterface \u0026amp; Softwaresupport\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eInterface: M.2 E-key (mit zwei PCIe Gen2 x1 lanes)\u003c\/li\u003e\n\u003cli\u003eUnterstützt Linux, und Windows 10 auf dem Hostsystem\u003cbr\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eSonstige Daten\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eAbmessungen: 22 mm x 30 mm x 2.8 mm (\u003cstrong\u003eM.2-2230-D3-E\u003c\/strong\u003e)\u003c\/li\u003e\n\u003cli\u003eGewicht: 2.5 g\u003c\/li\u003e\n\u003cli\u003eBetriebstemperatur: -40 bis +85°C\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003e\u003c\/strong\u003e\u003cstrong\u003eAnforderungen an das Hostsystem\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eLinux:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e64-bit Linux Debian 10.0 \/ Ubuntu 16.04 (oder neuer)\u003c\/li\u003e\n\u003cli\u003eCPU Architektur: x86-64, oder ARMv8 (64-bit)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eoder Windows:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eWindows 10 (64-bit), \u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003ex86-64 CPU Architektur\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003e\u003cstrong\u003eWichtige Hinweise:\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cp\u003eObwohl die M.2 Spezifikation erfordert dass E-key Sockets zwei mal PCIe x1 Lane bereitstellen, stellen die meisten Hersteller nur einmal PCIe bereit! Um beide Edge TPUs einsetzen zu können, stellen Sie bitte sicher dass Ihr Socket tatsächlich \u003cstrong\u003ezwei\u003c\/strong\u003e mal PCIe x1 bereitstellt. \u003c\/p\u003e\n\u003cp\u003eBitte beachten Sie auch die Ausführungen des Datenblatts zu Spitzenstrom-Anforderungen (bis zu 3 A pro EdgeTPU), sowie Wärmemanagement (Thermal Management). Jede Edge TPU enthält einen eingebauten Temperatursensor, und erlaubt Parameter zu konfigurieren wann sie abgeschaltet werden soll.  \u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003e\u003cspan style=\"background-color: rgb(255, 255, 255);\"\u003eWarnhinweis: Überhitzung des Systems kann zu Brand oder zur Zerstörung von Hardware führen!\u003c\/span\u003e\u003c\/strong\u003e\u003c\/p\u003e\n\u003ch3\u003ePotential für industrielle Anwendungen \u0026amp; Consulting\u003c\/h3\u003e\n\u003cp\u003eDie Coral Edge TPU ist ein revolutionäres Produkt für machine learning Anwendungen! Damit werden embedded Lösungen möglich, die beispielsweise Probleme mit Werkstücken erkennen können, Verkehrssituation erkennen können, und vieles mehr.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eConsulting\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003e\u003cspan style=\"background-color: rgb(255, 255, 255);\"\u003eGerne beraten wir (\u003ca rel=\"noopener\" href=\"https:\/\/pi3g.com\/kontakt\/\" target=\"_blank\"\u003epi3g GmbH \u0026amp; Co. KG\u003c\/a\u003e) Sie \u003cspan data-mce-style=\"background-color: #ffff00;\"\u003eals Google's europäischer General-Distributor rund um Google's Coral Produktsortiment\u003c\/span\u003e. \u003c\/span\u003e\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eNehmen Sie mit uns bei Interesse \u003ca href=\"https:\/\/pi3g.com\/kontakt\/\"\u003ebitte Kontakt auf\u003c\/a\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eHardware \u0026amp; Softwareentwicklung\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eWir bieten Ihnen Hardware \u0026amp; Softwareentwicklung aus einer Hand. \u003c\/p\u003e\n\u003cp\u003eGoogle stellt im Coral.AI Projekt bspw. ein spezielles Modul (SoM) bereit, das in Ihre Hardware-Lösung einfach von uns eindesigned werden kann. Oder lassen Sie uns ein komplettes Board für Ihre Anwendung designen.\u003c\/p\u003e\n\u003cp\u003eWir bieten Ihnen auch Softwareentwicklung rund um das Thema künstliche Intelligenz auf. Es ist ein junges Gebiet mit massivem Wertschöpfungspotential für Sie und Ihre Firma - \u003ca href=\"https:\/\/pi3g.com\/kontakt\/\"\u003enehmen Sie bei Interesse an diesem zukunftsweisenden Gebiet gerne Kontakt mit uns auf.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003e\u003cstrong\u003eDownloads \u0026amp; Dokumentation\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cp\u003e\u003cstrong\u003ezum M.2 Accelerator Modul\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/static\/files\/Coral-M2-Dual-EdgeTPU-datasheet.pdf\" data-mce-href=\"https:\/\/coral.ai\/static\/files\/Coral-M2-Dual-EdgeTPU-datasheet.pdf\"\u003eCoral M.2 Accelerator with Dual Edge TPU Datenblatt (PDF, englisch)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/m2\/get-started\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/m2\/get-started\/\"\u003eEinstieg mit dem M.2 oder PCIe Accelerator (englisch)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/pcie-parameters\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/pcie-parameters\/\"\u003eTemperaturmanagement des PCIe Moduls (englisch)\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eEdge TPU \u0026amp; Modelle\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/coral.ai\/docs\/edgetpu\/models-intro\" data-mce-href=\"https:\/\/coral.ai\/docs\/edgetpu\/models-intro\"\u003eEinführung in Modelle auf der EdgeTPU (englisch)\u003c\/a\u003e\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/edgetpu\/inference\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/edgetpu\/inference\/\"\u003eÜberblick über das Inferencing auf der Edge TPU (englisch)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/edgetpu\/multiple-edgetpu\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/edgetpu\/multiple-edgetpu\/\"\u003eBetrieb mehrerer Modelle mit mehreren Edge TPUs (englisch)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/edgetpu\/pipeline\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/edgetpu\/pipeline\/\"\u003eEin Modell auf mehrere Edge TPUs aufteilen (englisch)\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eAPI \u0026amp; Downloads\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/reference\/py\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/reference\/py\/\"\u003ePyCoral API (Python)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/reference\/cpp\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/reference\/cpp\/\"\u003eLibcoral API (C++)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/reference\/cpp\/edgetpu\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/reference\/cpp\/edgetpu\/\"\u003eLibedgetpu API (C++)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/edgetpu\/compiler\" data-mce-href=\"https:\/\/coral.ai\/docs\/edgetpu\/compiler\"\u003eEdge TPU compiler\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/models\/\" data-mce-href=\"https:\/\/coral.ai\/models\/\"\u003evorkompilierte Modelle\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/software\" data-mce-href=\"https:\/\/coral.ai\/software\"\u003eAlle Softwaredownloads\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eWeitere Informationen\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eGoogle Teilenummer: G650-06076-01\u003c\/li\u003e\n\u003cli\u003eASUS Teilenummer: 90AN00I3-B0XAY0\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003ch2\u003eEnglish Description\u003c\/h2\u003e\n\u003cp\u003eThe Coral M.2 Accelerator with Dual Edge TPU integrates two Edge TPUs into existing computer systems using an M.2 E-key interface.\u003c\/p\u003e\n\u003cp\u003eThis Edge TPU module is particularly well-suited for mobile and embedded systems that can benefit from accelerated machine learning.\u003c\/p\u003e\n\u003cp\u003eEach Edge TPU coprocessor is capable of performing 4 trillion operations per second (4 TOPS) with a power consumption of 2 watts. For example, modern mobile vision models like MobileNet v2 can be efficiently run at nearly 400 FPS.\u003c\/p\u003e\n\u003cp\u003eWith two Edge TPUs (and thus 8 TOPS), you can double the system's performance—either by running two models in parallel or by distributing the processing steps of a model across both Edge TPUs.\u003c\/p\u003e\n\u003cp\u003eThe M.2 Accelerator with Dual Edge TPU is supported on Debian-based Linux systems as well as Windows 10.\u003c\/p\u003e\n\u003cp\u003e\u003ca rel=\"noopener\" href=\"https:\/\/buyzero.de\/products\/google-coral-usb-accelerator\" target=\"_blank\"\u003eWe also offer the Coral USB Accelerator\u003c\/a\u003e to retrofit systems that do not provide an M.2 interface via USB 3.0.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eTechnical Specifications\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eTPU\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e2 x Google Edge TPU ML accelerator coprocessors\u003c\/li\u003e\n\u003cli\u003e8 TOPS (int8); 2 TOPS per watt\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eInterface \u0026amp; Software Support\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eInterface: M.2 E-key (with two PCIe Gen2 x1 lanes)\u003c\/li\u003e\n\u003cli\u003eSupports Linux and Windows 10 on the host system\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eOther Specifications\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eDimensions: 22 mm x 30 mm x 2.8 mm (M.2-2230-D3-E)\u003c\/li\u003e\n\u003cli\u003eWeight: 2.5 g\u003c\/li\u003e\n\u003cli\u003eOperating temperature: -40 to +85°C\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eHost System Requirements\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eLinux:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e64-bit Linux Debian 10.0 \/ Ubuntu 16.04 (or newer)\u003c\/li\u003e\n\u003cli\u003eCPU Architecture: x86-64 or ARMv8 (64-bit)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eWindows:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eWindows 10 (64-bit)\u003c\/li\u003e\n\u003cli\u003ex86-64 CPU Architecture\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eImportant Notes:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eAlthough the M.2 specification requires E-key sockets to provide two PCIe x1 lanes, most manufacturers only provide one! To utilize both Edge TPUs, please ensure your socket actually provides two PCIe x1 lanes.\u003c\/li\u003e\n\u003cli\u003eAlso refer to the datasheet regarding peak current requirements (up to 3 A per Edge TPU) and thermal management. Each Edge TPU contains a built-in temperature sensor, allowing you to configure parameters for when it should shut down.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eWarning:\u003c\/strong\u003e Overheating of the system can lead to fire or hardware destruction!\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003ePotential for Industrial Applications \u0026amp; Consulting\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eThe Coral Edge TPU is a revolutionary product for machine learning applications! It enables embedded solutions capable of recognizing issues with workpieces, understanding traffic situations, and much more.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eConsulting\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eWe (\u003ca rel=\"noopener\" href=\"https:\/\/pi3g.com\/kontakt\/\" target=\"_blank\"\u003epi3g GmbH \u0026amp; Co. KG\u003c\/a\u003e) are happy to consult you as Google’s European General Distributor regarding Google’s Coral product range. Please contact us if you are interested.\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eHardware \u0026amp; Software Development\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eWe offer integrated hardware and software development services. Google provides a special module (SoM) in the Coral.AI project that can easily be designed into your hardware solution by us. Alternatively, let us design a complete board for your application.\u003c\/p\u003e\n\u003cp\u003eWe also provide software development focused on artificial intelligence. This is a young field with massive value creation potential for you and your company—\u003ca href=\"https:\/\/pi3g.com\/kontakt\/\"\u003eplease contact us if you are interested in this forward-looking area.\u003c\/a\u003e\u003cstrong\u003e\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eAdditional Information\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eGoogle Part Number: G650-06076-01\u003c\/li\u003e\n\u003cli\u003eASUS Part Number: 90AN00I3-B0XAY0\u003c\/li\u003e\n\u003c\/ul\u003e","brand":"Coral by Google","offers":[{"title":"Default Title","offer_id":39576872255668,"sku":"CORAL.m2-dual","price":60.0,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/CORAL.m2-dual_HERO2_9a74519a-daa0-422e-b8b2-1adba92ab228.jpg?v=1732619764"},{"product_id":"google-coral-system-on-module-som-1gb","title":"Google Coral System-on-Module (SoM)","description":"\u003ch3\u003e\u003cspan style=\"background-color: rgb(255, 255, 0);\"\u003e\u003ca href=\"https:\/\/pi3g.com\/coral-som-in-stock-2026\/\"\u003eCoral SoM is back in stock with us in 2026\u003c\/a\u003e! Last 2000 units available.\u003c\/span\u003e\u003c\/h3\u003e\n\u003cp\u003e\u003cstrong\u003eDas Google Coral System-on-Module (SoM) ist ein komplett integriertes Systemmodul für hardwarebeschleunigte Machine Learning Anwendungen, bestehend aus CPU, GPU, Edge TPU, Wi-Fi, Bluetooth, und Speicher in nur 40mm x 48mm Größe. \u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eDieses Modul kann einfach in Ihre eigene Hardware (und Anwendung) eindesigned werden. Es ist beispielsweise der Kern des \u003ca href=\"https:\/\/buyzero.de\/products\/google-coral-dev-board-4gb\"\u003eCoral Dev Boards (in der 4GB Variante)\u003c\/a\u003e.\u003c\/p\u003e\n\u003ch3\u003eIhre Vorteile:\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eDas Design eines passenden Trägerboards für Ihre machine learning Anwendung ist deutlich kosteneffektiver, und schneller. \u003c\/li\u003e\n\u003cli\u003eSie erhalten eine aufeinander abgestimmte Hardwareplattform mit guter Softwareunterstützung. \u003c\/li\u003e\n\u003cli\u003eDurch die drei Speichervarianten können Sie die für Ihre Anwendung passendste wählen - Ihren Kunden Optionen anbieten, oder Kosten optimieren  \u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003e\u003cspan style=\"background-color: #ffff00;\"\u003eTipp: wir bieten Ihnen Hardware- und Softwaredesign aus einer Hand, rund um Coral sowie die Raspberry Pi Plattform. Nehmen Sie bei Interesse für ein unverbindliches und \u003ca href=\"https:\/\/pi3g.com\/kontakt\/\" style=\"background-color: rgb(255, 255, 255);\"\u003ekostenfreies Erstgespräch bitte Kontakt mit uns auf\u003c\/a\u003e. \u003c\/span\u003e\u003c\/strong\u003e\u003c\/p\u003e\n\u003ch3\u003eHinweis zur Verfügbarkeit \/ availability\u003c\/h3\u003e\n\u003cp\u003eCoral 1GB SoM auf Anfrage verfügbar!\u003c\/p\u003e\n\u003ch1\u003eCoral SoM\u003c\/h1\u003e\n\u003cp\u003eDas Google Coral SoM enthält neben der EdgeTPU die wichtigsten Komponenten eines embedded-PC:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cspan\u003eNXP i.MX 8M SoC \u003c\/span\u003e(CPU + GPU) \u003c\/li\u003e\n\u003cli\u003eGoogle Edge TPU ML accelerator\u003c\/li\u003e\n\u003cli\u003eCrypto-Koprozessor\u003c\/li\u003e\n\u003cli\u003eWi-Fi + Bluetooth\u003c\/li\u003e\n\u003cli\u003e8 oder 16 GB eMMC\u003c\/li\u003e\n\u003cli\u003e1, 2, oder 4 GB LPDDR4\u003c\/li\u003e\n\u003cli\u003eUSB 3.0 Schnittstelle\u003c\/li\u003e\n\u003cli\u003eGigabit Ethernet Schnittstelle\u003c\/li\u003e\n\u003cli\u003eHDMI und MIPI-DSI\u003c\/li\u003e\n\u003cli\u003eMIPI-CSI-2\u003c\/li\u003e\n\u003cli\u003ebis zu 95 x GPIO (inklusive SPI, I2C, PWM, UART, SAI und SDIO)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eSie können im Prototyping-Stadium Ihre Anwendung mit Hilfe des \u003ca href=\"https:\/\/buyzero.de\/products\/google-coral-dev-board-4gb\"\u003e4GB Coral Development Boards\u003c\/a\u003e umsetzen, das auf diesem SoM Modul basiert - und anschließend einfach ein eigenes Hardware-Design realisieren, das für Ihre Anwendung optimiert ist.\u003c\/p\u003e\n\u003ch2\u003eDie Edge TPU\u003c\/h2\u003e\n\u003cp\u003eMit der Edge TPU können Tensor Flow Lite Modelle schnell und energiesparend für Inferenz genutzt werden.\u003cspan\u003e \u003c\/span\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cspan style=\"background-color: rgb(255, 255, 255);\"\u003e\u003cstrong\u003e\u003cspan\u003eEin besonderer Vorteil dieser Lösung: Ihre Daten bleiben lokal. Das hilft bei der Latenz, und natürlich beim Datenschutz! \u003c\/span\u003e\u003cspan\u003e(Und entsprechend der Befolgung der relevanten Gesetze, beispielsweise der Datenschutz-Grundverordnung (DSGVO), auf Englisch GDPR genannt).\u003c\/span\u003e\u003c\/strong\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003cp\u003eGoogle nutzt zunehmend künstliche Intelligenz (AI) und maschinelles Lernen (ML) um seine Dienstleistungen zu realisieren. Dazu entwickelte es für seine Rechenzentren spezialisierte Prozessoren namens\u003cspan\u003e \u003c\/span\u003e\u003cstrong\u003eTPU\u003c\/strong\u003e\u003cspan\u003e \u003c\/span\u003e(\"tensor processing unit\"), die die Algorithmen mit dem TensorFlow Framework schneller und energiesparender ausführen können. Beispielsweise wird Google Maps durch von Street View aufgenommene Straßenschilder verbessert, die mit Hilfe eines auf TensorFlow basierenden neuronalen Netzes analysiert werden. Der Clou: TensorFlow kann einfach in Python programmiert werden.\u003cbr\u003e\u003c\/p\u003e\n\u003cp\u003eDie Edge TPU unterstützt das TensorFlow Lite Framework. Die Edge TPU kann bis zu\u003cspan\u003e \u003c\/span\u003e\u003cstrong\u003e4 Billionen Rechenoperationen pro Sekunde mit nur 2 W Verbrauch\u003c\/strong\u003e\u003cspan\u003e \u003c\/span\u003edurchführen. TensorFlow Lite ist eine abgewandelte Variante von TensorFlow, die speziell auf den Bedarf mobiler Endgeräte und von embedded devices angepasst wurde. Viele TensorFlow Anwendungen lassen sich auch in TensorFlow Lite realisieren.\u003c\/p\u003e\n\u003ch2\u003e\n\u003cstrong style=\"background-color: #ffff00;\"\u003e\u003c\/strong\u003eTechnische Daten Coral SoM (System-on-Module)\u003c\/h2\u003e\n\u003cul\u003e\u003c\/ul\u003e\n\u003ch3\u003eNXP i.MX 8M SoC \u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eQuad-Core ARM Cortex-A53 (@1.5 GHz, 64-bit ARMv8-A) + Cortex-M4F\u003c\/li\u003e\n\u003cli\u003eVivante GC7000Lite GPU (supports Vulkan), 32 GFLOPs 32-bit or 64 GFLOPs 16-bit\u003c\/li\u003e\n\u003cli\u003e4Kp60 HEVC\/H.265 main und main 10 decoder\u003c\/li\u003e\n\u003cli\u003e4Kp60 VP9, 4Kp30 AVC\/H.264 decoder (benötigt volle Systemleistung)\u003c\/li\u003e\n\u003cli\u003e1080p\/60fps MPEG-2, MPEG-4, MJPEG, H.263 decoder\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eSpeicher\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eFlash: 8GB oder 16 GB eMMC (nur 4GB RAM Variante)\u003c\/li\u003e\n\u003cli\u003eRAM: 1GB \/ 2GB \/ 4GB LPDDR4 Varianten\u003c\/li\u003e\n\u003cli\u003eSDIO Schnittstelle unterstützt Boot von SD Karte (falls in Ihrem Design vorhanden)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eEdgeTPU \u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eGoogle Edge TPU ML accelerator coprocessor\u003c\/li\u003e\n\u003cli\u003e4 TOPS (int8); 2 TOPS pro Watt\u003c\/li\u003e\n\u003cli\u003ean NXP i.MX 8M SoC via PCIe (Gen2 x1) und I2C\/GPIO angebunden\u003cbr\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003e\u003cspan style=\"background-color: #ffff00;\"\u003eTipp: die Anbindung via PCIe ermöglicht die maximale Transferrate auf das EdgeTPU Modul, daher ist das Coral System-on-Module insbesondere gut für Anwendungen mit hoher Framerate \/ hohen Leistungserfordernissen geeignet. \u003c\/span\u003e\u003c\/strong\u003e\u003c\/p\u003e\n\u003ch3\u003eNetzwerk \u0026amp; USB\u003cbr\u003e\u003cspan style=\"background-color: #ffff00;\"\u003e\u003c\/span\u003e\n\u003c\/h3\u003e\n\u003cp\u003eDas Coral SoM verfügt über folgende Netzwerk-Schnittstellen:\u003cbr\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eWi-Fi 2x2 MIMO (802.11a\/b\/g\/n\/ac 2.4\/5GHz),  Murata LBEE5U91CQ Modul\u003c\/li\u003e\n\u003cli\u003eBluetooth 4.2 and BLE (Bluetooth Low Energy), Murata LBEE5U91CQ Modul\u003c\/li\u003e\n\u003cli\u003e2x USB 3.0\/2.0 Controller mit integrierten PHYs\u003c\/li\u003e\n\u003cli\u003e1x Gigabit Ethernet Controller, unterstützt EEE, Ethernet AVB, und IEEE 1588, via RGMII (Reduced gigabit media-independent interface)\u003cbr\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eHDMI Bildschirm-Schnittstelle\u003cbr\u003e\n\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eHDMI 2.0a (Standard-Größe), unterstützt einen Bildschirm mit bis zu 1080p Auflösung\u003c\/li\u003e\n\u003cli\u003eHochskalierung \u0026amp; Herunterskalierung zwischen 4K und HD Video (nutzt volle Systemressourcen)\u003c\/li\u003e\n\u003cli\u003e20+ Audio interfaces 32-bit @ 384 kHz fs, mit Time Division Multiplexing (TDM) support\u003c\/li\u003e\n\u003cli\u003eSPDIF Eingang und Ausgang\u003c\/li\u003e\n\u003cli\u003eAudio Return Channel (ARC) über HDMI wird unterstützt\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eMIPI-DSI Bildschirm-Schnittstelle\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eMIPI-DSI 4 Lanes, unterstützt eine Anzeige, Auflösungen bis zu 1920 x 1080 @ 60 Hz\u003c\/li\u003e\n\u003cli\u003eLCDIF Display Controller\u003c\/li\u003e\n\u003cli\u003eAusgabe: LCDIF oder DC display controller output\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eAudio \u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e1x SPDIF Eingang und Ausgang\u003c\/li\u003e\n\u003cli\u003e2x synchronous audio interface (SAI) Module, unterstützen I2S, AC97, TDM und codec\/DSP Interfaces\u003c\/li\u003e\n\u003cli\u003e1x SAI für 8 Tx Kanäle für HDMI Audioausgang\u003c\/li\u003e\n\u003cli\u003e1x SPDIF Eingang für HDMI Arc Eingang\u003cbr\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eKamera\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e2 x MIPI-CSI2 Kameraeingänge (jeweils 4-lane)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eGPIO-Interface\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cdiv\u003e2x UART Schnittstelle\u003c\/div\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cdiv\u003e2x I2C Schnittstelle\u003c\/div\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cdiv\u003e2x SPI Schnittstellen\u003c\/div\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cdiv\u003e16x GPIOs mit Interrupt-Fähigkeit\u003c\/div\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cdiv\u003e4x PWM Ausgänge\u003c\/div\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eKonnektivität \u0026amp; Schnittstellen: Sonstiges\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e1x uSDHC Interface\u003c\/li\u003e\n\u003cli\u003eIOMUXC (Input\/output multiplexing controller) für Kontrolle der pads\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eHinweis\u003c\/strong\u003e: das SoM nutzt einige der SoC GPIOs \/ Schnittstellen intern, bspw. um die Coral Edge TPU anzubinden. Die hier aufgeführten Schnittstellen berücksichtigen das bereits, und stehen Ihnen uneingeschränkt zur Verfügung.\u003c\/p\u003e\n\u003ch3\u003eSicherheit\u003cbr\u003e\n\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eResource Domain Controller (RDC), supports four domains and up to eight regions\u003c\/li\u003e\n\u003cli\u003eArm TrustZone (TZ) architecture\u003c\/li\u003e\n\u003cli\u003eOn-Chip RAM (OCRAM) secure region protection using OCRAM controller\u003c\/li\u003e\n\u003cli\u003eHigh Assurance Boot (HAB)\u003c\/li\u003e\n\u003cli\u003eCryptographic acceleration and assurance (CAAM) module\u003c\/li\u003e\n\u003cli\u003eSecure non-volatile storage (SNVS): Secure real-time clock (RTC)\u003c\/li\u003e\n\u003cli\u003eSecure JTAG controller (SJC)\u003c\/li\u003e\n\u003cli\u003eCrypto Koprozessor Microchip ATECC608A\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eSpannungsversorgung\u003c\/h3\u003e\n\u003cp\u003eDas Coral SoM benötigt eine Spannungsversorgung mit 5 V, und generiert daraus alle anderen benötigten Spannungen selbst mit einem on-board PMIC.\u003c\/p\u003e\n\u003cp\u003eLeistungsaufnahme des SoM ca.:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eidle: 2.6 W\u003c\/li\u003e\n\u003cli\u003eidle mit HDMI Ausgabe: 3.0 W\u003c\/li\u003e\n\u003cli\u003eHigh performance: 6.2 W \u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eWeitere Informationen\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eAbmessungen des Coral SoM\u003c\/strong\u003e: \u003cspan\u003e40 mm x 48 mm x 5.11 mm\u003c\/span\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eGewicht: \u003c\/strong\u003e13 g\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003e\u003cstrong\u003eVerbindung zum Trägerboard:\u003c\/strong\u003e das SoM wird mit dem Trägerboard über drei 100-polige Steckverbinder (\u003cem\u003eHirose DF40C-100DP-0.4V\u003c\/em\u003e) verbunden.  \u003c\/span\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003eSoftware-Unterstützung\u003c\/h2\u003e\n\u003ch3\u003eMendel Linux\u003c\/h3\u003e\n\u003cp\u003e\u003ca href=\"https:\/\/coral.googlesource.com\/docs\/+\/refs\/heads\/master\/ReadMe.md\"\u003eMendel Linux\u003c\/a\u003e\u003cspan\u003e \u003c\/span\u003eist ein von Google entwickeltes Debian-Derivat, speziell für die Coral Plattform. Auf dem SoM ist ab Werk ein Bootloader vorinstalliert, Sie müssen Mendel Linux manuell installieren. \u003ca href=\"https:\/\/coral.ai\/docs\/dev-board\/get-started\/#flash-the-board\"\u003eHier finden Sie eine Anleitung dazu\u003c\/a\u003e.\u003c\/p\u003e\n\u003cp\u003eMendel Linux nutzt Debian's upstream binary packages, um möglichst hohe Kompatibilität zu bewahren, und Sicherheitsupdates zeitnah zu ermöglichen. Es unterstützt aktuell nur die Coral Dev Boards (auch als \"enterprise\" oder \"phanbell\" bekannt) und die Coral SoM Module (System-on-Module). \u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eTensorFlow Lite\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eDas \u003cspan\u003eCoral System-on-Module\u003c\/span\u003e unterstützt die Ausführung von (kompilierten) TensorFlow Lite Modellen auf seiner EdgeTPU.\u003c\/p\u003e\n\u003cp\u003e\u003ca href=\"https:\/\/cloud.google.com\/vision\/automl\/docs\/edge-quickstart\"\u003e\u003cstrong\u003eAutoML Vision Edge\u003c\/strong\u003e\u003c\/a\u003e\u003c\/p\u003e\n\u003cp\u003eDas Coral System-on-Module unterstützt\u003cspan\u003e \u003c\/span\u003e\u003ca href=\"https:\/\/cloud.google.com\/vision\/automl\/docs\/edge-quickstart\"\u003eAutoML Vision Edge,\u003c\/a\u003e\u003cspan\u003e \u003c\/span\u003eum Modelle für Bild-Klassifikation (image classification models) schnell zum Einsatz bringen zu können.\u003c\/p\u003e\n\u003ch3\u003e\n\u003cstrong\u003e\u003c\/strong\u003e\u003cstrong\u003e\u003c\/strong\u003eEmpfohlenes weiteres Zubehör:\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/buyzero.de\/products\/google-coral-dev-board-4gb\"\u003eGoogle Coral Dev Board 4GB (Entwicklungsboard mit 4GB Coral SoM Modul)\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003ePotential für industrielle Anwendungen \u0026amp; Consulting\u003c\/h2\u003e\n\u003cp\u003eDie Google Coral TPU \u0026amp; TensorFlow Lite sind eine revolutionäre Produkt-Plattform für machine learning Anwendungen! Damit werden embedded Lösungen möglich, die beispielsweise Probleme mit Werkstücken erkennen können, Verkehrssituation erkennen können, und vieles mehr.\u003c\/p\u003e\n\u003cp\u003eDas Coral SoM (System-on-Module) eignet sich wenn Sie eine eigene Hardware-Lösung anstreben, die höhere Anforderungen an machine-learning Inferenz stellt, und gleichzeitig eine optimierte Leistungsaufnahme erfordert. \u003c\/p\u003e\n\u003cp\u003eAls Alternative zu dem SoM, das eine eigene Plattform bietet, gibt es von Coral by Google auch PCI Express Module und \u003ca href=\"https:\/\/buyzero.de\/products\/google-coral-m-2-accelerator-with-dual-edge-tpu\"\u003eM.2 Module\u003c\/a\u003e, die Ihre existierende oder off-the-shelf hardware erweitern können. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eGerne beraten wir Sie zu den Möglichkeiten.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003eConsulting\u003c\/h3\u003e\n\u003cp\u003e\u003cstrong\u003eGerne beraten wir (\u003ca href=\"https:\/\/pi3g.com\/kontakt\/\"\u003epi3g GmbH \u0026amp; Co. KG)\u003c\/a\u003e Sie \u003cspan style=\"background-color: rgb(255, 255, 255);\"\u003e\u003cspan\u003eals Google's europäischer General-Distributor rund um Google's Coral Produktsortiment\u003c\/span\u003e. \u003c\/span\u003e\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eNehmen Sie mit uns bei Interesse\u003cspan\u003e \u003c\/span\u003e\u003ca href=\"https:\/\/pi3g.com\/kontakt\/\"\u003ebitte Kontakt auf\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003eHardware \u0026amp; Softwareentwicklung\u003c\/h3\u003e\n\u003cp\u003eWir bieten Ihnen Hardware \u0026amp; Softwareentwicklung aus einer Hand. \u003c\/p\u003e\n\u003cp\u003eWir bieten Ihnen auch Softwareentwicklung rund um das Thema künstliche Intelligenz auf. Es ist ein junges Gebiet mit massivem Wertschöpfungspotential für Sie und Ihre Firma -\u003cspan\u003e \u003c\/span\u003e\u003ca href=\"https:\/\/pi3g.com\/kontakt\/\"\u003enehmen Sie bei Interesse an diesem zukunftsweisenden Gebiet gerne Kontakt mit uns auf.\u003c\/a\u003e\u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003ch2\u003eZusatzinformationen\u003c\/h2\u003e\n\u003ctable width=\"100%\"\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd\u003e\u003cstrong\u003eCoral System-on-Module mit\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd\u003e\u003cstrong\u003eGoogle Teilenummern\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd\u003e \u003cstrong\u003eASUS Teilenummer\u003c\/strong\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd\u003e1GB RAM + 8GB eMMC\u003c\/td\u003e\n\u003ctd\u003eG650-04474-01\u003c\/td\u003e\n\u003ctd\u003e90AN00I4-M0XAY0 (Current Stock)\u003cbr\u003e90AN00I4-B0XAY0 (New Production)\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd\u003e2GB RAM + 8GB eMMC\u003c\/td\u003e\n\u003ctd\u003eG650-05369-01\u003c\/td\u003e\n\u003ctd\u003e90AN00I5-B0XAY0\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd\u003e4GB RAM + 16GB eMMC\u003c\/td\u003e\n\u003ctd\u003eG650-05370-01\u003c\/td\u003e\n\u003ctd\u003e90AN00I6-B0XAY0\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003c\/tbody\u003e\n\u003c\/table\u003e\n\u003cp\u003e \u003c\/p\u003e","brand":"Coral by Google","offers":[{"title":"1GB RAM \/ 8GB eMMC Flash","offer_id":39578150961332,"sku":"CORAL.som-1gb","price":150.0,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/CORAL.som-2gb_HERO.jpg?v=1732621283"},{"product_id":"google-coral-m-2-accelerator-a-e-key","title":"Google Coral M.2 Accelerator A+E key","description":"\u003cp\u003e\u003cstrong\u003eDer Coral M.2 Accelerator A+E key mit Edge TPU integriert eine Edge TPU in bestehende Computersysteme mit Hilfe eines M.2 A-key oder E-key interface.\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eDamit ist dieses Edge TPU Modul besonders gut für mobile und embedded Systeme geeignet, die von beschleunigtem maschinellen Lernen profitieren können. \u003cbr\u003e\u003c\/p\u003e\n\u003cp\u003eDer Edge TPU Koprozessor ist fähig 4 Billionen Rechenoperationen pro Sekunde (4 TOPS) mit 2 Watt Leistungsaufnahme, auszuführen. Beispielsweise können moderne Mobile Vision Modelle wie MobileNet v2 bei nahezu 400 FPS effizient ausgeführt werden. \u003c\/p\u003e\n\u003cp\u003eDer M.2 Accelerator mit A+E key wird unter Debian-Linux basierten Systemen, sowie unter Windows 10 unterstützt.\u003c\/p\u003e\n\u003ch3\u003eAlternative Modelle: \u003c\/h3\u003e\n\u003cp\u003eWir führen im Sortiment auch einen \u003ca href=\"https:\/\/buyzero.de\/products\/google-coral-m-2-accelerator-b-m-key\"\u003eCoral M.2 Accelerator mit B+M Key,\u003c\/a\u003e sowie einen \u003ca href=\"https:\/\/buyzero.de\/products\/google-coral-m-2-accelerator-with-dual-edge-tpu\"\u003eCoral M.2 Accelerator mit Dual Edge TPU (E-key)\u003c\/a\u003e. \u003c\/p\u003e\n\u003cp\u003eSysteme ohne M.2 Anschluss können mit Hilfe des \u003ca href=\"https:\/\/buyzero.de\/products\/google-coral-usb-accelerator\"\u003eCoral USB Accelerators\u003c\/a\u003e nachgerüstet werden.\u003c\/p\u003e\n\u003ch3\u003e\n\u003cstrong\u003eTechnische Daten Coral M.2 Accelerator A+E key\u003c\/strong\u003e\u003cbr\u003e\n\u003c\/h3\u003e\n\u003cp\u003e\u003cstrong\u003eTPU\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eGoogle Edge TPU ML accelerator coprocessor\u003c\/li\u003e\n\u003cli\u003e4 TOPS (int8); 2 TOPS per Watt\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eInterface \u0026amp; Softwaresupport\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eInterface: M.2 A+E-key (via PCIe Gen2 x1 lane)\u003c\/li\u003e\n\u003cli\u003eUnterstützt Linux, und Windows 10 auf dem Hostsystem\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eSonstige Daten\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eAbmessungen: 22 mm x 30 mm x 2.35 mm (\u003cstrong\u003eM.2-2230-A-E-S3\u003c\/strong\u003e)\u003c\/li\u003e\n\u003cli\u003eGewicht: 3.1 g\u003c\/li\u003e\n\u003cli\u003eBetriebstemperatur: -20 bis +85°C\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003e\u003c\/strong\u003e\u003cstrong\u003eAnforderungen an das Hostsystem\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eLinux:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e64-bit Linux Debian 10.0 \/ Ubuntu 16.04 (oder neuer)\u003c\/li\u003e\n\u003cli\u003eCPU Architektur: x86-64, oder ARMv8 (64-bit)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eoder Windows:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eWindows 10 (64-bit), \u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003ex86-64 CPU Architektur \u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003e\u003cstrong\u003eWichtige Hinweise:\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cp\u003eBitte beachten Sie auch die Ausführungen des Datenblatts zu Spitzenstrom-Anforderungen (bis zu 3 A für die EdgeTPU), sowie Wärmemanagement (Thermal Management). Die Edge TPU enthält einen eingebauten Temperatursensor, und erlaubt Parameter zu konfigurieren wann sie abgeschaltet werden soll.  \u003cbr\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003e\u003cspan style=\"background-color: rgb(255, 255, 255);\"\u003e\u003cspan\u003eWarnhinweis: Überhitzung des Systems kann zu Brand oder zur Zerstörung von Hardware führen!\u003c\/span\u003e \u003c\/span\u003e\u003c\/strong\u003e\u003c\/p\u003e\n\u003ch3\u003ePotential für industrielle Anwendungen \u0026amp; Consulting\u003c\/h3\u003e\n\u003cp\u003eDie Coral Edge TPU ist ein revolutionäres Produkt für machine learning Anwendungen! Damit werden embedded Lösungen möglich, die beispielsweise Probleme mit Werkstücken erkennen können, Verkehrssituation erkennen können, und vieles mehr.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eConsulting\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eGerne beraten wir (\u003ca href=\"https:\/\/pi3g.com\/kontakt\/\" rel=\"noopener\" target=\"_blank\"\u003epi3g GmbH\u0026amp; Co. KG\u003c\/a\u003e) Sie \u003cspan style=\"background-color: rgb(255, 255, 255);\"\u003e\u003cspan\u003eals Google's europäischer General-Distributor rund um Google's Coral Produktsortiment\u003c\/span\u003e. \u003c\/span\u003e\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eNehmen Sie mit uns bei Interesse \u003ca href=\"https:\/\/pi3g.com\/kontakt\/\"\u003ebitte Kontakt auf.\u003c\/a\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eHardware \u0026amp; Softwareentwicklung\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eWir bieten Ihnen Hardware \u0026amp; Softwareentwicklung aus einer Hand. \u003c\/p\u003e\n\u003cp\u003eGoogle stellt im Coral.AI Projekt \u003ca href=\"https:\/\/buyzero.de\/products\/google-coral-system-on-module-som-1gb\"\u003ebspw. ein spezielles Modul (SoM)\u003c\/a\u003e bereit, das in Ihre Hardware-Lösung einfach von uns eindesigned werden kann. Oder lassen Sie uns ein komplettes Board für Ihre Anwendung designen.\u003c\/p\u003e\n\u003cp\u003eWir bieten Ihnen auch Softwareentwicklung rund um das Thema künstliche Intelligenz auf. Es ist ein junges Gebiet mit massivem Wertschöpfungspotential für Sie und Ihre Firma - \u003ca href=\"https:\/\/pi3g.com\/kontakt\/\"\u003enehmen Sie bei Interesse an diesem zukunftsweisenden Gebiet gerne Kontakt mit uns auf.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch2\u003e\u003cstrong\u003eDownloads \u0026amp; Dokumentation\u003c\/strong\u003e\u003c\/h2\u003e\n\u003cp\u003e\u003cstrong\u003ezum M.2 Accelerator Modul\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/static\/files\/Coral-M2-datasheet.pdf\"\u003eCoral M.2 Accelerator A+E Key Datenblatt (PDF, englisch)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/m2\/get-started\/\"\u003eEinstieg mit dem M.2 oder PCIe Accelerator (englisch)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/pcie-parameters\/\"\u003eTemperaturmanagement des PCIe Moduls (englisch)\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eEdge TPU \u0026amp; Modelle\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/coral.ai\/docs\/edgetpu\/models-intro\"\u003eEinführung in Modelle auf der EdgeTPU (englisch)\u003c\/a\u003e\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/edgetpu\/inference\/\"\u003eÜberblick über das Inferencing auf der Edge TPU (englisch)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/edgetpu\/multiple-edgetpu\/\"\u003eBetrieb mehrerer Modelle mit mehreren Edge TPUs (englisch)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/edgetpu\/pipeline\/\"\u003eEin Modell auf mehrere Edge TPUs aufteilen (englisch)\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eAPI \u0026amp; Downloads\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/reference\/py\/\"\u003ePyCoral API (Python)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/reference\/cpp\/\"\u003eLibcoral API (C++)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/reference\/cpp\/edgetpu\/\"\u003eLibedgetpu API (C++)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/edgetpu\/compiler\"\u003eEdge TPU compiler\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/models\/\"\u003evorkompilierte Modelle\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/software\"\u003eAlle Softwaredownloads\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eWeitere Informationen\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eGoogle Teilenummer: G650-04527-01\u003c\/li\u003e\n\u003cli\u003eASUS Teilenummer: 90AN00I0-B0XAY0\u003c\/li\u003e\n\u003cli\u003eGoogle Model: RA1\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003ch2\u003eEnglish Description\u003c\/h2\u003e\n\u003cp\u003eThe Coral M.2 Accelerator A+E key with Edge TPU integrates an Edge TPU into existing computer systems using an M.2 A-key or E-key interface.\u003c\/p\u003e\n\u003cp\u003eThis makes this Edge TPU module particularly well-suited for mobile and embedded systems that can benefit from accelerated machine learning.\u003c\/p\u003e\n\u003cp\u003eThe Edge TPU coprocessor is capable of performing 4 trillion operations per second (4 TOPS) with 2 watts of power consumption. For example, modern Mobile Vision models such as MobileNet v2 can be efficiently run at nearly 400 FPS.\u003c\/p\u003e\n\u003cp\u003eThe M.2 Accelerator with A+E key is supported on Debian Linux-based systems, as well as on Windows 10.\u003c\/p\u003e\n\u003ch3\u003eTechnical Specifications of the Coral M.2 Accelerator A+E key\u003c\/h3\u003e\n\u003ch3\u003eTPU\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eGoogle Edge TPU ML accelerator coprocessor\u003c\/li\u003e\n\u003cli\u003e4 TOPS (int8); 2 TOPS per watt\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eInterface \u0026amp; Software Support\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eInterface: M.2 A+E-key (via PCIe Gen2 x1 lane)\u003c\/li\u003e\n\u003cli\u003eSupports Linux and Windows 10 on the host system\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eOther Data\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eDimensions: 22 mm x 30 mm x 2.35 mm (M.2-2230-A-E-S3)\u003c\/li\u003e\n\u003cli\u003eWeight: 3.1 g\u003c\/li\u003e\n\u003cli\u003eOperating temperature: -20 to +85°C\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eHost System Requirements\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eLinux: 64-bit Linux Debian 10.0 \/ Ubuntu 16.04 (or newer)\u003c\/li\u003e\n\u003cli\u003eCPU architecture: x86-64, or ARMv8 (64-bit)\u003c\/li\u003e\n\u003cli\u003eWindows: Windows 10 (64-bit)\u003c\/li\u003e\n\u003cli\u003ex86-64 CPU architecture\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eImportant Notes:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003ePlease also refer to the datasheet for peak current requirements (up to 3 A for the Edge TPU) and thermal management. The Edge TPU includes a built-in temperature sensor and allows parameters to be configured for when it should shut down.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eWarning: Overheating the system can cause fire or hardware damage!\u003c\/strong\u003e\u003c\/p\u003e\n\u003ch3\u003ePotential for Industrial Applications \u0026amp; Consulting\u003c\/h3\u003e\n\u003cp\u003eThe Coral Edge TPU is a revolutionary product for machine learning applications! It enables embedded solutions that can, for example, detect issues with workpieces, monitor traffic conditions, and much more.\u003c\/p\u003e\n\u003ch3\u003eConsulting\u003c\/h3\u003e\n\u003cp\u003e\u003cstrong\u003eWe (\u003ca href=\"https:\/\/pi3g.com\/kontakt\/\" rel=\"noopener\" target=\"_blank\"\u003epi3g GmbH \u0026amp; Co. KG\u003c\/a\u003e) are happy to advise you as Google's European general distributor on Google's Coral product range.\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003ePlease contact us if you are interested.\u003c\/p\u003e\n\u003ch3\u003eHardware \u0026amp; Software Development\u003c\/h3\u003e\n\u003cp\u003eWe offer hardware \u0026amp; software development from a single source.\u003c\/p\u003e\n\u003cp\u003eGoogle provides a special module (SoM) in the Coral.AI project, which can be easily integrated into your hardware solution by us. Alternatively, let us design a complete board for your application.\u003c\/p\u003e\n\u003cp\u003eWe also offer software development in the area of artificial intelligence. It is a young field with massive value creation potential for you and your company - feel free to contact us if you are interested in this forward-looking area.\u003c\/p\u003e","brand":"Coral by Google","offers":[{"title":"Default Title","offer_id":39580082929844,"sku":"CORAL.m2-ae","price":46.09,"currency_code":"EUR","in_stock":false}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/CORAL.m2-ae_HERO1.jpg?v=1732619133"},{"product_id":"google-coral-m-2-accelerator-b-m-key","title":"Google Coral M.2 Accelerator B+M key","description":"\u003cp\u003e\u003cstrong\u003eDer Coral M.2 Accelerator B+M key mit Edge TPU integriert eine Edge TPU in bestehende Computersysteme mit Hilfe eines M.2 B-key oder M-key interface.\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eDamit ist dieses Edge TPU Modul besonders gut für mobile und embedded Systeme geeignet, die von beschleunigtem maschinellen Lernen profitieren können. \u003cbr\u003e\u003c\/p\u003e\n\u003cp\u003eDer Edge TPU Koprozessor ist fähig 4 Billionen Rechenoperationen pro Sekunde (4 TOPS) mit 2 Watt Leistungsaufnahme, auszuführen. Beispielsweise können moderne Mobile Vision Modelle wie MobileNet v2 bei nahezu 400 FPS effizient ausgeführt werden. \u003c\/p\u003e\n\u003cp\u003eDer M.2 Accelerator mit B+M key wird unter Debian-Linux basierten Systemen, sowie unter Windows 10 unterstützt.\u003c\/p\u003e\n\u003ch3\u003eAlternative Modelle: \u003c\/h3\u003e\n\u003cp\u003eWir führen im Sortiment auch einen \u003ca href=\"https:\/\/buyzero.de\/products\/google-coral-m-2-accelerator-a-e-key\" data-mce-href=\"https:\/\/buyzero.de\/products\/google-coral-m-2-accelerator-a-e-key\"\u003eCoral M.2 Accelerator mit A+E Key\u003c\/a\u003e, sowie einen \u003ca href=\"https:\/\/buyzero.de\/products\/google-coral-m-2-accelerator-with-dual-edge-tpu\" data-mce-href=\"https:\/\/buyzero.de\/products\/google-coral-m-2-accelerator-with-dual-edge-tpu\"\u003eCoral M.2 Accelerator mit Dual Edge TPU (E-key)\u003c\/a\u003e. \u003c\/p\u003e\n\u003cp\u003eSysteme ohne M.2 Anschluss können mit Hilfe des \u003ca href=\"https:\/\/buyzero.de\/products\/google-coral-usb-accelerator\" data-mce-href=\"https:\/\/buyzero.de\/products\/google-coral-usb-accelerator\"\u003eCoral USB Accelerators\u003c\/a\u003e nachgerüstet werden.\u003c\/p\u003e\n\u003ch3\u003e\n\u003cstrong\u003eTechnische Daten Coral M.2 Accelerator B+M key\u003c\/strong\u003e\u003cbr\u003e\n\u003c\/h3\u003e\n\u003cp\u003e\u003cstrong\u003eTPU\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eGoogle Edge TPU ML accelerator coprocessor\u003c\/li\u003e\n\u003cli\u003e4 TOPS (int8); 2 TOPS per Watt\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eInterface \u0026amp; Softwaresupport\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eInterface: M.2 B+M-key (via PCIe Gen2 x1 lane)\u003c\/li\u003e\n\u003cli\u003eUnterstützt Linux, und Windows 10 auf dem Hostsystem\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eSonstige Daten\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eAbmessungen: 22 mm x 80 mm x 2.35 mm (\u003cstrong\u003eM.2-2280-B-M-S3\u003c\/strong\u003e)\u003c\/li\u003e\n\u003cli\u003eGewicht: 5.8 g\u003c\/li\u003e\n\u003cli\u003eBetriebstemperatur: -20 bis +85°C\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003e\u003c\/strong\u003e\u003cstrong\u003eAnforderungen an das Hostsystem\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eLinux:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e64-bit Linux Debian 10.0 \/ Ubuntu 16.04 (oder neuer)\u003c\/li\u003e\n\u003cli\u003eCPU Architektur: x86-64, oder ARMv8 (64-bit)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eoder Windows:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eWindows 10 (64-bit), \u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003ex86-64 CPU Architektur \u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003e\u003cstrong\u003eWichtige Hinweise:\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cp\u003eBitte beachten Sie auch die Ausführungen des Datenblatts zu Spitzenstrom-Anforderungen (bis zu 3 A für die EdgeTPU), sowie Wärmemanagement (Thermal Management). Die Edge TPU enthält einen eingebauten Temperatursensor, und erlaubt Parameter zu konfigurieren wann sie abgeschaltet werden soll.  \u003cbr\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cspan style=\"background-color: rgb(255, 255, 255);\"\u003e\u003cspan data-mce-style=\"background-color: #ffff00;\"\u003eWarnhinweis: Überhitzung des Systems kann zu Brand oder zur Zerstörung von Hardware führen!\u003c\/span\u003e \u003c\/span\u003e\u003c\/p\u003e\n\u003ch3\u003ePotential für industrielle Anwendungen \u0026amp; Consulting\u003c\/h3\u003e\n\u003cp\u003eDie Coral Edge TPU ist ein revolutionäres Produkt für machine learning Anwendungen! Damit werden embedded Lösungen möglich, die beispielsweise Probleme mit Werkstücken erkennen können, Verkehrssituation erkennen können, und vieles mehr.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eConsulting\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eGerne beraten wir (\u003ca href=\"https:\/\/pi3g.com\/kontakt\/\" rel=\"noopener\" target=\"_blank\"\u003epi3g GmbH \u0026amp; Co. KG\u003c\/a\u003e) Sie \u003cspan style=\"background-color: rgb(255, 255, 255);\"\u003e\u003cspan data-mce-style=\"background-color: #ffff00;\"\u003eals Google's europäischer General-Distributor rund um Google's Coral Produktsortiment\u003c\/span\u003e. \u003c\/span\u003e\u003c\/p\u003e\n\u003cp\u003eNehmen Sie mit uns bei Interesse \u003ca href=\"https:\/\/pi3g.com\/kontakt\/\"\u003ebitte Kontakt auf\u003c\/a\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eHardware \u0026amp; Softwareentwicklung\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eWir bieten Ihnen Hardware \u0026amp; Softwareentwicklung aus einer Hand. \u003c\/p\u003e\n\u003cp\u003eGoogle stellt im Coral.AI Projekt \u003ca href=\"https:\/\/buyzero.de\/products\/google-coral-system-on-module-som-1gb\"\u003ebspw. ein spezielles Modul (SoM)\u003c\/a\u003e bereit, das in Ihre Hardware-Lösung einfach von uns eindesigned werden kann. Oder lassen Sie uns ein komplettes Board für Ihre Anwendung designen.\u003c\/p\u003e\n\u003cp\u003eWir bieten Ihnen auch Softwareentwicklung rund um das Thema künstliche Intelligenz auf. Es ist ein junges Gebiet mit massivem Wertschöpfungspotential für Sie und Ihre Firma - \u003ca href=\"https:\/\/pi3g.com\/kontakt\/\"\u003enehmen Sie bei Interesse an diesem zukunftsweisenden Gebiet gerne Kontakt mit uns auf.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003e\u003cstrong\u003eDownloads \u0026amp; Dokumentation\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cp\u003e\u003cstrong\u003ezum M.2 Accelerator Modul\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/static\/files\/Coral-M2-datasheet.pdf\" data-mce-href=\"https:\/\/coral.ai\/static\/files\/Coral-M2-datasheet.pdf\"\u003eCoral M.2 Accelerator B+M Key Datenblatt (PDF, englisch)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/m2\/get-started\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/m2\/get-started\/\"\u003eEinstieg mit dem M.2 oder PCIe Accelerator (englisch)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/pcie-parameters\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/pcie-parameters\/\"\u003eTemperaturmanagement des PCIe Moduls (englisch)\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eEdge TPU \u0026amp; Modelle\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/coral.ai\/docs\/edgetpu\/models-intro\" data-mce-href=\"https:\/\/coral.ai\/docs\/edgetpu\/models-intro\"\u003eEinführung in Modelle auf der EdgeTPU (englisch)\u003c\/a\u003e\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/edgetpu\/inference\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/edgetpu\/inference\/\"\u003eÜberblick über das Inferencing auf der Edge TPU (englisch)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/edgetpu\/multiple-edgetpu\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/edgetpu\/multiple-edgetpu\/\"\u003eBetrieb mehrerer Modelle mit mehreren Edge TPUs (englisch)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/edgetpu\/pipeline\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/edgetpu\/pipeline\/\"\u003eEin Modell auf mehrere Edge TPUs aufteilen (englisch)\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eAPI \u0026amp; Downloads\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/reference\/py\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/reference\/py\/\"\u003ePyCoral API (Python)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/reference\/cpp\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/reference\/cpp\/\"\u003eLibcoral API (C++)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/reference\/cpp\/edgetpu\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/reference\/cpp\/edgetpu\/\"\u003eLibedgetpu API (C++)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/edgetpu\/compiler\" data-mce-href=\"https:\/\/coral.ai\/docs\/edgetpu\/compiler\"\u003eEdge TPU compiler\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/models\/\" data-mce-href=\"https:\/\/coral.ai\/models\/\"\u003evorkompilierte Modelle\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/software\" data-mce-href=\"https:\/\/coral.ai\/software\"\u003eAlle Softwaredownloads\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eWeitere Informationen\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eGoogle Teilenummer: G650-04686-01\u003c\/li\u003e\n\u003cli\u003eASUS Teilenummer: 90AN00I1-B0XAY0\u003c\/li\u003e\n\u003cli\u003eGoogle Model: NA1\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003ch2\u003eEnglish Description\u003c\/h2\u003e\n\u003cp\u003eThe Coral M.2 Accelerator B+M key integrates an Edge TPU into existing computer systems using an M.2 B-key or M-key interface. This module is particularly well-suited for mobile and embedded systems that can benefit from accelerated machine learning.\u003c\/p\u003e\n\u003ch3\u003eKey Features\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003ePerformance\u003c\/strong\u003e: The Edge TPU coprocessor is capable of performing \u003cstrong\u003e4 trillion operations per second (4 TOPS)\u003c\/strong\u003e with a power consumption of just \u003cstrong\u003e2 watts\u003c\/strong\u003e. Modern Mobile Vision models, such as \u003cstrong\u003eMobileNet v2\u003c\/strong\u003e, can be efficiently run at nearly \u003cstrong\u003e400 FPS\u003c\/strong\u003e.\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eCompatibility\u003c\/strong\u003e: Supported on \u003cstrong\u003eDebian Linux-based systems\u003c\/strong\u003e and \u003cstrong\u003eWindows 10\u003c\/strong\u003e.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eSystems without an M.2 slot can be upgraded using the \u003cstrong\u003eCoral USB Accelerator\u003c\/strong\u003e.\u003c\/p\u003e\n\u003ch3\u003eTechnical Specifications\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eTPU\u003c\/strong\u003e: Google Edge TPU ML accelerator coprocessor (4 TOPS, 2 TOPS per watt)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eInterface\u003c\/strong\u003e: M.2 B+M-key (via PCIe Gen2 x1 lane)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eDimensions\u003c\/strong\u003e: 22 mm x 80 mm x 2.35 mm (M.2-2280-B-M-S3)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eWeight\u003c\/strong\u003e: 5.8 g\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eOperating Temperature\u003c\/strong\u003e: -20 to +85°C\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eHost System Requirements\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eLinux\u003c\/strong\u003e: 64-bit Linux Debian 10.0 \/ Ubuntu 16.04 (or newer), x86-64 or ARMv8 (64-bit)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eWindows\u003c\/strong\u003e: Windows 10 (64-bit), x86-64 CPU architecture\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eImportant Notes\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eRefer to the datasheet for peak current requirements (up to 3 A for the Edge TPU) and thermal management. The Edge TPU includes a built-in temperature sensor and allows parameters to be configured for shutdown.\u003c\/li\u003e\n\u003cli style=\"font-weight: bold;\"\u003e\u003cstrong\u003eWarning: Overheating can lead to fire or hardware damage.\u003c\/strong\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003ePotential for Industrial Applications\u003c\/h3\u003e\n\u003cp\u003eThe Coral Edge TPU is a revolutionary product for machine learning applications, enabling embedded solutions that can detect workpiece issues, monitor traffic conditions, and more.\u003c\/p\u003e\n\u003ch3\u003eConsulting and Development\u003c\/h3\u003e\n\u003cp\u003e\u003cstrong\u003eWe (\u003ca href=\"https:\/\/pi3g.com\/kontakt\/\" rel=\"noopener\" target=\"_blank\"\u003epi3g GmbH \u0026amp; Co. KG\u003c\/a\u003e) are happy to provide consulting as Google's European general distributor for the Coral product range. \u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eWe offer hardware and software development from a single source, including custom modules and complete boards tailored to your needs.\u003c\/p\u003e","brand":"Coral by Google","offers":[{"title":"Default Title","offer_id":39580119924916,"sku":"CORAL.m2-bm","price":49.0,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/CORAL.m2-bm_HERO2.jpg?v=1732619680"},{"product_id":"aiy-maker-kit-includes-raspberry-pi-coral-usb-accelerator","title":"AIY Maker Kit (includes Raspberry Pi + Coral USB Accelerator)","description":"\u003ch2\u003e\n\u003cspan data-mce-fragment=\"1\"\u003e\u003c\/span\u003e\u003cspan data-mce-fragment=\"1\"\u003e\u003c\/span\u003e\u003cspan data-mce-fragment=\"1\"\u003eEnglish description \u003c\/span\u003e\n\u003c\/h2\u003e\n\u003cp\u003e\u003cstrong\u003eNote: we have introduced a free reservation tool for our EU + Swiss customers for the Coral USB, to allow people to get in a queue for allocations of the Coral USB. \u003ca href=\"https:\/\/picockpit.com\/raspberry-pi\/reserve-your-raspberry-pi-today-end-out-of-stock-woes-by-joining-our-waitlist\/\"\u003eRead more about our reservation tool here\u003c\/a\u003e. \u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cspan data-mce-fragment=\"1\"\u003eThis Raspberry Pi + Coral USB accelerator bundle includes everything you need for the \u003ca href=\"http:\/\/g.co\/aiy\/maker\"\u003eAIY Maker Kit\u003c\/a\u003e: \u003c\/span\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\u003cspan data-mce-fragment=\"1\"\u003eRaspberry Pi 4 \/ 8 GB\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan data-mce-fragment=\"1\"\u003eRaspberry Pi camera module\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan data-mce-fragment=\"1\"\u003eCoral USB accelerator (with USB cable)\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan data-mce-fragment=\"1\"\u003emicroSD card (32 GB)\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan data-mce-fragment=\"1\"\u003eUSB-C power adapter ( 5V \/ 3A)\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan data-mce-fragment=\"1\"\u003eUSB microphone (ada-3367)\u003c\/span\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003ePlease note: The microSD card we supply is a blank card, please \u003ca href=\"https:\/\/aiyprojects.withgoogle.com\/maker\/\"\u003erefer to the instructions \u003c\/a\u003eto flash it with the correct image. This will ensure that you will always have the most up-to-date image.\u003c\/p\u003e\n\u003cp\u003eFor a quick introduction watch this video\u003c\/p\u003e\n\u003cp\u003e\u003ciframe width=\"560\" height=\"315\" src=\"https:\/\/www.youtube.com\/embed\/obPd6Tf6lac\" title=\"YouTube video player\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture\" allowfullscreen=\"\"\u003e\u003c\/iframe\u003e\u003c\/p\u003e\n\u003ch2\u003e\u003cspan data-mce-fragment=\"1\"\u003eWhat is the AIY Maker Kit?\u003c\/span\u003e\u003c\/h2\u003e\n\u003cp\u003e\u003cspan data-mce-fragment=\"1\"\u003eThe AIY Maker Kit is a recipe book for do-it-yourself Artificial Intelligence (AI) projects. It is aimed at makers and beginner engineers who want to simplify their machine learning (ML) projects. \u003c\/span\u003e\u003c\/p\u003e\n\u003cp\u003e \u003cspan data-mce-fragment=\"1\"\u003eGoogle has created a custom Raspberry Pi image with trained models and project tutorials that teach you how to easily perform ML tasks, such as object detection, pose classification and speech recognition. It also has tutorials showing you how to train customized vision and audio ML models.\u003c\/span\u003e\u003c\/p\u003e\n\u003ch2\u003e\u003cspan data-mce-fragment=\"1\"\u003eNote\u003c\/span\u003e\u003c\/h2\u003e\n\u003cp\u003e\u003cspan data-mce-fragment=\"1\"\u003eWe will try to pick the right power supply to ship to your country (we stock a variety of power supplies). In case we do not stock the right supply, we will ship you a EU power supply.  The kit is compatible with a good quality USB C power supply, we recommend a 3 A power supply source, ideally the official Raspberry Pi power supply.\u003c\/span\u003e\u003c\/p\u003e\n\u003ch2\u003e\u003cspan data-mce-fragment=\"1\"\u003eReferences \/ Instructions:\u003c\/span\u003e\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003e\u003cspan data-mce-fragment=\"1\"\u003e\u003ca title=\"Click to open in a new window or tab\nhttp:\/\/g.co\/aiy\/maker\" href=\"http:\/\/g.co\/aiy\/maker\" data-mce-href=\"http:\/\/g.co\/aiy\/maker\"\u003ehttp:\/\/g.co\/aiy\/maker\u003c\/a\u003e\u003c\/span\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003e\u003cspan data-mce-fragment=\"1\"\u003eDeutsche Beschreibung\u003c\/span\u003e\u003c\/h2\u003e\n\u003cp\u003e\u003cspan data-mce-fragment=\"1\"\u003eDieses Raspberry Pi + Coral USB Accelerator Bundle enthält alles, was Sie für das \u003ca href=\"https:\/\/aiyprojects.withgoogle.com\/maker\/\"\u003eAIY Maker Kit\u003c\/a\u003e benötigen:\u003cbr\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/buyzero.de\/products\/raspberry-pi-4-model-b-8gb\" data-mce-href=\"https:\/\/buyzero.de\/products\/raspberry-pi-4-model-b-8gb\" target=\"_blank\"\u003e\u003cspan data-mce-fragment=\"1\"\u003eRaspberry Pi 4 \/ 8 GB\u003c\/span\u003e\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/buyzero.de\/products\/raspberry-pi-kameramodul-v2\" data-mce-href=\"https:\/\/buyzero.de\/products\/raspberry-pi-kameramodul-v2\"\u003e\u003cspan data-mce-fragment=\"1\"\u003eRaspberry Pi Kameramodul\u003c\/span\u003e\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/buyzero.de\/collections\/google-aiy-coral\/products\/google-coral-usb-accelerator\"\u003e\u003cspan data-mce-fragment=\"1\"\u003eCoral USB-Beschleuniger (mit USB-Kabel)\u003c\/span\u003e\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan data-mce-fragment=\"1\"\u003emicroSD-Karte (32 GB)\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan data-mce-fragment=\"1\"\u003eUSB-C-Netzteil (5V \/ 3A)\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/buyzero.de\/products\/mini-usb-microphone\"\u003e\u003cspan data-mce-fragment=\"1\"\u003eUSB-Mikrofon\u003c\/span\u003e\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eBitte beachten Sie: Die im Set enthaltene microSD-Karte ist leer (unbeschrieben). Bitte \u003ca href=\"https:\/\/aiyprojects.withgoogle.com\/maker\/\" target=\"_blank\" data-mce-href=\"https:\/\/aiyprojects.withgoogle.com\/maker\/\"\u003elesen Sie die Anleitung\u003c\/a\u003e, um sie mit dem richtigen Image zu flashen. So stellen Sie sicher, dass Sie immer das aktuellste Image haben.\u003c\/p\u003e\n\u003ch3\u003eWas ist das AIY Maker Kit?\u003c\/h3\u003e\n\u003cp\u003eDas AIY Maker Kit ist perfekt für Do-it-yourself-Projekte im Bereich Künstliche Intelligenz (KI). Es richtet sich an Maker und Anfänger, die ihre Projekte im Bereich des maschinellen Lernens (ML) vereinfachen wollen. \u003cbr\u003e\u003cbr\u003eGoogle hat ein benutzerdefiniertes Raspberry-Pi-Bild mit trainierten Modellen und Projektanleitungen erstellt, in denen Sie lernen, wie Sie ML-Aufgaben, wie Objekterkennung, Posen-Klassifizierung und Spracherkennung einfach durchführen können. Außerdem gibt es Tutorials, die Ihnen zeigen, wie Sie benutzerdefinierte ML-Modelle für Bild- und Tonverarbeitung trainieren können.\u003cbr\u003e\u003c\/p\u003e\n\u003ch3\u003eHinweis\u003c\/h3\u003e\n\u003cp\u003eWir versenden, je nach Zustellland das passende Netzteil:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eBestellung aus Deutschland, Österreich, Schweiz -\u0026gt; Versand EU Netzteil\u003c\/li\u003e\n\u003cli\u003eBestellung aus Großbritannien -\u0026gt; Versand UK Netzteil \u003c\/li\u003e\n\u003cli\u003eBestellung aus Indien -\u0026gt; Versand IN Netzteil \u003c\/li\u003e\n\u003cli\u003eBestellung aus den Vereinigten Staaten - \u0026gt; Versand US Netzteil. \u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eDas Kit ist mit einem hochwertigen USB-C-Netzteil kompatibel, wir empfehlen ein 3-A-Netzteil, idealerweise das offizielle Raspberry Pi-Netzteil.\u003c\/p\u003e\n\u003ch3\u003eReferenzen \/ Anleitungen:\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/aiyprojects.withgoogle.com\/maker\/\" data-mce-href=\"https:\/\/aiyprojects.withgoogle.com\/maker\/\" target=\"_blank\"\u003ehttp:\/\/g.co\/aiy\/maker\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e \u003c\/p\u003e","brand":"pi3g","offers":[{"title":"Default Title","offer_id":43400059355403,"sku":"b.p-aiy-makerkit","price":245.99,"currency_code":"EUR","in_stock":false}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/products\/AIY-Maker-Kit.jpg?v=1653642234"},{"product_id":"mini-pcie-accelerator","title":"Mini PCIe Accelerator","description":"\u003cp\u003eIntegrieren Sie die Edge TPU über eine Mini-PCIe-Schnittstelle in bestehende und neue Systeme.\u003c\/p\u003e\n\u003ch3\u003eBeschreibung\u003c\/h3\u003e\n\u003cp\u003eDer Coral Mini PCIe Accelerator ist ein Mini PCIe-Modul halber Größe, das den Edge TPU-Coprozessor in bestehende Systeme und Produkte mit einem verfügbaren Mini PCIe-Steckplatz integriert.\u003cbr\u003e\u003cbr\u003eFührt Hochgeschwindigkeits-ML-Inferencing durch\u003cbr\u003eDer integrierte Edge TPU-Coprozessor ist in der Lage, 4 Billionen Operationen (Tera-Operationen) pro Sekunde (TOPS) auszuführen und verbraucht dabei 0,5 Watt pro TOPS (2 TOPS pro Watt). So kann er beispielsweise modernste mobile Bildverarbeitungsmodelle wie MobileNet v2 mit 400 FPS stromsparend ausführen. \u003ca href=\"https:\/\/coral.ai\/docs\/edgetpu\/benchmarks\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/edgetpu\/benchmarks\/\"\u003eSiehe weitere Leistungsbenchmarks\u003c\/a\u003e.\u003cbr\u003e\u003c\/p\u003e\n\u003ch4\u003eFunktioniert mit Debian Linux und Windows\u003c\/h4\u003e\n\u003cp\u003eLässt sich in jedes Debian-basierte Linux- oder Windows 10-System mit einem kompatiblen Kartenmodulsteckplatz integrieren.\u003cbr\u003e\u003c\/p\u003e\n\u003ch4\u003eUnterstützt TensorFlow Lite\u003c\/h4\u003e\n\u003cp\u003eSie müssen keine Modelle von Grund auf neu erstellen.\u003ca href=\"https:\/\/www.tensorflow.org\/lite\" data-mce-href=\"https:\/\/www.tensorflow.org\/lite\"\u003e TensorFlow Lite\u003c\/a\u003e-Modelle können kompiliert werden, um auf der Edge TPU zu laufen.\u003cbr\u003e\u003c\/p\u003e\n\u003ch4\u003eTechnische Daten\u003c\/h4\u003e\n\u003cul\u003e\n\u003cli\u003eML-Beschleuniger: Google Edge TPU Coprozessor:\u003cbr\u003e4 TOPS (int8); 2 TOPS pro Watt\u003c\/li\u003e\n\u003cli\u003eAnschluss Half-size Mini PCIe\u003c\/li\u003e\n\u003cli\u003eAbmessungen 30 x 26,8 mm\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eDokumentation\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/mini-pcie\/datasheet\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/mini-pcie\/datasheet\/\"\u003eMini-PCIe-Beschleuniger-Datenblatt\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch4\u003eAnwendungshinweise\u003c\/h4\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/m2\/get-started\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/m2\/get-started\/\"\u003eErste Schritte mit dem M.2 oder PCIe Accelerator\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/pcie-parameters\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/pcie-parameters\/\"\u003eVerwalten der Temperatur des PCIe-Moduls\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch4\u003eSoftware-Anleitungen\u003c\/h4\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/edgetpu\/models-intro\" data-mce-href=\"https:\/\/coral.ai\/docs\/edgetpu\/models-intro\"\u003eModellkompatibilität mit der Edge TPU\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/edgetpu\/inference\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/edgetpu\/inference\/\"\u003eÜberblick über die Edge TPU-Inferenzierung\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/edgetpu\/multiple-edgetpu\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/edgetpu\/multiple-edgetpu\/\"\u003eAusführen mehrerer Modelle mit mehreren Edge TPUs\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/edgetpu\/pipeline\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/edgetpu\/pipeline\/\"\u003ePipeline eines Modells mit mehreren Edge TPUs\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch4\u003eAPI-Referenzen\u003c\/h4\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/reference\/py\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/reference\/py\/\"\u003ePyCoral-API (Python)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/reference\/cpp\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/reference\/cpp\/\"\u003eLibcoral-API (C++)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/reference\/cpp\/edgetpu\/\"\u003eLibedgetpu-API (C++)\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch4\u003eDownloads\u003cbr\u003e\n\u003c\/h4\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/edgetpu\/compiler\" data-mce-href=\"https:\/\/coral.ai\/docs\/edgetpu\/compiler\"\u003eEdge TPU-Compiler\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/models\/\" data-mce-href=\"https:\/\/coral.ai\/models\/\"\u003eVorkompilierte Modelle\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/software\"\u003eAlle Software-Downloads\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch4\u003eProduktlebenszyklus\u003c\/h4\u003e\n\u003cp\u003eProduktlinienerweiterungen und Upgrades können Produkte wie dieses an das Ende ihres Lebenszyklus bringen. Sobald eine End-Of-Life (EOL)-Mitteilung online gestellt wird, können Sie das Produkt bis zum letzten Kaufdatum weiter erwerben, vorausgesetzt, es ist noch verfügbar. Unser Ziel ist es, Sie bei Ihren letzten Einkäufen des Produkts, das dem EOL unterliegt, zu unterstützen und Ihnen einen reibungslosen Übergang zu neuen Produkten zu ermöglichen.\u003cbr\u003e\u003cbr\u003eUnsere EOL-Benachrichtigung für dieses Produkt wird auf dieser Produktseite veröffentlicht und enthält die folgenden Angaben:\u003cbr\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eEOL-Benachrichtigungsdatum\u003c\/li\u003e\n\u003cli\u003eDatum des letztmaligen Kaufs (LTB)\u003c\/li\u003e\n\u003cli\u003eEndgültiges, nicht stornierbares, nicht rückgabefähiges Bestelldatum (je nach Vorlaufzeit und Verfügbarkeit)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eWeitere Informationen\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eGoogle Partnummer: G650-04528-01\u003c\/li\u003e\n\u003cli\u003eASUS Partnummer: 90AN00I2-B0XAY0\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eStichwörter:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eminiPCI\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003ch2\u003eEnglish Description\u003c\/h2\u003e\n\u003cp\u003e\u003cstrong\u003eIntegrate the Edge TPU via a Mini PCIe interface into existing and new systems.\u003c\/strong\u003e\u003c\/p\u003e\n\u003ch3\u003e\u003cstrong\u003eDescription\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cp\u003eThe Coral Mini PCIe Accelerator is a half-size Mini PCIe module that integrates the Edge TPU coprocessor into existing systems and products with an available Mini PCIe slot.\u003c\/p\u003e\n\u003ch3\u003e\u003cstrong\u003ePerforms high-speed ML inferencing\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cp\u003eThe integrated Edge TPU coprocessor can perform 4 trillion operations (tera-operations) per second (TOPS) while consuming 0.5 watts per TOPS (2 TOPS per watt). This allows it to efficiently run state-of-the-art mobile vision models such as MobileNet v2 at 400 FPS.\u003c\/p\u003e\n\u003ch3\u003e\u003cstrong\u003eWorks with Debian Linux and Windows\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cp\u003eIt can be integrated into any Debian-based Linux or Windows 10 system with a compatible card module slot.\u003c\/p\u003e\n\u003ch3\u003e\u003cstrong\u003eSupports TensorFlow Lite\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cp\u003eYou don't need to build models from scratch. TensorFlow Lite models can be compiled to run on the Edge TPU.\u003c\/p\u003e\n\u003ch3\u003e\u003cstrong\u003eTechnical Specifications\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eML Accelerator: Google Edge TPU Coprocessor:\n\u003cul\u003e\n\u003cli\u003e4 TOPS (int8); 2 TOPS per watt\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003eConnection: Half-size Mini PCIe\u003c\/li\u003e\n\u003cli\u003eDimensions: 30 x 26.8 mm\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003e\u003cstrong\u003eAPI References\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/reference\/py\/\" rel=\"noopener\" target=\"_blank\"\u003ePyCoral API (Python)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/reference\/cpp\/\" rel=\"noopener\" target=\"_blank\"\u003eLibcoral API (C++)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/reference\/cpp\/edgetpu\/\" rel=\"noopener\" target=\"_blank\"\u003eLibedgetpu API (C++)\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003e\u003cstrong\u003eDownloads\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/edgetpu\/compiler\" rel=\"noopener\" target=\"_blank\"\u003eEdge TPU Compiler\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/models\/\" rel=\"noopener\" target=\"_blank\"\u003ePrecompiled Models\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/software\" rel=\"noopener\" target=\"_blank\"\u003eAll Software Downloads\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003e\u003cstrong\u003eAdditional Information\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eGoogle Part Number: G650-04528-01\u003c\/li\u003e\n\u003cli\u003eASUS Part Number: 90AN00I2-B0XAY0\u003c\/li\u003e\n\u003c\/ul\u003e","brand":"Coral by Google","offers":[{"title":"Default Title","offer_id":43509955920139,"sku":"CORAL.pci","price":39.0,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/CORAL.pci_HERO1.jpg?v=1732619276"},{"product_id":"ai-accelerator-card-pcie-3-0x16-crl-g18u-p3df","title":"ASUS AI Accelerator Card PCIe 3.0","description":"\u003cp\u003ePCIe-Gen3-KI-Beschleunigerkarte, basierend auf dem Google® Coral Edge TPU-Prozessor, der KI-basierte Echtzeit-Entscheidungsprozesse am Edge ermöglicht.\u003cbr\u003e\u003c\/p\u003e\n\u003ch3\u003eMerkmale\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eMit \u003cstrong\u003e8 Google® Edge TPU M.2 Modulen\u003c\/strong\u003e\n\u003c\/li\u003e\n\u003cli\u003eUnterstützt das TensorFlow Lite Framework für maschinelles Lernen\u003c\/li\u003e\n\u003cli\u003eKompatibel mit PCI Express 3.0 x 16 Erweiterungssteckplatz\u003c\/li\u003e\n\u003cli\u003eOptimiertes thermisches Design mit zwei Turbolüftern\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/AI_Accelerator_Card_Spec_Sheet.pdf?v=1665474385\" target=\"_blank\"\u003eDatenblatt\u003c\/a\u003e \u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/Block_diagram.jpg?v=1665474385\" target=\"_blank\"\u003eSchaltplan\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/Manual_SW_AI_Accelerator_Card_CRL-G18U-P3DF_UM_V2_WEB.pdf?v=1665475472\" target=\"_blank\"\u003eSoftware Benutzerhandbuch (englisch)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/Manual_HW_AI_Accelerator_Card_CRL-G18U-P3DF_UM_V2_WEB.pdf?v=1665475473\" target=\"_blank\"\u003eHardware Benutzerhandbuch (englisch)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003eEAN: 4718017979313\u003c\/li\u003e\n\u003cli\u003eUPC: 192876979310\u003c\/li\u003e\n\u003cli\u003eHerstellerartikelnummer: 90IE0010-M0EAN0\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eTechnische Daten\u003c\/h3\u003e\n\u003ctable width=\"100%\"\u003e\n\u003ctbody\u003e\n\u003ctr style=\"height: 18px;\"\u003e\n\u003ctd style=\"width: 131.562px; height: 18px;\"\u003e\u003cstrong\u003eHauptchip \u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px; height: 18px;\"\u003eNPU\u003c\/td\u003e\n\u003ctd style=\"width: 261.732px; height: 18px;\"\u003eGoogle® Edge TPU Processor\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 18px;\"\u003e\n\u003ctd style=\"width: 131.562px; height: 18px;\"\u003e\u003cstrong\u003ePCIe-Schnittstelle\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px; height: 18px;\"\u003eTechnology \u003c\/td\u003e\n\u003ctd style=\"width: 261.732px; height: 18px;\"\u003ePCI Express 3.0 x 16\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 36px;\"\u003e\n\u003ctd style=\"width: 131.562px; height: 36px;\"\u003e\u003cstrong\u003eSoftware\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px; height: 36px;\"\u003eUnterstütztes Framework\u003c\/td\u003e\n\u003ctd style=\"width: 261.732px; height: 36px;\"\u003eTensorFlow lite\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 18px;\"\u003e\n\u003ctd style=\"width: 131.562px; height: 18px;\"\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px; height: 18px;\"\u003eGenauigkeit \u003c\/td\u003e\n\u003ctd style=\"width: 261.732px; height: 18px;\"\u003eINT8\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 18px;\"\u003e\n\u003ctd style=\"width: 131.562px; height: 18px;\"\u003e\u003cbr\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px; height: 18px;\"\u003eLeistung \u003c\/td\u003e\n\u003ctd style=\"width: 261.732px; height: 18px;\"\u003eCRL-G18U-P3DF: 32 TOPS\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 18px;\"\u003e\n\u003ctd style=\"width: 131.562px; height: 18px;\"\u003e\u003cstrong\u003eThermische Lösung\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px; height: 18px;\"\u003eFAN design\u003c\/td\u003e\n\u003ctd style=\"width: 261.732px; height: 18px;\"\u003eActive Fan\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 18px;\"\u003e\n\u003ctd style=\"width: 131.562px; height: 18px;\"\u003e\u003cstrong\u003eStromversorgung\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px; height: 18px;\"\u003eStromanschluss \u003c\/td\u003e\n\u003ctd style=\"width: 261.732px; height: 18px;\"\u003e1 x 6-pin 12V External Power\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 18px;\"\u003e\n\u003ctd style=\"width: 131.562px; height: 18px;\"\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px; height: 18px;\"\u003eLeistungsaufnahme \u003c\/td\u003e\n\u003ctd style=\"width: 261.732px; height: 18px;\"\u003eCRL-G18U-P3DF: 36 W\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 91px;\"\u003e\n\u003ctd style=\"width: 131.562px; height: 91px;\"\u003e\u003cstrong\u003eBetriebssystem \u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px; height: 91px;\"\u003eLinux \u003c\/td\u003e\n\u003ctd style=\"width: 261.732px; height: 91px;\"\u003eUbuntu 18.04, Debian 10\u003cbr\u003e*Die aktuelle Liste der unterstützten Betriebssysteme finden Sie unter \u003ca href=\"https:\/\/iot.asus.com\/\" target=\"_blank\"\u003ehttps:\/\/iot.asus.com\/\u003c\/a\u003e\u003cbr data-mce-fragment=\"1\"\u003eUmgebung\u003cbr\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 18px;\"\u003e\n\u003ctd style=\"width: 131.562px; height: 18px;\"\u003e\u003cstrong\u003eUmgebungsbedingungen \u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px; height: 18px;\"\u003eBetriebstemperatur \u003c\/td\u003e\n\u003ctd style=\"width: 261.732px; height: 18px;\"\u003e0~55° C\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 36px;\"\u003e\n\u003ctd style=\"width: 131.562px; height: 36px;\"\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px; height: 36px;\"\u003eNicht-Betriebstemperatur\u003c\/td\u003e\n\u003ctd style=\"width: 261.732px; height: 36px;\"\u003e-40~85° C\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 36px;\"\u003e\n\u003ctd style=\"width: 131.562px; height: 36px;\"\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px; height: 36px;\"\u003eRelative Luftfeuchtigkeit\u003c\/td\u003e\n\u003ctd style=\"width: 261.732px; height: 36px;\"\u003e0%~85%\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 18px;\"\u003e\n\u003ctd style=\"width: 131.562px; height: 18px;\"\u003e\u003cstrong\u003eAbmessungen\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px; height: 18px;\"\u003eBreite \u003c\/td\u003e\n\u003ctd style=\"width: 261.732px; height: 18px;\"\u003e42.1mm\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 18px;\"\u003e\n\u003ctd style=\"width: 131.562px; height: 18px;\"\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px; height: 18px;\"\u003eHöhe \u003c\/td\u003e\n\u003ctd style=\"width: 261.732px; height: 18px;\"\u003e126.3mm\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 18px;\"\u003e\n\u003ctd style=\"width: 131.562px; height: 18px;\"\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px; height: 18px;\"\u003eTiefe \u003c\/td\u003e\n\u003ctd style=\"width: 261.732px; height: 18px;\"\u003e186.3mm\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19.6786px;\"\u003e\n\u003ctd style=\"width: 131.562px; height: 19.6786px;\"\u003e\u003cstrong\u003eGewicht \u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px; height: 19.6786px;\"\u003eGewicht \u003c\/td\u003e\n\u003ctd style=\"width: 261.732px; height: 19.6786px;\"\u003e CRL-G18U-P3DF: 516 g\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 18px;\"\u003e\n\u003ctd style=\"width: 131.562px; height: 18px;\"\u003e\u003cstrong\u003eTechnologie \u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px; height: 18px;\"\u003eVLIW\u003c\/td\u003e\n\u003ctd style=\"width: 261.732px; height: 18px;\"\u003e\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 18px;\"\u003e\n\u003ctd style=\"width: 131.562px; height: 18px;\"\u003e\n\u003cstrong\u003eFormfaktor\u003c\/strong\u003e\u003cbr\u003e\n\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px; height: 18px;\"\u003epropietär\u003c\/td\u003e\n\u003ctd style=\"width: 261.732px; height: 18px;\"\u003e\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 18px;\"\u003e\n\u003ctd style=\"width: 131.562px; height: 18px;\"\u003e\u003cstrong\u003eSchnittstelle\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px; height: 18px;\"\u003eM.2\u003c\/td\u003e\n\u003ctd style=\"width: 261.732px; height: 18px;\"\u003e\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 18px;\"\u003e\n\u003ctd style=\"width: 131.562px; height: 18px;\"\u003e\u003cstrong\u003ePCIe Generation\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px; height: 18px;\"\u003eGEN3 X16\u003c\/td\u003e\n\u003ctd style=\"width: 261.732px; height: 18px;\"\u003e\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 18px;\"\u003e\n\u003ctd style=\"width: 131.562px; height: 18px;\"\u003e\u003cstrong\u003eUSB Generation\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px; height: 18px;\"\u003e3.0\u003c\/td\u003e\n\u003ctd style=\"width: 261.732px; height: 18px;\"\u003e\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 18px;\"\u003e\n\u003ctd style=\"width: 131.562px; height: 18px;\"\u003e\u003cstrong\u003eKühllösung\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px; height: 18px;\"\u003emit Lüfter\u003c\/td\u003e\n\u003ctd style=\"width: 261.732px; height: 18px;\"\u003e\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 18px;\"\u003e\n\u003ctd style=\"width: 131.562px; height: 18px;\"\u003e\u003cstrong\u003eLeistungsaufnahme\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px; height: 18px;\"\u003e30 W\u003c\/td\u003e\n\u003ctd style=\"width: 261.732px; height: 18px;\"\u003e\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003c\/tbody\u003e\n\u003c\/table\u003e\n\u003ch3\u003e\u003cbr\u003e\u003c\/h3\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003ch2\u003eEnglish Description\u003c\/h2\u003e\n\u003cp\u003eFull height, half length, PCIe Gen3 AI accelerator card based on Google® Coral Edge\u003cbr\u003eTPU processor, enabling AI-based real-time decision process at edge\u003c\/p\u003e\n\u003ch3\u003eFeatures\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003cstrong\u003eincludes 8 x Google® Edge TPU M.2 modules\u003c\/strong\u003e\u003c\/li\u003e\n\u003cli\u003eSupport TensorFlow Lite machine learning framework\u003c\/li\u003e\n\u003cli\u003eCompatible with PCI Express 3.0 x 16 Expansion Slot\u003c\/li\u003e\n\u003cli\u003eOptimized thermal design with twin turbofans\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/AI_Accelerator_Card_Spec_Sheet.pdf?v=1665474385\" target=\"_blank\"\u003eDatasheet\u003c\/a\u003e \u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/Block_diagram.jpg?v=1665474385\" target=\"_blank\"\u003eBlock Diagram\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/Manual_SW_AI_Accelerator_Card_CRL-G18U-P3DF_UM_V2_WEB.pdf?v=1665475472\" target=\"_blank\"\u003eSoftware \u003cspan data-mce-fragment=\"1\"\u003eUser Manual \u003c\/span\u003e(englisch)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/Manual_HW_AI_Accelerator_Card_CRL-G18U-P3DF_UM_V2_WEB.pdf?v=1665475473\" target=\"_blank\"\u003eHardware User Manual (englisch)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003eEAN: 4718017979313\u003c\/li\u003e\n\u003cli\u003eUPC: 192876979310\u003c\/li\u003e\n\u003cli\u003eManufacturer article number: 90IE0010-M0EAN0\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eSpecifications\u003cbr\u003e\n\u003c\/h3\u003e\n\u003ctable width=\"100%\"\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd style=\"width: 131.562px;\"\u003e\u003cstrong\u003eMain Chip\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px;\"\u003eNPU\u003c\/td\u003e\n\u003ctd style=\"width: 261.732px;\"\u003eGoogle® Edge TPU Processor\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd style=\"width: 131.562px;\"\u003e\u003cstrong\u003ePCIe Interface\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px;\"\u003eTechnology \u003c\/td\u003e\n\u003ctd style=\"width: 261.732px;\"\u003ePCI Express 3.0 x 16\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd style=\"width: 131.562px;\"\u003e\u003cstrong\u003eSoftware\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px;\"\u003eSupported Framework\u003c\/td\u003e\n\u003ctd style=\"width: 261.732px;\"\u003eTensorFlow lite\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd style=\"width: 131.562px;\"\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px;\"\u003ePrecision\u003c\/td\u003e\n\u003ctd style=\"width: 261.732px;\"\u003eINT8\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd style=\"width: 131.562px;\"\u003e\u003cbr\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px;\"\u003ePerformance \u003c\/td\u003e\n\u003ctd style=\"width: 261.732px;\"\u003eCRL-G18U-P3DF: 32 TOPS\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd style=\"width: 131.562px;\"\u003e\u003cstrong\u003eThermal Solution\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px;\"\u003eFAN design\u003c\/td\u003e\n\u003ctd style=\"width: 261.732px;\"\u003eActive Fan\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd style=\"width: 131.562px;\"\u003e\u003cstrong\u003ePower\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px;\"\u003ePower Connector\u003c\/td\u003e\n\u003ctd style=\"width: 261.732px;\"\u003e1 x 6-pin 12V External Power\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd style=\"width: 131.562px;\"\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px;\"\u003ePower Consumption\u003c\/td\u003e\n\u003ctd style=\"width: 261.732px;\"\u003eCRL-G18U-P3DF: 36 W\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd style=\"width: 131.562px;\"\u003e\u003cstrong\u003eOperating System\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px;\"\u003eLinux \u003c\/td\u003e\n\u003ctd style=\"width: 261.732px;\"\u003eUbuntu 18.04, Debian 10\u003cbr\u003e*For latest OS support list, please check \u003ca href=\"https:\/\/iot.asus.com\/\" target=\"_blank\"\u003ehttps:\/\/iot.asus.com\/\u003c\/a\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd style=\"width: 131.562px;\"\u003e\u003cstrong\u003eEnvironment\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px;\"\u003eOperating Temperature\u003c\/td\u003e\n\u003ctd style=\"width: 261.732px;\"\u003e0~55° C\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd style=\"width: 131.562px;\"\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px;\"\u003eNon-Operating Temperature\u003c\/td\u003e\n\u003ctd style=\"width: 261.732px;\"\u003e-40~85° C\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd style=\"width: 131.562px;\"\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px;\"\u003eRelative Humidity\u003c\/td\u003e\n\u003ctd style=\"width: 261.732px;\"\u003e0%~85%\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd style=\"width: 131.562px;\"\u003e\u003cstrong\u003eDimension\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px;\"\u003eWidth \u003c\/td\u003e\n\u003ctd style=\"width: 261.732px;\"\u003e42.1mm\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd style=\"width: 131.562px;\"\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px;\"\u003eHeight \u003c\/td\u003e\n\u003ctd style=\"width: 261.732px;\"\u003e126.3mm\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd style=\"width: 131.562px;\"\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px;\"\u003eDepth \u003c\/td\u003e\n\u003ctd style=\"width: 261.732px;\"\u003e186.3mm\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd style=\"width: 131.562px;\"\u003e\u003cstrong\u003eWeight \u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px;\"\u003eWeight \u003c\/td\u003e\n\u003ctd style=\"width: 261.732px;\"\u003e CRL-G18U-P3DF: 516 g\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd style=\"width: 131.562px;\"\u003e\u003cstrong\u003eTechnology \u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px;\"\u003eVLIW\u003c\/td\u003e\n\u003ctd style=\"width: 261.732px;\"\u003e\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd style=\"width: 131.562px;\"\u003e\u003cstrong\u003eForm factor \u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px;\"\u003ePROPIETARY\u003c\/td\u003e\n\u003ctd style=\"width: 261.732px;\"\u003e\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd style=\"width: 131.562px;\"\u003e\u003cstrong\u003eInterface \u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px;\"\u003eM.2\u003c\/td\u003e\n\u003ctd style=\"width: 261.732px;\"\u003e\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd style=\"width: 131.562px;\"\u003e\u003cstrong\u003ePCIe Generation\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px;\"\u003eGEN3 X16\u003c\/td\u003e\n\u003ctd style=\"width: 261.732px;\"\u003e\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd style=\"width: 131.562px;\"\u003e\u003cstrong\u003eUSB Generation\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px;\"\u003e3.0\u003c\/td\u003e\n\u003ctd style=\"width: 261.732px;\"\u003e\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd style=\"width: 131.562px;\"\u003e\u003cstrong\u003eCooling solution\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px;\"\u003eWITH FAN\u003c\/td\u003e\n\u003ctd style=\"width: 261.732px;\"\u003e\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd style=\"width: 131.562px;\"\u003e\u003cstrong\u003ePwr.consumption\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 131.562px;\"\u003e30 W\u003c\/td\u003e\n\u003ctd style=\"width: 261.732px;\"\u003e\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003c\/tbody\u003e\n\u003c\/table\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eproduct identifier codes (8 unit version): \u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e90IE0010-M0UAN0\u003c\/li\u003e\n\u003cli\u003eSHENZHOU CRL-G18U-P3DF\u003c\/li\u003e\n\u003cli\u003eSHENZHOU CRL-G18U-P3DF\/\/GOOGLE,CORAL M.2 G18U,AI CARD\u003c\/li\u003e\n\u003cli\u003eHS Code 8471800000\u003c\/li\u003e\n\u003cli\u003emanufacturer: ASUS GLOBAL PTE. LTD.\u003c\/li\u003e\n\u003c\/ul\u003e","brand":"ASUS","offers":[{"title":"Default Title","offer_id":43636101054731,"sku":"ASUS-PCI-Card-08","price":949.0,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/products\/AIAcceleratorCard_0_90_end_500.png?v=1665477411"},{"product_id":"coral-dev-board-micro","title":"Coral Dev Board Micro","description":"\u003cp\u003e\u003cspan\u003e\u003cspan style=\"background-color: #ffff00;\" data-mce-style=\"background-color: #ffff00;\"\u003e\u003cstrong\u003e\u003cspan style=\"background-color: rgb(255, 255, 255);\"\u003eWichtiger Hinweis: Das Devboard Micro verwendet 1,8V Logikpegel - bitte stellen Sie sicher, dass Ihre Komponenten damit kompatibel sind, oder verwenden Sie \u003ca style=\"background-color: rgb(255, 255, 255);\" href=\"https:\/\/buyzero.de\/products\/8-channel-bi-directional-logic-level-converter-txb0108\" data-mce-href=\"https:\/\/buyzero.de\/products\/8-channel-bi-directional-logic-level-converter-txb0108\"\u003eSpannungspegelwandler\u003c\/a\u003e!\u003c\/span\u003e\u003c\/strong\u003e\u003cbr\u003e\u003c\/span\u003e\u003cbr\u003eDas Coral Dev Board Micro ist ein neues Produkt in der Coral-Reihe. Im Gegensatz zu den bisherigen SBC-Lösungen (wie dem Dev Board Mini) ist das Dev Board Micro ein Board, das auf einem Mikrocontroller basiert. Es verfügt über eine eingebaute Kamera, ein Mikrofon und - was am wichtigsten ist - die Coral Edge TPU, mit der Sie schnell Prototypen für stromsparende eingebettete Systeme mit On-Device-ML-Inferencing erstellen und einsetzen können.\u003cbr\u003e\u003cbr\u003eDie auf diesem Board verwendete MCU, der NXP i.MX RT1176, hat zwei Prozessorkerne: einen leistungsstarken ARM Cortex-M7 und einen ARM Cortex-M4 mit geringerem Stromverbrauch. Beide CPU-Kerne unterstützen auch ML-Inferencing mit TensorFlow Lite für Mikrocontroller. In Kombination mit der Coral TPU können Sie so Systeme entwickeln, die von extrem stromsparenden ML-Inferencing zu komplexeren - aber immer noch stromsparenden - ML-Inferencing übergehen.\u003cbr\u003e\u003cbr\u003eSie könnten zum Beispiel ein kleines maschinelles Lernmodell ausführen. Dieses Modell bestimmt, unter welchen Bedingungen die Coral TPU aktiviert werden soll. Die Coral TPU wiederum könnte ein größeres, präziseres und leistungsfähigeres Modell für maschinelles Lernen ausführen. Sie wird nur dann aktiviert, wenn sie tatsächlich benötigt wird. Auf diese Weise kann Energie gespart werden, was für batteriegestützte Anwendungen, die im Feld eingesetzt werden, entscheidend ist.\u003cbr\u003e\u003cbr\u003eAuf der Softwareseite erfolgt die Entwicklung für das Coral Dev Board Micro in C\/C++. Das primäre Anwendungsframework für das Dev Board Micro ist FreeRTOS, aber Sie können auch Anwendungen mit der Arduino IDE erstellen. Die Coralmicro-Plattform unterstützt die zentrale Arduino-Programmiersprache für die Interaktion mit GPIO-Pins, Analog- und I2C-Pins usw. Für das Dev Board Micro gibt es auch benutzerdefinierte Arduino-APIs mit einer Arduino-ähnlichen Schnittstelle für Board-spezifische Aufgaben wie Mikrofoneingabe und Bildaufnahme von der eingebauten Kamera.\u003cbr\u003e\u003cbr\u003e\u003cstrong\u003eBeachten Sie, dass es sich bei diesem Board um ein mikrocontrollerbasiertes Board handelt, auf dem also keine Linux-Distributionen laufen, wie Sie es z.B. vom Dev Board 1GB gewohnt sind.\u003c\/strong\u003e\u003cbr\u003e\u003cbr\u003eDas Coral Dev Board Micro hat auf jeder Seite zwei 12-polige unbestückte GPIO-Header. Für Hardware-Erweiterungen stehen zwei 100-polige Board-to-Board-Anschlüsse zur Verfügung, die zum Beispiel von der \u003ca href=\"https:\/\/buyzero.de\/products\/coral-poe-add-on-board-for-dev-board-micro\" data-mce-href=\"https:\/\/buyzero.de\/products\/coral-poe-add-on-board-for-dev-board-micro\"\u003ePoE-Zusatzplatine\u003c\/a\u003e und der \u003ca href=\"https:\/\/buyzero.de\/products\/wireless-add-on-board-for-dev-board-micro\" data-mce-href=\"https:\/\/buyzero.de\/products\/wireless-add-on-board-for-dev-board-micro\"\u003eWiFi-Zusatzplatine\u003c\/a\u003e genutzt werden (beide Zubehörteile sind separat erhältlich). Die Spezifikation für diese Anschlüsse ist offen, so dass Drittanbieter in der Lage sein werden, zusätzliche Erweiterungsplatinen für das Coral Dev Board Micro Ökosystem anzubieten.\u003cbr\u003e\u003cbr\u003eEin weiteres Zubehör, das Sie in Betracht ziehen könnten, ist das \u003ca href=\"https:\/\/buyzero.de\/products\/coral-dev-board-micro-case\" data-mce-href=\"https:\/\/buyzero.de\/products\/coral-dev-board-micro-case\"\u003eGehäuseset\u003c\/a\u003e, das passende Gehäuse für das Board allein oder zusammen mit dem \u003ca href=\"https:\/\/buyzero.de\/products\/coral-poe-add-on-board-for-dev-board-micro\" data-mce-href=\"https:\/\/buyzero.de\/products\/coral-poe-add-on-board-for-dev-board-micro\"\u003ePoE\u003c\/a\u003e- oder \u003ca href=\"https:\/\/buyzero.de\/products\/wireless-add-on-board-for-dev-board-micro\" data-mce-href=\"https:\/\/buyzero.de\/products\/wireless-add-on-board-for-dev-board-micro\"\u003eWiFi-Zubehör\u003c\/a\u003e enthält. Alternativ können Sie STEP-Modelldateien und STL-Dateien für ein 3D-druckbares Gehäuse auf der coral.ai Website herunterladen.\u003cbr\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003ch3\u003e\u003cspan\u003eTechnische Daten Dev board Micro\u003cbr\u003e\u003c\/span\u003e\u003c\/h3\u003e\n\u003ch3\u003e\u003cspan\u003eMCU\u003c\/span\u003e\u003c\/h3\u003e\n\u003cp\u003e\u003cspan\u003eNXP i.MX RT1176: ARM Cortex-M7 @ 800 MHz und ARM Cortex-M4 @ 400 MHz\u003cbr\u003e\u003cbr\u003eBeide Kerne unterstützen TensorFlow Lite für Mikrocontroller\u003cbr\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003ch3\u003e\u003cspan\u003eML-Beschleuniger\u003cbr\u003e\u003c\/span\u003e\u003c\/h3\u003e\n\u003cp\u003e\u003cspan\u003eCoral Edge TPU ML-Beschleuniger: 4 TOPS Spitzenleistung (int8)\u003cbr\u003e\u003cbr\u003eVerbunden mit der RT1176 MCU über eine USB 2.0 Schnittstelle\u003cbr\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003ch3\u003e\u003cspan\u003eAndere Merkmale\u003c\/span\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003cspan\u003e64 MB SDRAM\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003e128 MiB NAND-Flash-Speicher\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eeingebaute flache Himax HM01B0 Farbkamera (324 x 324 px), Fixfokus\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eeingebautes PDM-Mono-Mikrofon\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eSecure Element NXP A71CH für kryptografische Geräteauthentifizierung und sichere Bereitstellung und Speicherung von Anmeldeinformationen\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003e2 x 12-poliger GPIO-Anschluss (unbestückt), bietet GPIO, PWM, UART, I2C, SPI, DAC, ADC, GND, 3V3, 1V8 und VSYS\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003e2x100-Pin-Anschlüsse, die verschiedene E\/A der MCU für Zusatzplatinen bereitstellen: \u003ca href=\"https:\/\/buyzero.de\/products\/wireless-add-on-board-for-dev-board-micro\" data-mce-href=\"https:\/\/buyzero.de\/products\/wireless-add-on-board-for-dev-board-micro\"\u003eCoral Wireless Add-on\u003c\/a\u003e und \u003ca href=\"https:\/\/buyzero.de\/products\/coral-poe-add-on-board-for-dev-board-micro\" data-mce-href=\"https:\/\/buyzero.de\/products\/coral-poe-add-on-board-for-dev-board-micro\"\u003eCoral PoE Add-on\u003c\/a\u003e\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eUSB-C-Stecker für die Stromversorgung der Karte und USB2-Daten\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003e4 on-board LEDs (alle LEDs sind programmierbar)\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003e2 Taster (einer davon vom Benutzer für kurze Betätigungen programmierbar)\u003c\/span\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003e\u003cspan\u003eAbmessungen \u0026amp; Gewicht\u003cbr\u003e\u003c\/span\u003e\u003c\/h3\u003e\n\u003cp\u003e\u003cspan\u003e0 × 30,0 × 6,8 mm\u003cbr\u003eGewicht: 10,4 g\u003cbr\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003ch3\u003e\u003cspan\u003eStromaufnahme\u003cbr\u003e\u003c\/span\u003e\u003c\/h3\u003e\n\u003cp\u003e\u003cspan\u003eHinweis: Das Dev Board Micro benötigt eine 5V DC-Stromversorgung, die 2 A liefern kann. Die Coral TPU kann während der Inferenz erhebliche Stromspitzen erzeugen, die das von Ihnen verwendete Netzteil verkraften muss.\u003cbr\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003ch3\u003e\u003cspan\u003eDownloads \u0026amp; Dokumentation\u003cbr\u003e\u003c\/span\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/static\/files\/Coral-Dev-Board-Micro-datasheet.pdf\" data-mce-href=\"https:\/\/coral.ai\/static\/files\/Coral-Dev-Board-Micro-datasheet.pdf\"\u003e\u003cspan\u003eDev Board Micro Datenblatt (PDF)\u003c\/span\u003e\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/github.com\/google-coral\/electricals\/tree\/master\/dev_board_micro\" data-mce-href=\"https:\/\/github.com\/google-coral\/electricals\/tree\/master\/dev_board_micro\"\u003e\u003cspan\u003eDev Board Micro Schaltpläne\u003c\/span\u003e\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/dev-board-micro\/get-started\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/dev-board-micro\/get-started\/\"\u003e\u003cspan\u003eErste Schritte mit dem Dev Board Micro\u003c\/span\u003e\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/reference\/micro\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/reference\/micro\/\"\u003e\u003cspan\u003eAPI-Referenz (Coralmicro)\u003c\/span\u003e\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/reference\/micro\/arduino\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/reference\/micro\/arduino\/\"\u003e\u003cspan\u003eAPI-Referenz (Arduino)\u003c\/span\u003e\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/storage.googleapis.com\/coral-ai\/mechanicals\/dev_board_micro.zip\" data-mce-href=\"https:\/\/storage.googleapis.com\/coral-ai\/mechanicals\/dev_board_micro.zip\"\u003e\u003cspan\u003eDruckbares Dev Board Micro Gehäuse\u003c\/span\u003e\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003e\u003cspan\u003eZusätzliche Informationen\u003cbr\u003e\u003c\/span\u003e\u003c\/h3\u003e\n\u003cp\u003e\u003cspan\u003eGoogle Teilenummer: G650-07968-01\u003cbr\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003ch2\u003e\u003cspan\u003eEnglish Description\u003c\/span\u003e\u003c\/h2\u003e\n\u003ch3\u003eGoogle Coral Devboard Micro\u003cbr\u003e\n\u003c\/h3\u003e\n\u003cp\u003e\u003cstrong\u003e\u003cspan style=\"background-color: #ffff00;\" data-mce-style=\"background-color: #ffff00;\"\u003eImportant note: the devboard micro uses 1.8V logic levels - please ensure your components are compatible with this, or use \u003ca style=\"background-color: rgb(255, 255, 255);\" href=\"https:\/\/buyzero.de\/products\/8-channel-bi-directional-logic-level-converter-txb0108\" data-mce-href=\"https:\/\/buyzero.de\/products\/8-channel-bi-directional-logic-level-converter-txb0108\"\u003evoltage level converters\u003c\/a\u003e!\u003c\/span\u003e\u003c\/strong\u003e\u003c\/p\u003e\n\u003cdiv class=\"fl-callout-text-wrap\"\u003e\n\u003cdiv class=\"fl-callout-text\"\u003e\n\u003cp\u003eThe Coral Dev Board Micro is a new product in the Coral range. Departing from the previous full-blown SBC solutions (such as Dev Board Mini), the Dev Board Micro is a board based on a microcontroller. It has a built-in camera, a microphone, and - most importantly - the Coral Edge TPU, allowing you to quickly prototype and deploy low-power embedded systems with on-device ML inferencing.\u003c\/p\u003e\n\u003cp\u003eThe MCU used on this board, the NXP i.MX RT1176, has two processor cores: one powerful ARM Cortex-M7 and a lower-power ARM Cortex-M4. Both CPU cores also support ML inferencing using TensorFlow Lite for Microcontrollers. This, in combination with the Coral TPU allows you to design systems that gracefully cascade from extreme low-power ML inferencing to more complex—yet still power-efficient—ML inferencing.\u003c\/p\u003e\n\u003cp\u003eFor example, you could run a small machine learning model. This model would determine under which conditions the Coral TPU would be activated. The Coral TPU in turn would run a bigger, more precise and powerful machine learning model. It would only be activated when actually needed. This way energy can be conserved, which is critical for battery-backed applications deployed in the field.\u003c\/p\u003e\n\u003cp\u003eOn the software side, the development for the Coral Dev Board Micro is done in C\/C++. The primary application framework for the Dev Board Micro is FreeRTOS, but you can also build apps using the Arduino IDE. The coralmicro platform supports the core Arduino programming language, for interacting with GPIO pins, analog and I2C pins, etc. There are also custom Arduino APIs for the Dev Board Micro, sporting an Arduino-style interface for board-specific tasks such as microphone input and image capture from the built-in camera.\u003c\/p\u003e\n\u003cp\u003eNote that this board is a microcontroller based board, so it will not run Linux distributions in the same way as you might be used to from the Dev Board 1GB, for example.\u003c\/p\u003e\n\u003cp\u003eThe Coral Dev Board Micro has two 12-pin unpopulated GPIO headers on each side. For hardware-add-ons, two 100-pin board-to-board connectors expose additional functionality, which is used for example by the \u003ca href=\"https:\/\/buyzero.de\/products\/coral-poe-add-on-board-for-dev-board-micro\" data-mce-href=\"https:\/\/buyzero.de\/products\/coral-poe-add-on-board-for-dev-board-micro\"\u003ePoE add-on board\u003c\/a\u003e and the \u003ca href=\"https:\/\/buyzero.de\/products\/wireless-add-on-board-for-dev-board-micro\" data-mce-href=\"https:\/\/buyzero.de\/products\/wireless-add-on-board-for-dev-board-micro\"\u003eWiFi add-on board\u003c\/a\u003e (both accessories are sold separately). The specification for these connectors is open, so third party vendors will be able to provide additional extension boards for the Coral Dev Board Micro ecosystem.\u003c\/p\u003e\n\u003cp\u003eAnother accessory you might want to consider is the \u003ca href=\"https:\/\/buyzero.de\/products\/coral-dev-board-micro-case\" data-mce-href=\"https:\/\/buyzero.de\/products\/coral-dev-board-micro-case\"\u003ecase set\u003c\/a\u003e, which has matching cases to house the board alone, or along with the \u003ca href=\"https:\/\/buyzero.de\/products\/coral-poe-add-on-board-for-dev-board-micro\" data-mce-href=\"https:\/\/buyzero.de\/products\/coral-poe-add-on-board-for-dev-board-micro\"\u003ePoE \u003c\/a\u003eor \u003ca href=\"https:\/\/buyzero.de\/products\/wireless-add-on-board-for-dev-board-micro\" data-mce-href=\"https:\/\/buyzero.de\/products\/wireless-add-on-board-for-dev-board-micro\"\u003eWiFi accessory\u003c\/a\u003e. Alternatively, you can download STEP model files and STL files for a 3D-printable case on the coral.ai website.\u003c\/p\u003e\n\u003ch3\u003e\u003cspan\u003eTechnical Data Dev board Micro\u003c\/span\u003e\u003c\/h3\u003e\n\u003ch3\u003eMCU\u003c\/h3\u003e\n\u003cp\u003eNXP i.MX RT1176: ARM Cortex-M7 @ 800 MHz and ARM Cortex-M4 @ 400 MHz\u003c\/p\u003e\n\u003cp\u003eBoth cores support TensorFlow Lite for Microcontrollers\u003c\/p\u003e\n\u003ch3\u003eML accelerator\u003c\/h3\u003e\n\u003cp\u003eCoral Edge TPU ML accelerator: 4 TOPS peak performance (int8)\u003c\/p\u003e\n\u003cp\u003eConnected with the RT1176 MCU using a USB 2.0 interface\u003c\/p\u003e\n\u003ch3\u003eOther Features\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e64 MB SDRAM\u003c\/li\u003e\n\u003cli\u003e128 MiB NAND flash memory\u003c\/li\u003e\n\u003cli\u003ebuilt-in low-profile Himax HM01B0 color camera (324 x 324 px), fixed focus\u003c\/li\u003e\n\u003cli\u003ebuilt-in PDM mono microphone\u003c\/li\u003e\n\u003cli\u003eSecure Element NXP A71CH for cryptographic device authentication and secure credentials provisioning and storage\u003c\/li\u003e\n\u003cli\u003e2 x 12 pin GPIO header (unpopulated), provides GPIO, PWM, UART, I2C, SPI, DAC, ADC, GND, 3V3, 1V8 and VSYS\u003c\/li\u003e\n\u003cli\u003eHigh-density 2x100 pin connectors providing various I\/O from the MCU for add-on boards: \u003ca href=\"https:\/\/buyzero.de\/products\/wireless-add-on-board-for-dev-board-micro\" data-mce-href=\"https:\/\/buyzero.de\/products\/wireless-add-on-board-for-dev-board-micro\"\u003eCoral Wireless Add-on\u003c\/a\u003e and \u003ca href=\"https:\/\/buyzero.de\/products\/coral-poe-add-on-board-for-dev-board-micro\" data-mce-href=\"https:\/\/buyzero.de\/products\/coral-poe-add-on-board-for-dev-board-micro\"\u003eCoral PoE Add-on\u003c\/a\u003e\n\u003c\/li\u003e\n\u003cli\u003eUSB C plug for board power and USB2 data\u003c\/li\u003e\n\u003cli\u003e4 on-board LEDs (all LEDs are programmable)\u003c\/li\u003e\n\u003cli\u003e2 switch buttons (one user programmable for short presses)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eDimensions \u0026amp; Weight\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e0 × 30.0 × 6.8 mm\u003c\/li\u003e\n\u003cli\u003eWeight: 10.4 g\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003ePower Requirements\u003c\/h3\u003e\n\u003cp\u003eNote: The Dev Board Micro requires a 5V DC power supply which can provide 2 A. The Coral TPU can produce significant power spikes during inferencing, which the power supply you use must be able to handle.\u003c\/p\u003e\n\u003ch3\u003e\u003cspan\u003eDownloads \u0026amp; Documentation\u003c\/span\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/static\/files\/Coral-Dev-Board-Micro-datasheet.pdf\" data-mce-href=\"https:\/\/coral.ai\/static\/files\/Coral-Dev-Board-Micro-datasheet.pdf\"\u003eDev Board Micro datasheet (PDF)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/github.com\/google-coral\/electricals\/tree\/master\/dev_board_micro\" data-mce-href=\"https:\/\/github.com\/google-coral\/electricals\/tree\/master\/dev_board_micro\"\u003eDev Board Micro Schematics\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/dev-board-micro\/get-started\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/dev-board-micro\/get-started\/\"\u003eGet started with the Dev Board Micro\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/reference\/micro\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/reference\/micro\/\"\u003eAPI reference (coralmicro)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/reference\/micro\/arduino\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/reference\/micro\/arduino\/\"\u003eAPI reference (Arduino)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/storage.googleapis.com\/coral-ai\/mechanicals\/dev_board_micro.zip\" data-mce-href=\"https:\/\/storage.googleapis.com\/coral-ai\/mechanicals\/dev_board_micro.zip\"\u003ePrintable Dev Board Micro case\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003e\u003cspan\u003eAdditional Information\u003c\/span\u003e\u003c\/h3\u003e\n\u003cp\u003e\u003cspan\u003eGoogle part number: G650-07968-01\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/div\u003e\n\u003c\/div\u003e","brand":"Coral by Google","offers":[{"title":"Default Title","offer_id":43716788748555,"sku":"CORAL.devboard-micro","price":99.99,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/CORAL.devboard-micro_HERO1.jpg?v=1732619499"},{"product_id":"wireless-add-on-board-for-dev-board-micro","title":"Coral Wireless Add-on board for Dev Board Micro","description":"\u003cdiv\u003e\n\u003cdiv\u003eDas Coral Wireless Add-on Board erweitert das \u003ca href=\"https:\/\/buyzero.de\/products\/coral-dev-board-micro\" data-mce-href=\"https:\/\/buyzero.de\/products\/coral-dev-board-micro\"\u003eCoral Dev Board Micro\u003c\/a\u003e um Wi-Fi- und Bluetooth-Konnektivität. Es ist mit dem Coral Dev Board Micro-Gehäuse kompatibel. \u003cbr data-mce-fragment=\"1\"\u003e\u003cbr data-mce-fragment=\"1\"\u003eEin integrierter U.FL-Koaxial Steckverbinder bietet die Möglichkeit eine eigene Antenne anzuschließen - was in einigen industriellen Umgebungen nützlich ist, in denen eine externe Antenne verwendet werden muss. \u003cbr data-mce-fragment=\"1\"\u003e\u003cbr data-mce-fragment=\"1\"\u003eDas Coral Wireless Add-on Board wird über die High-Density-Anschlüsse auf der Rückseite des Dev Board Micro angeschlossen, so dass Sie weiterhin Zugriff auf die GPIO-Pins des Dev Board Micro haben und diese nutzen können.\u003cbr data-mce-fragment=\"1\"\u003e\u003cbr data-mce-fragment=\"1\"\u003eDie WLAN-Funktion wird von der Arduino Wi-Fi API unterstützt. Derzeit gibt es keine Arduino API für Bluetooth, aber Sie können die gleiche Bluetooth API wie für FreeRTOS verwenden. \u003cbr data-mce-fragment=\"1\"\u003e\u003cbr data-mce-fragment=\"1\"\u003eBeachten Sie, dass dies kein eigenständiges Produkt ist - es benötigt das \u003ca href=\"https:\/\/buyzero.de\/collections\/machine-learning\/products\/wireless-add-on-board-for-dev-board-micro\" data-mce-href=\"https:\/\/buyzero.de\/collections\/machine-learning\/products\/wireless-add-on-board-for-dev-board-micro\"\u003eDev Board Micro\u003c\/a\u003e. Sowohl das \u003ca href=\"https:\/\/buyzero.de\/collections\/machine-learning\/products\/wireless-add-on-board-for-dev-board-micro\" data-mce-href=\"https:\/\/buyzero.de\/collections\/machine-learning\/products\/wireless-add-on-board-for-dev-board-micro\"\u003eDev Board Micro\u003c\/a\u003e als auch das \u003ca href=\"https:\/\/buyzero.de\/collections\/machine-learning\/products\/coral-dev-board-micro-case\"\u003eDev Board Micro Gehäuse\u003c\/a\u003e sind separat erhältlich. Dieses Produkt ist nur mit dem \u003ca href=\"https:\/\/buyzero.de\/collections\/machine-learning\/products\/wireless-add-on-board-for-dev-board-micro\" data-mce-href=\"https:\/\/buyzero.de\/collections\/machine-learning\/products\/wireless-add-on-board-for-dev-board-micro\"\u003eDev Board Micro\u003c\/a\u003e kompatibel, nicht mit anderen Plattformen.\u003cbr\u003e\u003cbr\u003e\n\u003c\/div\u003e\n\u003cdiv\u003e\n\u003ch3\u003eTechnische Daten \u003c\/h3\u003e\n\u003cp\u003eWifi und Bluetooth:\u003cbr\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eWi-Fi: 802.11 a\/b\/g\/n\/ac; 2.4 GHz and 5 GHz\u003c\/li\u003e\n\u003cli\u003e\n\u003cspan\u003eBluetooth 5.0; PHY-Datenrate bis zu 3 Mbit\/s\u003c\/span\u003e\u003cbr\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp data-mce-fragment=\"1\"\u003eWeiteres:\u003c\/p\u003e\n\u003cul data-mce-fragment=\"1\"\u003e\n\u003cli\u003e\n\u003cspan\u003e\u003c\/span\u003eIEingebaute Antenne\u003c\/li\u003e\n\u003cli\u003eAlternativer Antennenanschluss (U.FL-Koaxial)\u003c\/li\u003e\n\u003cli\u003eAusschnitte für GPIO-Header-Pins auf der Hauptplatine\u003c\/li\u003e\n\u003cli\u003eFreiliegende JTAG-Pins zum Debuggen der Hauptplatine\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp data-mce-fragment=\"1\"\u003eAbmessungen und Gewicht:\u003c\/p\u003e\n\u003cul data-mce-fragment=\"1\"\u003e\n\u003cli\u003eGröße: Nur Wireless Add-on: 65,0 × 30,0 × 6,1 mm; Insgesamt mit Dev Board Micro: 65,0 x 30,0 x 11,7 mm\u003c\/li\u003e\n\u003cli\u003eGewicht: Nur Wireless Add-on: 7,6 g; Insgesamt mit Dev Board Micro: 18,0 g\u003cbr\u003e\u003cspan\u003e\u003c\/span\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eWeitere Informationen \u003cbr\u003e\n\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eDatenblatt\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cspan\u003e\u003c\/span\u003e\u003ca href=\"https:\/\/github.com\/google-coral\/electricals\/tree\/master\/dev_board_micro\"\u003eWireless Add-on board für Dev Board Micro Schematics\u003c\/a\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cspan\u003e\u003c\/span\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/dev-board-micro\/wireless-addon\/\"\u003eEinrichtung des Wireless Add-on board\u003c\/a\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eGoogle part number\u003c\/strong\u003e: G650-07974-01\u003c\/p\u003e\n\u003c\/div\u003e\n\u003cdiv\u003e\u003cbr\u003e\u003c\/div\u003e\n\u003cdiv\u003e\u003cbr\u003e\u003c\/div\u003e\n\u003cdiv\u003e\u003cbr\u003e\u003c\/div\u003e\n\u003cdiv\u003e\u003cbr\u003e\u003c\/div\u003e\n\u003cdiv\u003e\u003cbr\u003e\u003c\/div\u003e\n\u003cdiv\u003e\u003cbr\u003e\u003c\/div\u003e\n\u003c\/div\u003e\n\u003ch2\u003eEnglish Description\u003c\/h2\u003e\n\u003cp\u003eThe Coral Wireless Add-on board extends the \u003ca href=\"https:\/\/buyzero.de\/products\/coral-dev-board-micro\"\u003eCoral Dev Board Micro \u003c\/a\u003eto provide Wi-Fi and Bluetooth connectivity. It is compatible with the Coral Dev Board Micro case.\u003cspan class=\"Apple-converted-space\"\u003e \u003c\/span\u003e\u003c\/p\u003e\n\u003cp\u003eAn on-board U.FL coaxial connector provides the possibility to connect your own antenna - which is useful in some industrial settings, where you need to use an external antenna.\u003cspan class=\"Apple-converted-space\"\u003e \u003c\/span\u003e\u003c\/p\u003e\n\u003cp\u003eThe Coral Wireless Add-on board connects using the high-density connectors on the back of the Dev Board Micro, so that you can still access and use the GPIO pins on the Dev Board Micro.\u003c\/p\u003e\n\u003cp\u003eThe WLAN function is supported by the Arduino Wi-Fi API. Currently there is no Arduino API for Bluetooth, but you can use the same Bluetooth API as for FreeRTOS.\u003cspan class=\"Apple-converted-space\"\u003e \u003c\/span\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cem\u003eNote this is not a stand-alone product - it requires the Dev Board Micro. Both the Dev Board Micro and the case are sold separately. This product is only compatible with the Dev Board Micro, not other platforms.\u003c\/em\u003e\u003c\/p\u003e\n\u003ch3\u003eTechnical Data \u003c\/h3\u003e\n\u003cp\u003eWifi and Bluetooth:\u003cbr\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cspan\u003e\u003c\/span\u003eWi-Fi: 802.11 a\/b\/g\/n\/ac; 2.4 GHz and 5 GHz\u003c\/li\u003e\n\u003cli\u003e\n\u003cspan\u003e\u003c\/span\u003eBluetooth 5.0; Up to 3 Mbps PHY data rate\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp data-mce-fragment=\"1\"\u003eOther Features:\u003c\/p\u003e\n\u003cul data-mce-fragment=\"1\"\u003e\n\u003cli\u003e\n\u003cspan\u003e\u003c\/span\u003eOn-board antenna\u003c\/li\u003e\n\u003cli\u003e\n\u003cspan\u003e\u003c\/span\u003eAlternative antenna connector (U.FL coaxial)\u003c\/li\u003e\n\u003cli\u003e\n\u003cspan\u003e\u003c\/span\u003eCutouts for main board GPIO header pins\u003c\/li\u003e\n\u003cli\u003e\n\u003cspan\u003e\u003c\/span\u003eExposed JTAG pins for debugging main board\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp data-mce-fragment=\"1\"\u003eDimensions and weight:\u003c\/p\u003e\n\u003cul data-mce-fragment=\"1\"\u003e\n\u003cli\u003e\n\u003cspan\u003e\u003c\/span\u003eSize: Wireless Add-on only: 65.0 × 30.0 × 6.1 mm; Total with Dev Board Micro: 65.0 x 30.0 x 11.7 mm\u003c\/li\u003e\n\u003cli\u003e\n\u003cspan\u003e\u003c\/span\u003eWeight: Wireless Add-on only: 7.6 g; Total with Dev Board Micro: 18.0 g\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eFurther information \u003cbr\u003e\n\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"%20https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/Coral-Wireless-Add-on-datasheet.pdf?v=1671472458\"\u003eDatasheet\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003cspan\u003e\u003c\/span\u003e\u003ca href=\"https:\/\/github.com\/google-coral\/electricals\/tree\/master\/dev_board_micro\" data-mce-href=\"https:\/\/github.com\/google-coral\/electricals\/tree\/master\/dev_board_micro\"\u003eWireless Add-on board for Dev Board Micro Schematics\u003c\/a\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cspan\u003e\u003c\/span\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/dev-board-micro\/wireless-addon\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/dev-board-micro\/wireless-addon\/\"\u003eSet up the Wireless Add-on board\u003c\/a\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eGoogle part number\u003c\/strong\u003e: G650-07974-01\u003c\/p\u003e","brand":"Coral by Google","offers":[{"title":"Default Title","offer_id":43716812570891,"sku":"CORAL.wireless-add-on-board","price":24.99,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/CORAL.wireless-add-on-board_HERO.jpg?v=1732620360"},{"product_id":"coral-poe-add-on-board-for-dev-board-micro","title":"Coral PoE Add-on board for Dev Board Micro","description":"\u003cdiv\u003e\n\u003cdiv\u003e(scroll down for english description of the Coral devboard PoE Addon)\u003cbr\u003e\n\u003c\/div\u003e\n\u003cdiv\u003e\n\u003cspan style=\"background-color: #ffff00;\"\u003e\u003c\/span\u003e\u003cbr\u003e\n\u003c\/div\u003e\n\u003cdiv\u003eDas Coral PoE Add-on Board erweitert das \u003ca href=\"https:\/\/buyzero.de\/products\/coral-dev-board-micro\" data-mce-href=\"https:\/\/buyzero.de\/products\/coral-dev-board-micro\"\u003eCoral Dev Board Micro\u003c\/a\u003e um 10\/100 Mbps Ethernet-basierte Konnektivität und (optionaler) Stromversorgung.\u003cbr\u003e\u003cbr\u003eEs wird über einen der beiden High-Density-Anschlüsse mit dem Coral Dev Board Micro verbunden, sodass Sie weiterhin Zugriff auf die GPIO-Pins haben. Außerdem ist es mit dem Gehäuse des Dev Board Micro kompatibel. \u003cbr\u003e\u003cbr\u003eEs eignet sich perfekt für den Einsatz des Coral Dev Board Micro in Umgebungen die über PoE-Stromversorgung verfügen, z. B. in Büros und Industrieanlagen. So müssen Sie nur ein Kabel zu Ihrem \u003ca href=\"https:\/\/buyzero.de\/collections\/machine-learning\/products\/coral-dev-board-micro\" data-mce-href=\"https:\/\/buyzero.de\/collections\/machine-learning\/products\/coral-dev-board-micro\"\u003eDev Board Micro\u003c\/a\u003e legen und können es auch an schwer zugänglichen Stellen installieren. \u003cbr\u003e\u003cbr\u003eEs gibt eine Arduino Ethernet API und Beispiele, die Ihnen den Einstieg erleichtern. \u003cbr\u003e\u003cbr\u003e\u003cem\u003eHinweis: Dieses Produkt erfordert das \u003ca href=\"https:\/\/buyzero.de\/collections\/machine-learning\/products\/coral-dev-board-micro\" data-mce-href=\"https:\/\/buyzero.de\/collections\/machine-learning\/products\/coral-dev-board-micro\"\u003eDev Board Micro\u003c\/a\u003e und ist nur mit dem \u003ca href=\"https:\/\/buyzero.de\/collections\/machine-learning\/products\/coral-dev-board-micro\" data-mce-href=\"https:\/\/buyzero.de\/collections\/machine-learning\/products\/coral-dev-board-micro\"\u003eCoral Dev Board Micro\u003c\/a\u003e kompatibel, nicht mit anderen Plattformen. \u003c\/em\u003e\u003cbr\u003e\u003cbr\u003e\u003cem\u003eSowohl das \u003ca href=\"https:\/\/buyzero.de\/collections\/machine-learning\/products\/coral-dev-board-micro\" data-mce-href=\"https:\/\/buyzero.de\/collections\/machine-learning\/products\/coral-dev-board-micro\"\u003eCoral Dev Board Micro\u003c\/a\u003e als auch das \u003ca href=\"https:\/\/buyzero.de\/collections\/machine-learning\/products\/coral-dev-board-micro-case\" target=\"_blank\" data-mce-href=\"https:\/\/buyzero.de\/collections\/machine-learning\/products\/coral-dev-board-micro-case\"\u003eGehäuse des Dev Board Micro\u003c\/a\u003e sind separat erhältlich.\u003c\/em\u003e\u003cbr\u003e\u003cbr\u003e\n\u003c\/div\u003e\n\u003cdiv\u003e\n\u003ch3\u003eTechnische Daten \u003c\/h3\u003e\n\u003cp\u003eEthernet-Geschwindigkeit:\u003cbr\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cspan\u003e\u003c\/span\u003e10 und 100 Mbps\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp data-mce-fragment=\"1\"\u003eWeiteres:\u003c\/p\u003e\n\u003cul data-mce-fragment=\"1\"\u003e\n\u003cli\u003e\n\u003cspan\u003e\u003c\/span\u003eIEEE 802.3af PoE\u003c\/li\u003e\n\u003cli\u003e\n\u003cspan\u003e\u003c\/span\u003e7 W maximale Spitzenleistung (Gesamtsystem)\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cspan\u003e\u003c\/span\u003eAusschnitte für GPIO-Header-Pins der Hauptplatine\u003cbr\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp data-mce-fragment=\"1\"\u003eAbmessungen und Gewicht:\u003c\/p\u003e\n\u003cul data-mce-fragment=\"1\"\u003e\n\u003cli\u003e\n\u003cspan\u003e\u003c\/span\u003eGröße: Nur PoE-Add-on: 65,0 × 30,0 × 18,3 mm; Insgesamt mit Dev Board Micro: 65,0 x 30,0 x 23,9 mm\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cspan\u003e\u003c\/span\u003eGewicht: Nur PoE-Add-on: 19,8 g; Gesamtgewicht mit Dev Board Micro: 30,2 g\u003cbr\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eWeitere Informationen \u003cbr\u003e\n\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eDatenblatt\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cspan\u003e\u003c\/span\u003e\u003ca href=\"https:\/\/github.com\/google-coral\/electricals\/tree\/master\/dev_board_micro\" data-mce-href=\"https:\/\/github.com\/google-coral\/electricals\/tree\/master\/dev_board_micro\"\u003ePoE Add-on board für Dev Board Micro Schematics\u003c\/a\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cspan\u003e\u003c\/span\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/dev-board-micro\/poe-addon\/\" data-mce-href=\"https:\/\/coral.ai\/docs\/dev-board-micro\/poe-addon\/\"\u003eEinrichtung des PoE Add-on board\u003c\/a\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eGoogle part number\u003c\/strong\u003e: G650-07975-01\u003c\/p\u003e\n\u003c\/div\u003e\n\u003cdiv\u003e\u003cbr\u003e\u003c\/div\u003e\n\u003cdiv\u003e\u003cbr\u003e\u003c\/div\u003e\n\u003c\/div\u003e\n\u003ch2\u003eEnglish description\u003c\/h2\u003e\n\u003cp\u003eThe Coral PoE Add-on board extends the \u003ca href=\"https:\/\/buyzero.de\/products\/coral-dev-board-micro\"\u003eCoral Dev Board Micro\u003c\/a\u003e with 10\/100 Mbps Ethernet-based connectivity and (optionally) power.\u003c\/p\u003e\n\u003cp\u003eIt connects to the Coral Dev Board Micro using one of the two high-density connectors, so you can still access the GPIO pins. It is compatible with the Dev Board Micro case.\u003cspan class=\"Apple-converted-space\"\u003e \u003c\/span\u003e\u003c\/p\u003e\n\u003cp\u003eIt is perfect for deploying the Coral Dev Board Micro within environments which provide PoE power, for example offices and industrial installations. This way, you will only need to run one cable to your Dev Board Micro and can install it in difficult to access places.\u003cspan class=\"Apple-converted-space\"\u003e \u003c\/span\u003e\u003c\/p\u003e\n\u003cp\u003eThere is an Arduino Ethernet API, and examples to get you started. \u003c\/p\u003e\n\u003cp\u003e\u003cem\u003eNote: this product requires the \u003ca href=\"https:\/\/buyzero.de\/collections\/machine-learning\/products\/coral-dev-board-micro\" data-mce-href=\"https:\/\/buyzero.de\/collections\/machine-learning\/products\/coral-dev-board-micro\"\u003eDev Board Micro\u003c\/a\u003e and is only compatible with the \u003ca href=\"https:\/\/buyzero.de\/collections\/machine-learning\/products\/coral-dev-board-micro\" data-mce-href=\"https:\/\/buyzero.de\/collections\/machine-learning\/products\/coral-dev-board-micro\"\u003eCoral Dev Board Micro\u003c\/a\u003e, not other platforms.\u003cspan class=\"Apple-converted-space\"\u003e \u003c\/span\u003e\u003c\/em\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cem\u003eBoth the \u003ca href=\"https:\/\/buyzero.de\/collections\/machine-learning\/products\/coral-dev-board-micro\" data-mce-href=\"https:\/\/buyzero.de\/collections\/machine-learning\/products\/coral-dev-board-micro\"\u003eCoral Dev Board Micro\u003c\/a\u003e and the \u003ca href=\"https:\/\/buyzero.de\/collections\/machine-learning\/products\/coral-dev-board-micro-case\"\u003eDev Board Micro case\u003c\/a\u003e are sold separately.\u003c\/em\u003e\u003c\/p\u003e\n\u003ch3\u003eTechnical Data \u003c\/h3\u003e\n\u003cp\u003eEthernet Speed:\u003cbr\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cspan\u003e\u003c\/span\u003e10 and 100 Mbps\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp data-mce-fragment=\"1\"\u003eOther Features:\u003c\/p\u003e\n\u003cul data-mce-fragment=\"1\"\u003e\n\u003cli\u003e\n\u003cspan\u003e\u003c\/span\u003eIEEE 802.3af PoE\u003cspan class=\"Apple-converted-space\"\u003e \u003c\/span\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cspan\u003e\u003c\/span\u003e7 W maximum peak power (total system)\u003c\/li\u003e\n\u003cli\u003e\n\u003cspan\u003e\u003c\/span\u003eCutouts for main board GPIO header pins\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp data-mce-fragment=\"1\"\u003eDimensions and weight:\u003c\/p\u003e\n\u003cul data-mce-fragment=\"1\"\u003e\n\u003cli\u003e\n\u003cspan\u003e\u003c\/span\u003eSize: PoE Add-on only: 65.0 × 30.0 × 18.3 mm; Total with Dev Board Micro: 65.0 x 30.0 x 23.9 mm\u003c\/li\u003e\n\u003cli\u003e\n\u003cspan\u003e\u003c\/span\u003eWeight: PoE Add-on only: 19.8 g; Total with Dev Board Micro: 30.2 g\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003ch3\u003eFurther information \u003cbr\u003e\n\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/Coral-PoE-Add-on-datasheet.pdf?v=1671472536\"\u003eDatasheet\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003cspan\u003e\u003c\/span\u003e\u003ca href=\"https:\/\/github.com\/google-coral\/electricals\/tree\/master\/dev_board_micro\"\u003ePoE Add-on board for Dev Board Micro Schematics\u003c\/a\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cspan\u003e\u003c\/span\u003e\u003ca href=\"https:\/\/coral.ai\/docs\/dev-board-micro\/poe-addon\/\"\u003eSet up the PoE Add-on board\u003c\/a\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eGoogle part number\u003c\/strong\u003e: G650-07975-01\u003c\/p\u003e","brand":"Coral by Google","offers":[{"title":"Default Title","offer_id":43716857561355,"sku":"CORAL.poe-add-on-board","price":30.79,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/CORAL.poe-add-on-board_HERO2.jpg?v=1732621160"},{"product_id":"coral-dev-board-micro-case","title":"Coral Dev Board Micro Case","description":"\u003ch3\u003e\u003cstrong\u003eGoogle Coral DEV Board Micro Gehäuse\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cp\u003eDas Coral Dev Board Micro Gehäuse besteht aus zwei Kunststoffgehäusen:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eStandardgehäuse\u003c\/strong\u003e:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eBietet Platz für das Dev Board Micro allein oder mit dem Coral Wireless Add-on-Board\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003ePoE-Gehäuse\u003c\/strong\u003e:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eBietet Platz für das Dev Board Micro mit dem Coral PoE Add-on-Board\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003e\u003cstrong\u003eMerkmale:\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eKomfort und Schutz\u003c\/strong\u003e:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eZusätzlicher Komfort und Bequemlichkeit im Umgang mit dem Dev Board Micro\u003c\/li\u003e\n\u003cli\u003eSchutz für die Onboard-Kamera des Dev Board Micro\u003c\/li\u003e\n\u003cli\u003eZugriff auf die GPIO-Anschlüsse durch Aussparungen\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eInteraktion\u003c\/strong\u003e:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eZur Interaktion oder zum Neustart des Boards: Einfach den oberen Benutzerknopf drücken – das Gehäuse hat eine Klappe an der entsprechenden Stelle\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eTransparenz\u003c\/strong\u003e:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eDas Gehäuse ist durchsichtig, mit einer optisch klaren Abdeckung für das Objektiv\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003e\n\u003cstrong\u003eHinweis\u003c\/strong\u003e:\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cp\u003eDieses Gehäuseset ist nicht für den Außeneinsatz oder feuchte Umgebungen gedacht, da es nicht wasserdicht ist.\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cp\u003eDas Coral Dev Board Micro wird separat verkauft.\u003c\/p\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003e\u003cstrong\u003eTechnische Spezifikationen:\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eAbmessungen\u003c\/strong\u003e:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eStandardgehäuse: 73 mm x 36 mm x 16,5 mm\u003c\/li\u003e\n\u003cli\u003ePoE-Gehäuse: 73 mm x 26 mm x 27,5 mm\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eMontagemöglichkeiten\u003c\/strong\u003e:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eStandardgehäuse: Flache Rückseite für Klebeband\u003c\/li\u003e\n\u003cli\u003ePoE-Gehäuse: 1\/4-20 Gewindeeinsatz für Stativmontage\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eKnopfzugang\u003c\/strong\u003e:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eDruckknopf für den oberen Benutzerknopf\u003c\/li\u003e\n\u003cli\u003eKleines Loch für den seitlichen Reset-Knopf\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eGPIO-Zugang\u003c\/strong\u003e:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eAussparungen\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eKameraschutz\u003c\/strong\u003e:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eOptisch klare Objektivabdeckung\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003e\n\u003cstrong\u003eZusätzliche Informationen\u003c\/strong\u003e:\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eGoogle Teilenummer: G730-06370-01\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003e\u003cspan\u003e\u003c\/span\u003e\u003c\/h3\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003ch2\u003e\u003cspan\u003eEnglish Description\u003c\/span\u003e\u003c\/h2\u003e\n\u003ch3\u003e\u003cspan\u003eGoogle Coral DEV Board Micro Case\u003c\/span\u003e\u003c\/h3\u003e\n\u003cp\u003eThe Coral Dev Board Micro Case is actually a set of two plastic enclosures:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003ethe standard case accommodates the Dev Board Micro alone or with the Coral Wireless Add-on board\u003c\/li\u003e\n\u003cli\u003eand the PoE case accommodates the Dev Board Micro with the Coral PoE Add-on board.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eThese compact cases provide additional convenience and comfort in handling the Dev Board Micro, and some protection for the on-board camera on the Dev Board Micro. You can also still access the GPIO ports through cutaway covers.\u003c\/p\u003e\n\u003cp\u003e Do you need to interact with the board, or power cycle it? Simply push the top user button - this case has a flap at the required position.\u003c\/p\u003e\n\u003cp\u003e The case is translucent, with an optically clear lens cover.\u003c\/p\u003e\n\u003cp\u003e Note: this case set is not intended for outdoor usage or wet environments, as it is not water-proof.\u003c\/p\u003e\n\u003cp\u003e The \u003ca href=\"https:\/\/buyzero.de\/products\/coral-dev-board-micro\"\u003eCoral Dev Board Micro \u003c\/a\u003eis sold separately.\u003c\/p\u003e\n\u003ch3\u003e\u003cspan\u003eTechnical specifications:\u003c\/span\u003e\u003c\/h3\u003e\n\u003ch3\u003e\u003cspan\u003eDimensions\u003c\/span\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eStandard case: 73mm x 36mm x 16.5mm\u003c\/li\u003e\n\u003cli\u003ePoE case: 73 mm x 26 mm x 27.5mm\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eMounting options\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eStandard case: Flat back to allow adhesive tape\u003c\/li\u003e\n\u003cli\u003ePoE case: 1\/4-20 threaded insert for tripod mount\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eButton access\u003c\/h3\u003e\n\u003cp\u003ePress button for the top user button, Pin hole for the side reset button\u003c\/p\u003e\n\u003ch3\u003eGPIO access\u003c\/h3\u003e\n\u003cp\u003eCutaway covers\u003c\/p\u003e\n\u003ch3\u003e\u003cspan\u003eCamera protection\u003c\/span\u003e\u003c\/h3\u003e\n\u003cp\u003eOptically clear lens cover\u003c\/p\u003e\n\u003ch3\u003e\u003cspan\u003eAdditional Information\u003c\/span\u003e\u003c\/h3\u003e\n\u003cp\u003e\u003cspan\u003eGoogle part number: G730-06370-01\u003c\/span\u003e\u003c\/p\u003e","brand":"Coral by Google","offers":[{"title":"Default Title","offer_id":43716889149707,"sku":"CORAL.devboard-microcase","price":14.59,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/CORAL.devboard-microcase_HERO.jpg?v=1732620594"},{"product_id":"cupcake-ai-server","title":"Cupcake AI Server","description":"\u003cp\u003e\u003cspan data-mce-fragment=\"1\"\u003e(\u003ca href=\"#deutsch\"\u003edeutsch\u003c\/a\u003e)\u003c\/span\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cspan data-mce-fragment=\"1\"\u003eUnigen's \u003cstrong\u003eCupcake Edge AI Server\u003c\/strong\u003e offers a robust solution for Machine Learning and AI Inference tasks, all within a compact and durable design. It features an optimal mix of I\/O interfaces and expansion options, enabling it to capture and process video along with various signal types via its POE ports. It can then transmit the processed data to clients through both wired and wireless networks. Compatible with Neural Networks from top Independent Software Vendors (ISVs), the Cupcake Server provides the versatility needed for tailored solutions.\u003c\/span\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cspan data-mce-fragment=\"1\"\u003eThe Cupcake Edge AI Server is available with many different custom configurations - no MOQs! \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003ePlease inquire with us. \u003c\/a\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003ch2\u003e\u003cspan data-mce-fragment=\"1\"\u003eFeatures:\u003c\/span\u003e\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003eoptimal for visual analysis at the edge - up to 52 TOPs\u003c\/li\u003e\n\u003cli\u003efanless, rugged design, operating temperature 0°C - 50°C\u003c\/li\u003e\n\u003cli\u003elow power usage (52 TOPs under 20 W for CPU + AI)\u003c\/li\u003e\n\u003cli\u003esupports Linux and Microsoft Windows\u003c\/li\u003e\n\u003cli\u003echoice of AI extension modules, and accompanying software frameworks\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003eApplications:\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003elow latency edge computing\u003c\/li\u003e\n\u003cli\u003eprivacy-preserving cloudless computing\u003c\/li\u003e\n\u003cli\u003eagriculture\u003c\/li\u003e\n\u003cli\u003etransportation\u003c\/li\u003e\n\u003cli\u003ebuilding security\u003c\/li\u003e\n\u003cli\u003etelecommunications\u003c\/li\u003e\n\u003cli\u003eretail (footfall analytics, etc.)\u003c\/li\u003e\n\u003cli\u003eand many more!\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003eSupported AI Accelerators:\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003eBlaize P1600\u003c\/li\u003e\n\u003cli\u003eDegirum\u003c\/li\u003e\n\u003cli\u003eHailo-8\u003c\/li\u003e\n\u003cli\u003eHailo-8 x 2\u003c\/li\u003e\n\u003cli\u003eMemryX\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003einquire for other options\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003eSpecification:\u003c\/h2\u003e\n\u003ch3\u003eSystem\u003c\/h3\u003e\n\u003ctable style=\"width: 541px; height: 223px;\" border=\"0\" class=\"specs-table\"\u003e\n\u003ctbody\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"width: 100.125px; height: 19px;\"\u003e\u003cstrong\u003eCPU\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 427.275px; height: 19px;\"\u003eIntel® Atom® x6414RE Processor SoC (4 Cores)\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"width: 100.125px; height: 19px;\"\u003e\u003cstrong\u003eAI module\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 427.275px; height: 19px;\"\u003eup to 52 TOPS AI processing module (various choices)\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"width: 100.125px; height: 19px;\"\u003e\u003cstrong\u003eMemory\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 427.275px; height: 19px;\"\u003e4GB\/8GB\/16GB\/32GB DDR4 SO-DIMM\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"width: 100.125px; height: 19px;\"\u003e\u003cstrong\u003eGraphics\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 427.275px; height: 19px;\"\u003eIntel® UHD Graphics\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"width: 100.125px; height: 19px;\"\u003e\u003cstrong\u003eStorage\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 427.275px; height: 19px;\"\u003eSATA M.2 64GB Standard\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"width: 100.125px; height: 19px;\"\u003e\u003cstrong\u003eEthernet\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 427.275px; height: 19px;\"\u003e1 x GbE, 4 x GbE With POE+ (60W Max)\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 71px;\"\u003e\n\u003ctd style=\"width: 100.125px; height: 71px;\"\u003e\u003cstrong\u003eUSB\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 427.275px; height: 71px;\"\u003e\n\u003cp\u003e2 x USB 3.1 Type A\u003c\/p\u003e\n\u003cp\u003e1 x USB Type C\u003c\/p\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"width: 100.125px; height: 19px;\"\u003e\u003cstrong\u003eAudio\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 427.275px; height: 19px;\"\u003e1 x Line in, 1 x Line out, 1 x Mic in\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"width: 100.125px; height: 19px;\"\u003e\u003cstrong\u003eDisplay\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 427.275px; height: 19px;\"\u003e\n\u003cp\u003eHDMI 2.0b x 1\u003c\/p\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003c\/tbody\u003e\n\u003c\/table\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003ch3\u003eI\/O\u003c\/h3\u003e\n\u003ctable style=\"width: 509px; height: 153px;\" class=\"specs-table\" border=\"0\"\u003e\n\u003ctbody\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"width: 73.8875px; height: 19px;\"\u003e\u003cstrong\u003ePower\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 421.513px; height: 19px;\"\u003e12V DC-IN connector and power button \/ additional 60 watts available\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"width: 73.8875px; height: 19px;\"\u003e\u003cstrong\u003eReset\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 421.513px; height: 19px;\"\u003eReset button\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 39px;\"\u003e\n\u003ctd style=\"width: 73.8875px; height: 39px;\"\u003e\u003cstrong\u003eDebug port\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 421.513px; height: 39px;\"\u003eUSB to UART Micro B\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"width: 73.8875px; height: 19px;\"\u003e\u003cstrong\u003eCOM\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 421.513px; height: 19px;\"\u003eD-Sub 9-pin connector x selectable RS232\/RS485\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"width: 73.8875px; height: 19px;\"\u003e\u003cstrong\u003eCAN\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 421.513px; height: 19px;\"\u003e4-Pin terminal block header\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"width: 73.8875px; height: 19px;\"\u003e\u003cstrong\u003eSerial Ports\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 421.513px; height: 19px;\"\u003e10-Pin terminal block header (I2C x 1, SPI x 1, PWM\/GPIO x 2)\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"width: 73.8875px; height: 19px;\"\u003e\u003cstrong\u003eExpansion slots\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 421.513px; height: 19px;\"\u003e\n\u003cp\u003e1 x SD card slot\u003c\/p\u003e\n\u003cp\u003e1 x M.2 2230 E-key (AI or WiFi)\u003c\/p\u003e\n\u003cp\u003e1 x M.2 2242\/2280 M-key (SATA III\/PCIe Gen 3.0)\u003c\/p\u003e\n\u003cp\u003e1 x M.2 2042 B-key\u003c\/p\u003e\n\u003cp\u003e1 x E1.S 4-lane PCIe 3.0 (EDSFF) (AI or storage)\u003c\/p\u003e\n\u003cp\u003e1 x microSIM slot \u003c\/p\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003c\/tbody\u003e\n\u003c\/table\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003ch3\u003eMisc.\u003c\/h3\u003e\n\u003ctable style=\"width: 541px;\" class=\"specs-table\" border=\"0\"\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd style=\"width: 241.3px;\"\u003e\u003cstrong\u003ePower\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 286.1px;\"\u003e12V DC 10A\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd style=\"width: 241.3px;\"\u003e\u003cstrong\u003eSecurity\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 286.1px;\"\u003eTPM 2.0\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd style=\"width: 241.3px;\"\u003e\u003cstrong\u003eOS Support\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 286.1px;\"\u003eLinux, Microsoft\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd style=\"width: 241.3px;\"\u003e\u003cstrong\u003eDimension\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 286.1px;\"\u003e170mm x 158mm x 49.5mm\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd style=\"width: 241.3px;\"\u003e\u003cstrong\u003eWeight\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 286.1px;\"\u003e3,05 lbs = 1,38 kg\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd style=\"width: 241.3px;\"\u003e\u003cstrong\u003eOperating Temperature\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 286.1px;\"\u003e0°C ~ 50°C\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003c\/tbody\u003e\n\u003c\/table\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e\u003ca name=\"deutsch\"\u003e\u003c\/a\u003e\u003c\/p\u003e\n\u003ch2\u003eDeutsche Beschreibung\u003c\/h2\u003e\n\u003cp\u003e\u003cspan\u003eUnigens Cupcake Edge AI Server bietet eine robuste Lösung für Aufgaben des maschinellen Lernens und der AI-Inferenz, verpackt in einem kompakten und haltbaren Design. Es verfügt über eine optimale Mischung aus I\/O-Schnittstellen und Erweiterungsoptionen, die es ermöglichen, Video und verschiedene Signalarten über seine POE-Ports zu erfassen und zu verarbeiten. Anschließend kann es die verarbeiteten Daten über kabelgebundene und drahtlose Netzwerke an die Kunden übermitteln. Kompatibel mit neuronalen Netzwerken von führenden unabhängigen Softwareanbietern (ISVs), bietet der Cupcake-Server die Vielseitigkeit, die für maßgeschneiderte Lösungen benötigt wird.\u003c\/span\u003e\u003c\/p\u003e\n\u003cp\u003eDer Cupcake Edge AI Server ist in vielen verschiedenen kundenspezifischen Konfigurationen verfügbar - ohne Mindestbestellmengen! \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eBitte fragen Sie bei uns an.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch2\u003e\u003cspan data-mce-fragment=\"1\"\u003eFunktionen:\u003c\/span\u003e\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003eoptimal für visuelle Analyse am Edge - bis zu 52 TOPs\u003c\/li\u003e\n\u003cli\u003elüfterloses, robustes Design, Betriebstemperatur 0°C - 50°C\u003c\/li\u003e\n\u003cli\u003eniedriger Energieverbrauch (52 TOPs unter 20 W für CPU + KI)\u003c\/li\u003e\n\u003cli\u003eunterstützt Linux und Microsoft Windows\u003c\/li\u003e\n\u003cli\u003eAuswahl an KI-Erweiterungsmodulen und dazugehörigen Software-Frameworks\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003eAnwendungen:\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003eEdge Computing mit geringer Latenz\u003c\/li\u003e\n\u003cli\u003edatenschutzbewahrendes Computing ohne Cloud\u003c\/li\u003e\n\u003cli\u003eLandwirtschaft\u003c\/li\u003e\n\u003cli\u003eTransportwesen\u003c\/li\u003e\n\u003cli\u003eGebäudesicherheit\u003c\/li\u003e\n\u003cli\u003eTelekommunikation\u003c\/li\u003e\n\u003cli\u003eEinzelhandel (Kundenfrequenzanalyse, usw.)\u003c\/li\u003e\n\u003cli\u003eund viele mehr!\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003eUnterstützte KI-Beschleuniger:\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003eBlaize P1600\u003c\/li\u003e\n\u003cli\u003eDegirum\u003c\/li\u003e\n\u003cli\u003eHailo-8\u003c\/li\u003e\n\u003cli\u003eHailo-8 x 2\u003c\/li\u003e\n\u003cli\u003eMemryX\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eAnfrage für weitere Optionen\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003eSpezifikationen:\u003c\/h2\u003e\n\u003ch3\u003eSystem\u003c\/h3\u003e\n\u003ctable style=\"width: 541px; height: 223px;\" border=\"0\" class=\"specs-table\"\u003e\n\u003ctbody\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"width: 100.125px; height: 19px;\"\u003e\u003cstrong\u003eCPU\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 427.275px; height: 19px;\"\u003eIntel® Atom® x6414RE Prozessor SoC (4 Kerne)\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"width: 100.125px; height: 19px;\"\u003e\u003cstrong\u003eKI-Modul\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 427.275px; height: 19px;\"\u003ebis zu 52 TOPS KI-Verarbeitungsmodul (verschiedene Auswahlmöglichkeiten)\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"width: 100.125px; height: 19px;\"\u003e\u003cstrong\u003eSpeicher\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 427.275px; height: 19px;\"\u003e4GB\/8GB\/16GB\/32GB DDR4 SO-DIMM\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"width: 100.125px; height: 19px;\"\u003e\u003cstrong\u003eGrafik\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 427.275px; height: 19px;\"\u003eIntel® UHD Grafik\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"width: 100.125px; height: 19px;\"\u003e\u003cstrong\u003eSpeicher\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 427.275px; height: 19px;\"\u003eSATA M.2 64GB Standard\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"width: 100.125px; height: 19px;\"\u003e\u003cstrong\u003eEthernet\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 427.275px; height: 19px;\"\u003e1 x GbE, 4 x GbE mit POE+ (60W Max)\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 71px;\"\u003e\n\u003ctd style=\"width: 100.125px; height: 71px;\"\u003e\u003cstrong\u003eUSB\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 427.275px; height: 71px;\"\u003e\n\u003cp\u003e2 x USB 3.1 Typ A\u003c\/p\u003e\n\u003cp\u003e1 x USB Typ C\u003c\/p\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"width: 100.125px; height: 19px;\"\u003e\u003cstrong\u003eAudio\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 427.275px; height: 19px;\"\u003e1 x Line-In, 1 x Line-Out, 1 x Mikrofon-In\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"width: 100.125px; height: 19px;\"\u003e\u003cstrong\u003eAnzeige\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 427.275px; height: 19px;\"\u003e\n\u003cp\u003eHDMI 2.0b x 1\u003c\/p\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003c\/tbody\u003e\n\u003c\/table\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003ch3\u003eI\/O\u003c\/h3\u003e\n\u003ctable border=\"0\" class=\"specs-table\" style=\"width: 509px; height: 153px;\"\u003e\n\u003ctbody\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"width: 73.8875px; height: 19px;\"\u003e\u003cstrong\u003eStromversorgung\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 421.513px; height: 19px;\"\u003e12V DC-IN-Anschluss und Ein-\/Ausschalter \/ zusätzliche 60 Watt verfügbar\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"width: 73.8875px; height: 19px;\"\u003e\u003cstrong\u003eReset\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 421.513px; height: 19px;\"\u003eReset-Knopf\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 39px;\"\u003e\n\u003ctd style=\"width: 73.8875px; height: 39px;\"\u003e\u003cstrong\u003eDebug-Port\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 421.513px; height: 39px;\"\u003eUSB zu UART Micro B\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"width: 73.8875px; height: 19px;\"\u003e\u003cstrong\u003eCOM\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 421.513px; height: 19px;\"\u003eD-Sub 9-Pin-Anschluss x wählbar RS232\/RS485\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"width: 73.8875px; height: 19px;\"\u003e\u003cstrong\u003eCAN\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 421.513px; height: 19px;\"\u003e4-Pin Klemmleistenanschluss\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"width: 73.8875px; height: 19px;\"\u003e\u003cstrong\u003eSerielle Ports\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 421.513px; height: 19px;\"\u003e10-Pin Klemmleistenanschluss (I2C x 1, SPI x 1, PWM\/GPIO x 2)\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"width: 73.8875px; height: 19px;\"\u003e\u003cstrong\u003eErweiterungssteckplätze\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 421.513px; height: 19px;\"\u003e\n\u003cp\u003e1 x SD-Kartensteckplatz\u003c\/p\u003e\n\u003cp\u003e1 x M.2 2230 E-Key (KI oder WLAN)\u003c\/p\u003e\n\u003cp\u003e1 x M.2 2242\/2280 M-Key (SATA III\/PCIe Gen 3.0)\u003c\/p\u003e\n\u003cp\u003e1 x M.2 2042 B-Key\u003c\/p\u003e\n\u003cp\u003e1 x E1.S 4-Lane PCIe 3.0 (EDSFF) (KI oder Speicher)\u003c\/p\u003e\n\u003cp\u003e1 x microSIM-Steckplatz\u003c\/p\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003c\/tbody\u003e\n\u003c\/table\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003ch3\u003eVerschiedenes\u003c\/h3\u003e\n\u003ctable border=\"0\" class=\"specs-table\" style=\"width: 541px;\"\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd style=\"width: 241.3px;\"\u003e\u003cstrong\u003eStromversorgung\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 286.1px;\"\u003e12V DC 10A\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd style=\"width: 241.3px;\"\u003e\u003cstrong\u003eSicherheit\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 286.1px;\"\u003eTPM 2.0\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd style=\"width: 241.3px;\"\u003e\u003cstrong\u003eBetriebssystemunterstützung\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 286.1px;\"\u003eLinux, Microsoft\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd style=\"width: 241.3px;\"\u003e\u003cstrong\u003eAbmessungen\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 286.1px;\"\u003e170mm x 158mm x 49.5mm\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd style=\"width: 241.3px;\"\u003e\u003cstrong\u003eGewicht\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 286.1px;\"\u003e3,05 Pfund = 1,38 kg\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd style=\"width: 241.3px;\"\u003e\u003cstrong\u003eBetriebstemperatur\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"width: 286.1px;\"\u003e0°C ~ 50°C\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003c\/tbody\u003e\n\u003c\/table\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e","brand":"Unigen","offers":[{"title":"8GB RAM + 256GB SSD \/ Wi-Fi 5 + BTLE \/ none \/ Hailo\/1","offer_id":45138124079371,"sku":"UCT-101-104-FX-BADA","price":1499.0,"currency_code":"EUR","in_stock":false},{"title":"8GB RAM + 512GB SSD \/ none \/ none \/ Hailo\/1","offer_id":45138124275979,"sku":"UCT-101-104-FX-BAEA","price":1659.0,"currency_code":"EUR","in_stock":false},{"title":"8GB RAM + 1TB SSD \/ Wi-Fi 5 + BTLE \/ none \/ Hailo\/1","offer_id":45138124603659,"sku":"UCT-101-104-FX-BAFA","price":1799.0,"currency_code":"EUR","in_stock":false},{"title":"16GB RAM +64GB SSD \/ none \/ none \/ Hailo\/1","offer_id":45138124800267,"sku":"UCT-101-104-FX-CABX","price":1079.0,"currency_code":"EUR","in_stock":false},{"title":"16GB RAM +64GB SSD \/ Wi-Fi 5 + BTLE \/ none \/ Hailo\/1","offer_id":45138124865803,"sku":"UCT-101-104-FX-CABA","price":1569.0,"currency_code":"EUR","in_stock":true},{"title":"16GB RAM +64GB SSD \/ Wi-Fi 5 + BTLE \/ none \/ Blaize\/1","offer_id":45138124898571,"sku":"UCT-100-103-FX-CABA","price":1989.0,"currency_code":"EUR","in_stock":false},{"title":"16GB RAM +64GB SSD \/ none \/ 5G \/ Hailo\/1","offer_id":45138124931339,"sku":"UCT-101-104-FX-CABC","price":2059.0,"currency_code":"EUR","in_stock":false},{"title":"16GB RAM +64GB SSD \/ Wi-Fi 5 + BTLE \/ 5G \/ Blaize\/1","offer_id":45138125029643,"sku":"UCT-100-103-FX-CABE","price":2699.0,"currency_code":"EUR","in_stock":false}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/unigen-Cupcake-AI-Server-straight-on.png?v=1711047341"},{"product_id":"edatec-ed-cm4nano-compact-cm4-computer","title":"EDATEC ED-CM4NANO Compact CM4 Computer","description":"\u003cp\u003eDer EDATEC CM4NANO Nano Embedded Computer hat in etwa die Abmessungen von einem Raspberry Pi 4.\u003c\/p\u003e\n\u003cp\u003eEr basiert auf einem \u003ca href=\"https:\/\/buyzero.de\/products\/compute-module-4-cm4\" data-mce-href=\"https:\/\/buyzero.de\/products\/compute-module-4-cm4\"\u003eCM4 Modul\u003c\/a\u003e und ist damit voll kompatibel mit Raspberry Pi Software und Hardware, hat jedoch viele Vorteile für industrielle Anwendungen. \u003c\/p\u003e\n\u003cp\u003eDas CM4 Modul ist bereits vorinstalliert und im Lieferumfang mit dabei.\u003c\/p\u003e\n\u003cp\u003eZum Beispiel könnte dieser industrielle embedded Computer in folgenden Anwendungen zum Einsatz kommen: \u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eMultimedia Anwendungen\u003c\/li\u003e\n\u003cli\u003eAI Entwicklung\u003c\/li\u003e\n\u003cli\u003eIntelligentes Messgerät\u003c\/li\u003e\n\u003cli\u003eHome Server\u003c\/li\u003e\n\u003cli\u003eIoT Node\u003c\/li\u003e\n\u003cli\u003eu.v.m. \u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eWie von einem Raspberry Pi gewohnt, bietet der Industrierechner eine hervorragende Auswahl von \u003cstrong\u003eKomunikationsschnittstellen\u003c\/strong\u003e: \u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e1 x Gigabit Ethernet mit PoE Unterstützung (benötigt \u003ca href=\"https:\/\/wfuaj0spuzenv6tc-15601473.shopifypreview.com\/products\/raspberry-pi-poe-plus-hat\"\u003ePoE HAT\u003c\/a\u003e)\u003c\/li\u003e\n\u003cli\u003e(optional) 2.4 GHz \/ 5 GHz WLAN - je nach gewähltem CM4\u003c\/li\u003e\n\u003cli\u003e(optional) Bluetooth - je nach gewähltem CM4\u003c\/li\u003e\n\u003cli\u003e\n\u003cspan style=\"font-size: 0.875rem;\"\u003e1 x HDMI, 1 X FPC HDMI inkl. USB Touch und PWM Dimming\u003c\/span\u003e\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003e\u003cspan style=\"font-size: 0.875rem;\"\u003e2 x Standard USB 3.0 ports\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e1 x Standard USB 2.0 port\u003c\/li\u003e\n\u003cli\u003e1 x DSI (Display Interface) \u003c\/li\u003e\n\u003cli\u003e1 x CSI port (Camera Interface)\u003c\/li\u003e\n\u003cli\u003e40-pin Raspberry Pi GPIO Header\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eVier Varianten sind im Standardsortiment, \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eauf Anfrage\u003c\/a\u003e ist der CM4SEN Computer aber auch mit \u003cstrong\u003ejedem\u003c\/strong\u003e beliebigen anderen CM4 erhältlich. Technisch ausgeschlossen sind in diesem Fall die CM4 Lite, da EDATEC CM4 Nano nur vom eMMC booten kann.\u003cbr\u003e\u003c\/p\u003e\n\u003ch3\u003eEmpfohlenes Zubehör\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/buyzero.de\/collections\/edatec\/products\/edatec-12v-cm4-computer-netzteil\"\u003e12 V EDATEC Stecker-Netzteil (ED1202)\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eSpezifikationen\u003c\/h3\u003e\n\u003ctable class=\"NormalTable\" style=\"height: 536px;\"\u003e\n\u003ctbody\u003e\n\u003ctr style=\"height: 39px;\"\u003e\n\u003ctd style=\"height: 39px; width: 199.887px;\"\u003e\u003cstrong\u003eCPU\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"height: 39px; width: 334.513px;\"\u003eBroadcom BCM2711 4-Kern Cortex A72 1.5GHz (ARM v8) 64-bit CPU\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"height: 19px; width: 199.887px;\"\u003e\u003cstrong\u003eRAM\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"height: 19px; width: 334.513px;\"\u003e1GB\/2GB\/4GB\/8GB\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"height: 19px; width: 199.887px;\"\u003e\u003cstrong\u003eeMMC Flash\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"height: 19px; width: 334.513px;\"\u003e8GB\/16GB\/32GB\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"height: 19px; width: 199.887px;\"\u003e\u003cstrong\u003eWiFi \/ Bluetooth\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"height: 19px; width: 334.513px;\"\u003e2.4GHz\/5GHz WiFi, Bluetooth BLE5.0\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 39px;\"\u003e\n\u003ctd style=\"height: 39px; width: 199.887px;\"\u003e\u003cstrong\u003eEthernet\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"height: 39px; width: 334.513px;\"\u003e10\/100\/1000M LAN-Anschluss mit PoE (benötigt \u003ca href=\"https:\/\/wfuaj0spuzenv6tc-15601473.shopifypreview.com\/products\/raspberry-pi-poe-plus-hat\" rel=\"noopener\" target=\"_blank\"\u003ePoE HAT\u003c\/a\u003e)\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 39px;\"\u003e\n\u003ctd style=\"height: 39px; width: 199.887px;\"\u003e\u003cstrong\u003eSD-Karte\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"height: 39px; width: 334.513px;\"\u003eUnterstützt microSD-Karte als erweiterten Speicher.\u003cbr\u003eBooten von der microSD Karte ist nicht möglich.\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"height: 19px; width: 199.887px;\"\u003e\u003cstrong\u003eHDMI\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"height: 19px; width: 334.513px;\"\u003e1x HDMI A\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"height: 19px; width: 199.887px;\"\u003e\u003cstrong\u003eHDMI FPC Anschluss\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"height: 19px; width: 334.513px;\"\u003e1 x HDMI + 1 USB Touch + PWM Dimming\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"height: 19px; width: 199.887px;\"\u003e\u003cstrong\u003eUSB 3.0\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"height: 19px; width: 334.513px;\"\u003e2 x standard USB 3.0 Anschlüsse\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"height: 19px; width: 199.887px;\"\u003e\u003cstrong\u003eUSB 2.0\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"height: 19px; width: 334.513px;\"\u003e1 x standard USB 2.0 Anschluss\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"height: 19px; width: 199.887px;\"\u003e\u003cstrong\u003eDSI\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"height: 19px; width: 334.513px;\"\u003e1 x DSI Anschluss\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"height: 19px; width: 199.887px;\"\u003e\u003cstrong\u003eCSI\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"height: 19px; width: 334.513px;\"\u003e1 x CSI Anschluss\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 39px;\"\u003e\n\u003ctd style=\"height: 39px; width: 199.887px;\"\u003e\u003cstrong\u003eEchtzeituhr\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"height: 39px; width: 334.513px;\"\u003eUnterstützt die RTC-Funktion (CR1220 Batterie erforderlich)\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"height: 19px; width: 199.887px;\"\u003e\u003cstrong\u003eSummer\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"height: 19px; width: 334.513px;\"\u003e1 Summer\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"height: 19px; width: 199.887px;\"\u003e\u003cstrong\u003e40PIN Anschluss\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"height: 19px; width: 334.513px;\"\u003eStandard 40-PIN GPIO Schnittstelle des Raspberry Pi\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"height: 19px; width: 199.887px;\"\u003e\u003cstrong\u003e4 Pin PoE Anschluss\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"height: 19px; width: 334.513px;\"\u003eUnterstützt PoE (benötigt \u003ca href=\"https:\/\/wfuaj0spuzenv6tc-15601473.shopifypreview.com\/products\/raspberry-pi-poe-plus-hat\" rel=\"noopener\" data-mce-href=\"https:\/\/wfuaj0spuzenv6tc-15601473.shopifypreview.com\/products\/raspberry-pi-poe-plus-hat\" target=\"_blank\" data-mce-fragment=\"1\"\u003ePoE HAT\u003c\/a\u003e)\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"height: 19px; width: 199.887px;\"\u003e\u003cstrong\u003eDC-Ausgang\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"height: 19px; width: 334.513px;\"\u003e5V@2A\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"height: 19px; width: 199.887px;\"\u003e\u003cstrong\u003eLED-Anzeige\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"height: 19px; width: 334.513px;\"\u003egrün (Systemzustand), rot (Strom)\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"height: 19px; width: 199.887px;\"\u003e\u003cstrong\u003eStromversorgungseingang\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"height: 19px; width: 334.513px;\"\u003e7V~18V DC\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"height: 19px; width: 199.887px;\"\u003e\u003cstrong\u003eAbmessungen\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"height: 19px; width: 334.513px;\"\u003e103mm(L) x 62mm(B) x 32mm(H)\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"height: 19px; width: 199.887px;\"\u003e\u003cstrong\u003eGehäuse\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"height: 19px; width: 334.513px;\"\u003eAluminiumlegierung für Wärmeableitung\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"height: 19px; width: 199.887px;\"\u003e\u003cstrong\u003eAntenne\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"height: 19px; width: 334.513px;\"\u003ePCB Antenne\/externe Antenne\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"height: 19px; width: 199.887px;\"\u003e\u003cstrong\u003eArbeitsumgebungstemperatur\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"height: 19px; width: 334.513px;\"\u003e-25~60°C\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 19px;\"\u003e\n\u003ctd style=\"height: 19px; width: 199.887px;\"\u003e\u003cstrong\u003eBetriebssystem\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd style=\"height: 19px; width: 334.513px;\"\u003eKompatibel mit dem offiziellen Standard-System\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003c\/tbody\u003e\n\u003c\/table\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e\u003cbr\u003e\u003c\/p\u003e\n\u003cp style=\"text-align: center;\"\u003e\u003cimg height=\"512\" width=\"501\" src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/Interface_Diagram_1b40f409-0f84-4fde-bfe5-685f821fd9c2.jpg?v=1712524807\" alt=\"\"\u003e\u003c\/p\u003e\n\u003cp style=\"text-align: left;\" data-mce-style=\"text-align: left;\"\u003e\u003cspan style=\"font-size: 0.875rem;\"\u003eAm Gerät sind Befestigungslöcher für eine DIN-Schienenhalterung vorgesehen, die eine optionale Montage auf der DIN-Schiene ermöglichen.\u003c\/span\u003e\u003c\/p\u003e\n\u003cp style=\"text-align: center;\"\u003e\u003cspan style=\"font-size: 0.875rem;\"\u003e\u003cimg alt=\"\" src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/EDATEC-CM4NANO-DIN-Rail.png?v=1712525010\" width=\"432\" height=\"657\" data-mce-src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/EDATEC-CM4NANO-DIN-Rail.png?v=1712525010\"\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003cp style=\"text-align: left;\" data-mce-style=\"text-align: left;\"\u003eNur die Befestigungslöcher für die Befestigungsösen sind vorgesehen, und die Befestigungsösen sind nicht standardmäßig im Lieferumfang. \u003c\/p\u003e\n\u003ch2\u003ePCB Anschlüsse \u0026amp; Funktionen\u003cbr\u003e\n\u003c\/h2\u003e\n\u003cp style=\"text-align: center;\" data-mce-style=\"text-align: center;\"\u003e\u003cimg alt=\"\" src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/EDATEC-CM4NANO-Ports.png?v=1712525047\" width=\"470\" height=\"283\" data-mce-src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/EDATEC-CM4NANO-Ports.png?v=1712525047\"\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cbr\u003e\u003c\/p\u003e\n\u003ctable class=\"NormalTable\"\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd width=\"200\"\u003e\u003cstrong\u003e\u003cspan class=\"fontstyle0\"\u003eItem \u003c\/span\u003e\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd width=\"200\"\u003e\u003cstrong\u003e\u003cspan class=\"fontstyle0\"\u003eFunction Description \u003c\/span\u003e\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd width=\"200\"\u003e\u003cstrong\u003e\u003cspan class=\"fontstyle0\"\u003eItem \u003c\/span\u003e\u003c\/strong\u003e\u003c\/td\u003e\n\u003ctd width=\"200\"\u003e\u003cstrong\u003e\u003cspan class=\"fontstyle0\"\u003eFunction Description\u003c\/span\u003e\u003c\/strong\u003e\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd width=\"200\"\u003e\u003cspan class=\"fontstyle0\"\u003eA1 \u003c\/span\u003e\u003c\/td\u003e\n\u003ctd width=\"200\"\u003e\u003cspan class=\"fontstyle0\"\u003e40PIN \u003c\/span\u003e\u003c\/td\u003e\n\u003ctd width=\"200\"\u003e\u003cspan class=\"fontstyle0\"\u003eA2 \u003c\/span\u003e\u003c\/td\u003e\n\u003ctd width=\"200\"\u003e\u003cspan class=\"fontstyle0\"\u003eCSI port\u003c\/span\u003e\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd width=\"200\"\u003e\u003cspan class=\"fontstyle0\"\u003eA3 \u003c\/span\u003e\u003c\/td\u003e\n\u003ctd width=\"200\"\u003e\u003cspan class=\"fontstyle0\"\u003ePoE \u003c\/span\u003e\u003c\/td\u003e\n\u003ctd width=\"200\"\u003e\u003cspan class=\"fontstyle0\"\u003eA4 \u003c\/span\u003e\u003c\/td\u003e\n\u003ctd width=\"200\"\u003e\u003cspan class=\"fontstyle0\"\u003egigabit Ethernet\u003c\/span\u003e\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd width=\"200\"\u003e\u003cspan class=\"fontstyle0\"\u003eA5 \u003c\/span\u003e\u003c\/td\u003e\n\u003ctd width=\"200\"\u003e\u003cspan class=\"fontstyle0\"\u003eDC power port \u003c\/span\u003e\u003c\/td\u003e\n\u003ctd width=\"200\"\u003e\u003cspan class=\"fontstyle0\"\u003eA6 \u003c\/span\u003e\u003c\/td\u003e\n\u003ctd width=\"200\"\u003e\u003cspan class=\"fontstyle0\"\u003eType-C USB 3.0 port\u003c\/span\u003e\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd width=\"200\"\u003e\u003cspan class=\"fontstyle0\"\u003eA7 \u003c\/span\u003e\u003c\/td\u003e\n\u003ctd width=\"200\"\u003e\u003cspan class=\"fontstyle0\"\u003eUSB 3.0 \u003c\/span\u003e\u003c\/td\u003e\n\u003ctd width=\"200\"\u003e\u003cspan class=\"fontstyle0\"\u003eA8 \u003c\/span\u003e\u003c\/td\u003e\n\u003ctd width=\"200\"\u003e\u003cspan class=\"fontstyle0\"\u003eUSB 2.0\u003c\/span\u003e\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd width=\"200\"\u003e\u003cspan class=\"fontstyle0\"\u003eA9 \u003c\/span\u003e\u003c\/td\u003e\n\u003ctd width=\"200\"\u003e\u003cspan class=\"fontstyle0\"\u003eStandard HDMI port \u003c\/span\u003e\u003c\/td\u003e\n\u003ctd width=\"200\"\u003e\u003cspan class=\"fontstyle0\"\u003eA10 \u003c\/span\u003e\u003c\/td\u003e\n\u003ctd width=\"200\"\u003e\u003cspan class=\"fontstyle0\"\u003eSD card slot\u003c\/span\u003e\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003c\/tbody\u003e\n\u003c\/table\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eStromeingang \u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eDie Stromversorgungsschnittstelle befindet sich auf der rechten Seite, mit einer DC-Buchsenschnittstelle, die 7 ~ 18V DC-Stromversorgung unterstützt, mit Plus innen und Minus außen. Wir empfehlen, einen \u003ca href=\"https:\/\/buyzero.de\/collections\/edatec\/products\/edatec-12v-cm4-computer-netzteil\"\u003e12-V-Netzadapter\u003c\/a\u003e zu verwenden.\u003c\/p\u003e\n\u003cp style=\"text-align: center;\" data-mce-style=\"text-align: center;\"\u003e\u003cimg src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/EDATEC-buchse.png?v=1712501400\" alt=\"\" data-mce-src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/EDATEC-buchse.png?v=1712501400\"\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003emicroSD Slot \u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eCM4 Nano unterstützt zwei Speicherorte, den eMMC und eine Micro-SD-Karte. Der eMMC wird dabei für das Hauptdateisystem verwendet und die Micro-SD-Karte kann für die Erweiterung des Datenspeichers verwendet werden.\u003c\/p\u003e\n\u003cp\u003eDie Benutzer können SD-Karten mit mit unterschiedlichen Kapazitäten wählen, um Daten je nach Anwendungsanforderungen zu speichern. Verglichen mit dem eingebauten eMMC-Speicher haben SD-Karten eine größere Kapazität und geringere Kosten.\u003c\/p\u003e\n\u003cp\u003eDer Benutzer kann den eMMC-Speicher des CM4 zum Speichern von Systemcode und die SD-Karte zum Speichern von Anwendungsdaten verwenden.\u003cbr\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eTipp:\u003c\/strong\u003e Micro-SD-Karten können nur für die erweiterte Speicherung verwendet werden, CM4 Nano lässt sich nicht von SD-Karten booten.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eHDMI\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eCM4 Nano verfügt über eine Standard-HDMI-Schnittstelle Typ A (Full-Size), die CM4 HDMI0-Signale verwendet und HDMI2.1-Videoausgabe mit einer maximalen Auflösung von 4Kp60 unterstützt.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eUSB 2.0 Port\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eCM4 Nano verfügt über 1 USB 2.0 Typ-A, der als Schnittstelle beim Flashen des Systems verwendet wird. Wenn das von EDATEC bereitgestellte BSP im System installiert wurde, kann diese Schnittstelle als gewöhnlicher USB 2.0 Port verwendet werden.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003e2 x USB 3.0 Ports\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eDas sind gewöhnliche USB 3.0 Ports, wie auch vom Raspberry PI 4 bekannt. \u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003e \u003cspan class=\"fontstyle0\"\u003eUSB 3.0 Type-C\u003c\/span\u003e \u003cbr\u003e\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eEin USB 3.0 Type C Anschluss, an den USB Type C Geräte angeschlossen werden können. \u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eAntennenanschluss\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eDer ED-CM4NANO Industriecomputer verfügt über eine Standard-SMA-Antennenschnittstellen. Sie ist mit der \u003ca href=\"https:\/\/buyzero.de\/products\/antenna-kit-for-compute-module-4-cm4-antenna-kit\" data-mce-href=\"https:\/\/buyzero.de\/products\/antenna-kit-for-compute-module-4-cm4-antenna-kit\"\u003eoffiziellen Raspberry Pi WiFi\/BT-Antenne\u003c\/a\u003e kompatibel.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eRealtime Clock \u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eDie Echtzeituhr benötigt eine CR1220 Batterie (2mm x 12 mm Durchmesser). \u003cspan style=\"font-size: 0.875rem;\"\u003e \u003c\/span\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cspan style=\"font-size: 0.875rem;\"\u003eDie Echtzeituhr ist am I2C-0 Bus angeschlossen, mit der Adresse 0x51.\u003c\/span\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cspan style=\"font-size: 0.875rem;\"\u003e\u003cb\u003eBuzzer\u003c\/b\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cspan style=\"font-size: 0.875rem;\"\u003eDer engebaute Summer kann durch GPIO6 an- (high) und ausgeschaltet (low) werden.\u003c\/span\u003e\u003cbr\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cspan style=\"font-size: 0.875rem;\"\u003e\u003cb\u003emini CSI, MIPI DSI, FPC HDMI, USB 2.0 \u003c\/b\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003cp\u003eMehr über diese Interfaces im \u003ca href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/ED_CM4Nano_Datasheet_EN_2024-02-21.pdf?v=1712523379\"\u003eDatenblatt\u003c\/a\u003e. FPC HDMI ist ein HDMI Anschluss der über einen Stecker für Folienkabel herausgeführt ist. Zusätzlich sind an diesem Anschluss USB und PWM Helligkeitssignale vorhanden.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eKonfiguration und Lieferumfang:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003e1 Stk. CM4 Nano (im Gehäuse)\u003cbr\u003e1 Stk. Raspberry Pi zertifizierte Antenne für 2.4GHz \/ 5 GHz WiFi \/ BT (bei Option WLAN)\u003cbr\u003e\u003c\/p\u003e\n\u003ch3\u003eFAQ:\u003c\/h3\u003e\n\u003cp\u003e\u003cstrong style=\"font-size: 0.875rem;\"\u003eQ: Wird PoE unterstützt?\u003c\/strong\u003e\u003cbr\u003e\u003c\/p\u003e\n\u003cp\u003eJa, der EDATEC CM4NANO unterstützt PoE. Dazu wird \u003ca href=\"https:\/\/buyzero.de\/products\/raspberry-pi-poe-plus-hat\" rel=\"noopener\" target=\"_blank\"\u003edas offizielle Raspberry Pi PoE HAT benötigt\u003c\/a\u003e.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eQ: Kann eine Micro-SD-Karte zum Starten des Systems verwendet werden?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eNein, CM4NANO kann auf der microSD Karte ausschließlich Daten speichern, es kann nicht davon booten.\u003c\/p\u003e\n\u003cp\u003e\u003cspan style=\"font-size: 0.875rem;\"\u003e\u003cstrong\u003eQ: Warum funktionieren einige Funktionen nach der Installation der CM4 Industrial Edition im offiziellen System nicht?\u003c\/strong\u003e \u003c\/span\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cspan style=\"font-size: 0.875rem;\"\u003eWir empfehlen, dass Kunden das von EDATEC bereitgestellte Systemimage installieren. Andernfalls laden Sie bitte das BSP von EDATEC herunter, um einige externe Schnittstellen nutzen zu können.\u003c\/span\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003e\u003cspan style=\"font-size: 0.875rem;\"\u003eQ: Ist irgendein Signal auf dem 40PIN Header des CM4 Nano belegt?\u003c\/span\u003e\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cspan style=\"font-size: 0.875rem;\"\u003e\u003cspan\u003eDer Summer belegt GPIO6. Wenn er nicht benötigt wird, kann der Widerstand R39 entfernt und der GPIO6 vom Summerkreis getrennt werden. Die SD-Karte belegt GPIO22, 23, 24, 25, 26, 27. Wenn Sie sie nicht verwenden, bitte stecken Sie die SD-Karte nicht ein.\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003e\u003cspan style=\"font-size: 0.875rem;\"\u003eQ: Wie installiert man ein Spiegelbild? \u003c\/span\u003e\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cspan style=\"font-size: 0.875rem;\"\u003eSie können die Anweisungen lesen, indem Sie das Softwarehandbuch konsultieren.\u003c\/span\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003e\u003cspan style=\"font-size: 0.875rem;\"\u003eQ: Wie löst man den Fehler \"config failed, hub doesn't have any ports! (err -19)\" beim Öffnen von CM4 Nano?\u003c\/span\u003e\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cspan style=\"font-size: 0.875rem;\"\u003e\u003cspan\u003eLöschen Sie \"otg_mode=1\", [cm4] in config.txt und fügen Sie gleichzeitig \"dtoverlay=dwc2,dr_mode=host\" hinzu.\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003ch3\u003eDownloads \u0026amp; Support:\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca rel=\"noopener\" href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/ED_CM4Nano_Datasheet_EN_2024-02-21.pdf?v=1712523379\" target=\"_blank\"\u003eDatenblatt CM4NANO Computer (PDF)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/ED_CM4Nano_User_Manual_EN_2024-02-21.pdf?v=1712523379\" rel=\"noopener\" target=\"_blank\" data-mce-href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/ED_CM4Nano_User_Manual_EN_2024-02-21.pdf?v=1712523379\"\u003eUser Manual CM4NANO Computer (PDF)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003ca href=\"https:\/\/www.edatec.cn\" data-mce-href=\"https:\/\/www.edatec.cn\"\u003eEDA Technology Co.,LTD\u003c\/a\u003e\u003c\/p\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eHerstellerbezeichnung\u003c\/strong\u003e: EDATEC ED-CM4NANO10-xyzz-(C)\u003cbr data-mce-fragment=\"1\"\u003e\u003c\/p\u003e\n\u003cp\u003eAktuell sind bei uns \u003cstrong\u003eED-CM4NANO-1208-C\u003c\/strong\u003e und \u003cstrong\u003eED-CM4NANO-1408-C\u003c\/strong\u003e auf Lager, dieser EDATEC Industrie-Computer kann \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eauf Anfrage\u003c\/a\u003e sehr flexibel wie folgt konfiguriert werden: \u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eCM4 mit oder ohne WiFi (0 \/ 1)\u003c\/li\u003e\n\u003cli\u003eRAM Größe ( 1 \/ 2 \/ 4 \/ 8 GB)\u003c\/li\u003e\n\u003cli\u003eeMMC Größe ( 08 \/ 16 \/ 32 GB eMMC) (\u003cem\u003ekeine\u003c\/em\u003e Option ohne Flash erhältlich)\u003c\/li\u003e\n\u003cli\u003emit \/ ohne Gehäuse ( \u0026lt;ohne\u0026gt; \/ C)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp style=\"text-align: center;\"\u003e\u003cimg alt=\"\" src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/Order_Information_e9b64252-ebc4-4be8-8492-728df50c5757.jpg?v=1712523643\" width=\"467\" height=\"389\"\u003e\u003c\/p\u003e\n\u003cp style=\"text-align: center;\" data-mce-style=\"text-align: center;\"\u003e\u003cstrong\u003eAbmessungen:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp style=\"text-align: center;\" data-mce-style=\"text-align: center;\"\u003e\u003cimg alt=\"\" src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/Dimension_Unit_mm.jpg?v=1712523603\" width=\"466\" height=\"621\"\u003e\u003c\/p\u003e\n\u003ch2\u003e\u003cbr\u003e\u003c\/h2\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003ch2\u003eEnglish Description\u003c\/h2\u003e\n\u003cp\u003eThe EDATEC CM4NANO Nano Embedded Computer has approximately the dimensions of a Raspberry Pi 4.\u003c\/p\u003e\n\u003cp\u003eIt is based on a \u003ca href=\"https:\/\/buyzero.de\/products\/compute-module-4-cm4\" target=\"_blank\" rel=\"noopener\"\u003eCM4 module\u003c\/a\u003e, making it fully compatible with Raspberry Pi software and hardware, but it offers many advantages for industrial applications.\u003c\/p\u003e\n\u003cp\u003eThe CM4 module is pre-installed and included in the delivery.\u003c\/p\u003e\n\u003cp\u003eThis industrial embedded computer can be used in applications such as:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eMultimedia applications\u003c\/li\u003e\n\u003cli\u003eAI development\u003c\/li\u003e\n\u003cli\u003eIntelligent measuring devices\u003c\/li\u003e\n\u003cli\u003eHome servers\u003c\/li\u003e\n\u003cli\u003eIoT nodes\u003c\/li\u003e\n\u003cli\u003eAnd much more\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eAs expected from a Raspberry Pi, the industrial computer offers an excellent range of communication interfaces:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e1x Gigabit Ethernet with PoE support (requires PoE HAT)\u003c\/li\u003e\n\u003cli\u003e(Optional) 2.4 GHz \/ 5 GHz Wi-Fi - depending on the selected CM4\u003c\/li\u003e\n\u003cli\u003e(Optional) Bluetooth - depending on the selected CM4\u003c\/li\u003e\n\u003cli\u003e1x HDMI, 1x FPC HDMI including USB touch and PWM dimming\u003c\/li\u003e\n\u003cli\u003e2x Standard USB 3.0 ports\u003c\/li\u003e\n\u003cli\u003e1x Standard USB 2.0 port\u003c\/li\u003e\n\u003cli\u003e1x DSI (Display Interface)\u003c\/li\u003e\n\u003cli\u003e1x CSI port (Camera Interface)\u003c\/li\u003e\n\u003cli\u003e40-pin Raspberry Pi GPIO header\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eFour variants are in the standard assortment, but on request, the CM4SEN computer can be equipped with any other CM4. However, CM4 Lite is excluded because the EDATEC CM4 Nano can only boot from eMMC.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eRecommended Accessories\u003c\/strong\u003e\u003cbr\u003e\u003ca href=\"https:\/\/buyzero.de\/collections\/edatec\/products\/edatec-12v-cm4-computer-netzteil\" target=\"_blank\" rel=\"noopener\"\u003e\u003c\/a\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/buyzero.de\/collections\/edatec\/products\/edatec-12v-cm4-computer-netzteil\" target=\"_blank\" rel=\"noopener\"\u003e12 V EDATEC plug power supply (ED1202)\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eSpecifications\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eCPU: Broadcom BCM2711 4-core Cortex A72 1.5GHz (ARM v8) 64-bit CPU\u003c\/li\u003e\n\u003cli\u003eRAM: 1GB\/2GB\/4GB\/8GB\u003c\/li\u003e\n\u003cli\u003eeMMC Flash: 8GB\/16GB\/32GB\u003c\/li\u003e\n\u003cli\u003eWiFi \/ Bluetooth: 2.4GHz\/5GHz WiFi, Bluetooth BLE5.0\u003c\/li\u003e\n\u003cli\u003eEthernet: 10\/100\/1000M LAN port with PoE (requires PoE HAT)\u003c\/li\u003e\n\u003cli\u003eSD card: Supports microSD card as extended storage. Booting from microSD card is not possible.\u003c\/li\u003e\n\u003cli\u003eHDMI: 1x HDMI A\u003c\/li\u003e\n\u003cli\u003eHDMI FPC connection: 1x HDMI + 1x USB touch + PWM dimming\u003c\/li\u003e\n\u003cli\u003eUSB 3.0: 2x standard USB 3.0 ports\u003c\/li\u003e\n\u003cli\u003eUSB 2.0: 1x standard USB 2.0 port\u003c\/li\u003e\n\u003cli\u003eDSI: 1x DSI connection\u003c\/li\u003e\n\u003cli\u003eCSI: 1x CSI connection\u003c\/li\u003e\n\u003cli\u003eReal-time clock: Supports RTC function (CR1220 battery required)\u003c\/li\u003e\n\u003cli\u003eBuzzer: 1 buzzer\u003c\/li\u003e\n\u003cli\u003e40-pin connector: Standard 40-pin GPIO interface of the Raspberry Pi\u003c\/li\u003e\n\u003cli\u003e4-pin PoE connection: Supports PoE (requires \u003ca href=\"https:\/\/wfuaj0spuzenv6tc-15601473.shopifypreview.com\/products\/raspberry-pi-poe-plus-hat\" target=\"_blank\" rel=\"noopener\"\u003ePoE HAT\u003c\/a\u003e)\u003c\/li\u003e\n\u003cli\u003eDC output: 5V@2A\u003c\/li\u003e\n\u003cli\u003eLED indicators: Green (system status), Red (power)\u003c\/li\u003e\n\u003cli\u003ePower input: 7V~18V DC\u003c\/li\u003e\n\u003cli\u003eDimensions: 103mm(L) x 62mm(W) x 32mm(H)\u003c\/li\u003e\n\u003cli\u003eCase: Aluminum alloy for heat dissipation\u003c\/li\u003e\n\u003cli\u003eAntenna: PCB antenna\/external antenna\u003c\/li\u003e\n\u003cli\u003eOperating environment temperature: -25~60°C\u003c\/li\u003e\n\u003cli\u003eOperating system: Compatible with the official standard system\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eThe device has mounting holes for a DIN rail bracket, allowing optional mounting on the DIN rail.\u003c\/p\u003e\n\u003cp\u003eOnly mounting holes for the brackets are provided, and the brackets are not included in the standard delivery.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003ePCB Connections \u0026amp; Functions\u003c\/strong\u003e\u003c\/p\u003e\n\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eItem\u003c\/th\u003e\n\u003cth\u003eFunction Description\u003c\/th\u003e\n\u003cth\u003eItem\u003c\/th\u003e\n\u003cth\u003eFunction Description\u003c\/th\u003e\n\u003c\/tr\u003e\n\u003c\/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd\u003eA1\u003c\/td\u003e\n\u003ctd\u003e40-pin GPIO\u003c\/td\u003e\n\u003ctd\u003eA2\u003c\/td\u003e\n\u003ctd\u003eCSI port\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd\u003eA3\u003c\/td\u003e\n\u003ctd\u003ePoE\u003c\/td\u003e\n\u003ctd\u003eA4\u003c\/td\u003e\n\u003ctd\u003eGigabit Ethernet\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd\u003eA5\u003c\/td\u003e\n\u003ctd\u003eDC power port\u003c\/td\u003e\n\u003ctd\u003eA6\u003c\/td\u003e\n\u003ctd\u003eType-C USB 3.0 port\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd\u003eA7\u003c\/td\u003e\n\u003ctd\u003eUSB 3.0\u003c\/td\u003e\n\u003ctd\u003eA8\u003c\/td\u003e\n\u003ctd\u003eUSB 2.0\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd\u003eA9\u003c\/td\u003e\n\u003ctd\u003eStandard HDMI port\u003c\/td\u003e\n\u003ctd\u003eA10\u003c\/td\u003e\n\u003ctd\u003eSD card slot\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003c\/tbody\u003e\n\u003c\/table\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003ePower Input\u003c\/strong\u003e\u003cbr\u003eThe power supply interface is located on the right side, with a DC jack supporting 7~18V DC power supply, with positive inside and negative outside. We recommend using a \u003ca href=\"https:\/\/buyzero.de\/collections\/edatec\/products\/edatec-12v-cm4-computer-netzteil\" target=\"_blank\" rel=\"noopener\"\u003e12V power adapter\u003c\/a\u003e.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eMicroSD Slot\u003c\/strong\u003e\u003cbr\u003eThe CM4 Nano supports two storage locations, eMMC and a microSD card. The eMMC is used for the main file system, and the microSD card can be used for data storage expansion.\u003c\/p\u003e\n\u003cp\u003eUsers can choose SD cards with different capacities to store data depending on the application requirements. Compared to the built-in eMMC storage, SD cards offer larger capacity and lower costs.\u003c\/p\u003e\n\u003cp\u003eUsers can store system code on the eMMC storage of the CM4 and use the SD card to store application data.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eNote\u003c\/strong\u003e: MicroSD cards can only be used for extended storage, and the CM4 Nano cannot boot from SD cards.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eHDMI\u003c\/strong\u003e\u003cbr\u003eThe CM4 Nano has a standard HDMI Type-A interface (full-size), using CM4 HDMI0 signals and supporting HDMI 2.1 video output with a maximum resolution of 4Kp60.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eUSB 2.0 Port\u003c\/strong\u003e\u003cbr\u003eThe CM4 Nano has 1 USB 2.0 Type-A port used for flashing the system. If the BSP provided by EDATEC is installed on the system, this port can be used as a standard USB 2.0 port.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003e2 x USB 3.0 Ports\u003c\/strong\u003e\u003cbr\u003eThese are standard USB 3.0 ports, similar to those on the Raspberry Pi 4.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eUSB 3.0 Type-C\u003c\/strong\u003e\u003cbr\u003eA USB 3.0 Type-C port for connecting USB Type-C devices.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eAntenna Connection\u003c\/strong\u003e\u003cbr\u003eThe ED-CM4NANO industrial computer has a standard SMA antenna interface compatible with the official Raspberry Pi Wi-Fi\/BT antenna.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eReal-Time Clock\u003c\/strong\u003e\u003cbr\u003eThe real-time clock requires a CR1220 battery (2mm x 12mm diameter). The real-time clock is connected to the I2C-0 bus, with the address 0x51.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eBuzzer\u003c\/strong\u003e\u003cbr\u003eThe built-in buzzer can be turned on (high) and off (low) via GPIO6.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eConfiguration and Delivery Contents\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e1x CM4 Nano (in case)\u003c\/li\u003e\n\u003cli\u003e1x Raspberry Pi certified antenna for 2.4GHz\/5GHz Wi-Fi\/BT (for Wi-Fi option)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003e\u003cstrong\u003eFAQ\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cp\u003e\u003cstrong\u003eQ: Does it support PoE?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eYes, the EDATEC CM4NANO supports PoE. \u003ca href=\"https:\/\/buyzero.de\/products\/raspberry-pi-poe-plus-hat\" target=\"_blank\" rel=\"noopener\"\u003eThe official Raspberry Pi PoE HAT\u003c\/a\u003e is required.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eQ: Can a microSD card be used to boot the system?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eNo, the CM4NANO can only store data on the microSD card but cannot boot from it.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eQ: Why do some functions not work after installing the CM4 Industrial Edition in the official system?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eWe recommend customers install the system image provided by EDATEC. Alternatively, download the BSP from EDATEC to use some external interfaces.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eQ: Is any signal occupied on the 40-pin header of the CM4 Nano?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eThe buzzer occupies GPIO6. If not needed, remove resistor R39 to disconnect GPIO6 from the buzzer circuit. The SD card occupies GPIO22, 23, 24, 25, 26, 27. If not in use, do not insert the SD card.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eManufacturer Information\u003c\/strong\u003e\u003cbr\u003eEDA Technology Co., LTD\u003cbr\u003eManufacturer designation: EDATEC ED-CM4NANO10-xyzz-(C)\u003c\/p\u003e\n\u003cp\u003eCurrently in stock: ED-CM4NANO-1208-C and ED-CM4NANO-1408-C. This EDATEC industrial computer can be configured flexibly on request as follows:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eCM4 with or without Wi-Fi (0 \/ 1)\u003c\/li\u003e\n\u003cli\u003eRAM size (1 \/ 2 \/ 4 \/ 8 GB)\u003c\/li\u003e\n\u003cli\u003eeMMC size (08 \/ 16 \/ 32 GB eMMC) (no option without flash available)\u003c\/li\u003e\n\u003cli\u003eWith or without case (without \/ C)\u003c\/li\u003e\n\u003c\/ul\u003e","brand":"EDATEC","offers":[{"title":"WiFi + 2 GB RAM + 8 GB eMMC","offer_id":45196268437771,"sku":"ED-CM4NANO-1208-C-001","price":105.19,"currency_code":"EUR","in_stock":true},{"title":"WiFi + 4 GB RAM + 8 GB eMMC","offer_id":45196260737291,"sku":"ED-CM4NANO-1408-C-002","price":129.49,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/ED-CM4NANO-1208-C-001_HERO_1.jpg?v=1732624051"},{"product_id":"coral-ai-accelerator-module-1000-stuck","title":"Coral AI Accelerator Module (1000 Stück)","description":"\u003cp\u003eEine Verpackungseinheit Coral AI Accelerator Module, 1000 Stück auf einer Rolle. \u003c\/p\u003e\n\u003cp\u003eHinweis: aktuell warten wir auf Lead Time Informationen. Es ist allerdings eine verbindliche Vorbestellung möglich.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eBezeichnungen: \u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eHersteller-SKU: G313-06329-00\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eName: Coral Accelerator Module\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eASUS part-number: 90AN01G0-B0XAY0\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eMouser Teilenummer: \u003cspan\u003e212-G313-06329-00\u003c\/span\u003e\n\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eRS Bestellnummer: 215-4731 \/ 215-4732 \/ 215-4732P \/ 74945150 \/ 72324825\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003eEAN: N\/A\u003cbr\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eDas Accelerator Module ist ein SMT-Modul (surface mount), das die Edge TPU und seine eigene Stromversorgungssteuerung enthält. Es bietet beschleunigtes Inferencing für TensorFlow Lite Modelle auf Ihrer kundenspezifischen PCB Hardware.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eFührt ML-Inferencing mit hoher Geschwindigkeit durch\u003c\/strong\u003e\u003cbr\u003e\u003c\/p\u003e\n\u003cp\u003eDie Edge TPU ist in der Lage, 4 Billionen Operationen pro Sekunde (4 TOPS) auszuführen und verbraucht dabei 2 Watt Strom - das sind 2 TOPS pro Watt. So kann sie z. B. modernste mobile Bildverarbeitungsmodelle wie MobileNet v2 mit fast 400 Bildern pro Sekunde ausführen, und das auf energiesparende Weise. \u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eUnterstützt TensorFlow Lite\u003c\/strong\u003e\u003cbr\u003e\u003c\/p\u003e\n\u003cp\u003eSie müssen keine Modelle von Grund auf neu erstellen. TensorFlow Lite-Modelle können so kompiliert werden, dass sie auf der Edge TPU laufen.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eTechnische Eckdaten:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eAbmessungen 15,0 x 10,0 x 1,5 mm\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eChipsatz Google Edge TPU und PMIC\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eMontageart SMT, 120-Pin LGA\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eSerielle Schnittstelle PCIe Gen 2 oder USB 2.0.\u003c\/li\u003e\n\u003cli\u003eUSB 3.0 ebenso verfügbar, benötigt aber spezielle Designüberlegungen - kontaktieren Sie uns bei Interesse\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eNach dem Öffnen der Verpackung sollte sie bei ≤30 °C \/ ≤60 % relativer Luftfeuchtigkeit gelagert und innerhalb von 168 Stunden verwendet werden. \u003c\/p\u003e\n\u003cp\u003e\u003ca href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/Coral-Accelerator-Module-datasheet.pdf?v=1724935289\" rel=\"noopener\" data-mce-href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/Coral-Accelerator-Module-datasheet.pdf?v=1724935289\" target=\"_blank\"\u003e\u003cstrong\u003eDatenblatt (PDF)\u003c\/strong\u003e\u003c\/a\u003e\u003cstrong\u003e\u003c\/strong\u003e\u003c\/p\u003e","brand":"Coral by Google","offers":[{"title":"Default Title","offer_id":45322415571211,"sku":"G313-06329-00-AcceleratorModule-VPE[1000]","price":43990.0,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/G313-06329-00-Coral-Accelerator-Module-VPE.jpg?v=1715533713"},{"product_id":"biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s","title":"Biscotti E1.S Dual AI-Prozessor-Modul (HAILO-8, E1.S, 52 TOPS)","description":"\u003cdiv\u003e\n\u003ch3\u003e\u003cstrong\u003eBiscotti E1.S AI-Modul\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cp\u003e(\u003ca href=\"#english\"\u003eenglish description below\u003c\/a\u003e)\u003c\/p\u003e\n\u003cp\u003eMit dem Biscotti E1.S AI-Modul, das 2 Hailo-8 Edge AI-Prozessoren nutzt, erreichen Sie eine beispiellose Leistung von bis zu 52 Tera-Operationen pro Sekunde (TOPS). Diese herausragende Leistung wird mit einem minimalen Energieverbrauch von nur 10 Watt erzielt. Dank einer Architektur, die die Kernprinzipien neuronaler Netzwerke optimal nutzt, ermöglichen die Hailo-8-Chips auf E1.S edge devices, Deep-Learning-Anwendungen effizienter, effektiver und nachhaltiger als andere AI-Chips und Lösungen auszuführen.\u003c\/p\u003e\n\u003ch3\u003e\u003cstrong\u003eLeistung im Vergleich zum Energieverbrauch\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cp\u003eDas Biscotti E1.S AI-Modul bietet 52 TOPS bei nur 10 Watt. Es nutzt 2 Hailo-8 Edge AI-Prozessoren, die jeweils bis zu 26 TOPS bieten, und übertrifft damit deutlich alle anderen Edge-Prozessormodule. Mit dem E1.S können beide AI-Prozessoren so betrieben werden, dass sie eine Leistung und Energieeffizienz liefern, die anderen führenden Lösungen weit überlegen ist.\u003c\/p\u003e\n\u003ch3\u003e\u003cstrong\u003ePlug-and-Play für Server und Edge Devices\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cp\u003e\u003cstrong\u003eDas besondere an dieser Lösung:\u003c\/strong\u003e Das Biscotti E1.S Dual AI Prozessor Modul kann direkt in E1.S-Slots, die normalerweise für SSDs verwendet werden, eingeführt werden, um sofort künstliche Intelligenz in einer größeren Serverkonfiguration bereitzustellen. \u003c\/p\u003e\n\u003cp\u003eOb zur Unterstützung mehrerer paralleler neuronaler Netzwerke von einer großen Anzahl von Kameraeingängen oder integriert als ein einziges großes Sprachmodell zur Lösung der größten KI-Fälle – bei deutlich geringerem Energieverbrauch als GPU-Module oder Add-In-Karten kann eine Lösung mit Biscotti den Stromverbrauch eines Rechenzentrums massiv verändern.\u003c\/p\u003e\n\u003ch3\u003e\u003cstrong\u003eUnterstützung für neuronale Netzwerke und Anwendungen\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cp\u003eDie auf dem Biscotti E1.S integrierten HAILO-8 AI-Prozessoren verfügen über eine robuste Software-Suite, die moderne Deep-Learning-Modelle und Anwendungen sofort unterstützt. Mit einem umfassenden Datenfluss-Compiler können Nutzer ihre neuronalen Netzwerkmodelle einfach und schnell portieren. Mit Unterstützung für AI-Frameworks wie TensorFlow, TensorFlow Lite, Keras, PyTorch und ONNX unterstützt Biscotti heute Edge Neural Nets und in Zukunft generative KI.\u003c\/p\u003e\n\u003ch3\u003e\u003cstrong\u003eProduktspezifikationen\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eAI-Prozessor:\u003c\/strong\u003e Dual Hailo-8 (auf Anfrage ebenso als Einzelausführung verfügbar)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eFormfaktor:\u003c\/strong\u003e E1.S (EDSFF)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eMaximale Leistung:\u003c\/strong\u003e 10 Watt\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eLeistung:\u003c\/strong\u003e 52 TOPS (auf Anfrage als 26 TOPS Einzelausführung verfügbar)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eSchnittstelle:\u003c\/strong\u003e EDSFF (PCIe Gen 3)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eUnterstützte Frameworks:\u003c\/strong\u003e TensorFlow, TensorFlow Lite, ONNX, Keras, PyTorch\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eUnterstützte Betriebssysteme:\u003c\/strong\u003e Linux, Windows\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eZertifizierungen:\u003c\/strong\u003e CE, FCC, VCCi, KCC, WEEE\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eAbmessungen:\u003c\/strong\u003e 33.75mm x 118.75mm x 9.5mm (5.9mm ohne Kühlkörpergehäuse)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eKühlkörper \/ Gehäuse\u003c\/strong\u003e: ja, auf Anfrage ohne verfügbar\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eBetriebstemperatur:\u003c\/strong\u003e 0°C ~ 70°C\u003cstrong\u003e\u003c\/strong\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eBiscotti-Performance (mit Atom X6414RE):\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli class=\"ql-indent-1\"\u003e\n\u003cstrong\u003eResnet_V1_50-Imagenet:\u003c\/strong\u003e 2692.61 fps\u003c\/li\u003e\n\u003cli class=\"ql-indent-1\"\u003e\n\u003cstrong\u003eYolov3_Gluon:\u003c\/strong\u003e 50 fps\u003c\/li\u003e\n\u003cli class=\"ql-indent-1\"\u003e\n\u003cstrong\u003eYolov3:\u003c\/strong\u003e 50.4 fps\u003c\/li\u003e\n\u003cli class=\"ql-indent-1\"\u003e\n\u003cstrong\u003eYolov4-leaky:\u003c\/strong\u003e 56.59 fps\u003c\/li\u003e\n\u003cli class=\"ql-indent-1\"\u003e\n\u003cstrong\u003eCenterpose_regentx_1.6gf:\u003c\/strong\u003e 4633.13 fps\u003cstrong\u003e\u003c\/strong\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003ePerformance von 8 Biscotti-Modulen (mit AMD Genoa System):\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli class=\"ql-indent-1\"\u003e\n\u003cstrong\u003eResnet_V1_50-Imagenet:\u003c\/strong\u003e 21.5K fps\u003c\/li\u003e\n\u003cli class=\"ql-indent-1\"\u003e\n\u003cstrong\u003eYolov3_Gluon:\u003c\/strong\u003e 400 fps\u003c\/li\u003e\n\u003cli class=\"ql-indent-1\"\u003e\n\u003cstrong\u003eYolov3:\u003c\/strong\u003e 403.2 fps\u003c\/li\u003e\n\u003cli class=\"ql-indent-1\"\u003e\n\u003cstrong\u003eYolov4-leaky:\u003c\/strong\u003e 452.72 fps\u003c\/li\u003e\n\u003cli class=\"ql-indent-1\"\u003e\n\u003cstrong\u003eCenterpose_regentx_1.6gf:\u003c\/strong\u003e 37.1K fps\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eDownloads\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/Biscotti_Product_Brief_-_Hailo_E1.S_V1.1.pdf?v=1721080254\"\u003eBiscotti E1.S HAILO-8 module Product brief v1.1 (PDF)\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003e\n\u003cstrong\u003e\u003c\/strong\u003e\u003cbr\u003e\n\u003c\/h2\u003e\n\u003ch2\u003e\n\u003cstrong\u003e\u003c\/strong\u003e\u003cbr\u003e\n\u003c\/h2\u003e\n\u003ch2\u003e\n\u003cstrong\u003e\u003c\/strong\u003e\u003cbr\u003e\n\u003c\/h2\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003ch2\u003e\u003cstrong\u003e\u003ca name=\"english\"\u003e\u003c\/a\u003eEnglish Description\u003c\/strong\u003e\u003c\/h2\u003e\n\u003cp\u003e\u003cstrong\u003eBiscotti E1.S AI Module\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eWith the Biscotti E1.S AI Module, which uses up to 2 Hailo-8 Edge AI processors, you achieve an unparalleled performance of up to 52 tera-operations per second (TOPS). This exceptional performance is achieved with a minimal power consumption of \u003cstrong\u003eonly 10 watts.\u003c\/strong\u003e With an architecture that optimally leverages the core principles of neural networks, the Hailo-8 chips on the E1.S enable edge devices to run deep learning applications more efficiently, effectively, and sustainably than other AI chips and solutions.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003ePerformance vs Power\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eThe Biscotti E1.S AI Module provides 52 TOPS from as little as 10 watts. Utilizing 2 Hailo-8 Edge AI processors, each featuring up to 26 TOPS, it significantly outperforms all other edge processor modules. With the E1.S, both AI processors can be powered to deliver performance and power efficiency superior to other leading solutions by a considerable order of magnitude.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003ePlug-and-Play for Servers and Edge Devices\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eThe Biscotti E1.S can be inserted directly into E1.S slots, normally used for SSDs, to instantly provide artificial intelligence in a larger server configuration. Whether to support multiple parallel neural networks from a large array of camera inputs or integrated together as a single large language model array to solve the largest AI cases – at much lower power than GPU modules or add-in cards, a solution using Biscotti can change the game for a data center's power envelope.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eNeural Network Models \u0026amp; Application Support\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eThe AI processors integrated onto the Biscotti E1.S have a robust software suite that supports state-of-the-art deep learning models and applications out-of-the-box. With a comprehensive dataflow compiler, customers can easily and quickly port their neural network models. With support for AI frameworks such as TensorFlow, TensorFlow Lite, Keras, PyTorch, and ONNX, Biscotti supports edge neural nets today and generative AI in the future.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eProduct Specifications\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eAI Processor:\u003c\/strong\u003e Dual Hailo-8 (Single available on request)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eForm Factor:\u003c\/strong\u003e E1.S (EDSFF)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eMax Power:\u003c\/strong\u003e 10 Watts\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003ePerformance:\u003c\/strong\u003e 52 TOPS (Single 26 TOPS available on request)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eInterface:\u003c\/strong\u003e EDSFF (PCIe Gen 3)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eSupported Frameworks:\u003c\/strong\u003e TensorFlow, TensorFlow Lite, ONNX, Keras, PyTorch\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eSupported OS:\u003c\/strong\u003e Linux, Windows\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eCertification:\u003c\/strong\u003e CE, FCC, VCCi, KCC, WEEE\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eDimensions:\u003c\/strong\u003e 33.75mm x 118.75mm x 9.5mm (5.9mm without heat sink enclosure)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eOperating Temperature:\u003c\/strong\u003e 0°C ~ 70°C\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eBiscotti Performance (with Atom X6414RE):\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli class=\"ql-indent-1\"\u003e\n\u003cstrong\u003eResnet_V1_50-Imagenet:\u003c\/strong\u003e 2692.61 fps\u003c\/li\u003e\n\u003cli class=\"ql-indent-1\"\u003e\n\u003cstrong\u003eYolov3_Gluon:\u003c\/strong\u003e 50 fps\u003c\/li\u003e\n\u003cli class=\"ql-indent-1\"\u003e\n\u003cstrong\u003eYolov3:\u003c\/strong\u003e 50.4 fps\u003c\/li\u003e\n\u003cli class=\"ql-indent-1\"\u003e\n\u003cstrong\u003eYolov4-leaky:\u003c\/strong\u003e 56.59 fps\u003c\/li\u003e\n\u003cli class=\"ql-indent-1\"\u003e\n\u003cstrong\u003eCenterpose_regentx_1.6gf:\u003c\/strong\u003e 4633.13 fps\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003e8 x Biscotti Modules Performance (with AMD Genoa System):\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli class=\"ql-indent-1\"\u003e\n\u003cstrong\u003eResnet_V1_50-Imagenet:\u003c\/strong\u003e 21.5K fps\u003c\/li\u003e\n\u003cli class=\"ql-indent-1\"\u003e\n\u003cstrong\u003eYolov3_Gluon:\u003c\/strong\u003e 400 fps\u003c\/li\u003e\n\u003cli class=\"ql-indent-1\"\u003e\n\u003cstrong\u003eYolov3:\u003c\/strong\u003e 403.2 fps\u003c\/li\u003e\n\u003cli class=\"ql-indent-1\"\u003e\n\u003cstrong\u003eYolov4-leaky:\u003c\/strong\u003e 452.72 fps\u003c\/li\u003e\n\u003cli class=\"ql-indent-1\"\u003e\n\u003cstrong\u003eCenterpose_regentx_1.6gf:\u003c\/strong\u003e 37.1K fps\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eDownloads\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/Biscotti_Product_Brief_-_Hailo_E1.S_V1.1.pdf?v=1721080254\"\u003eBiscotti E1.S HAILO-8 module Product brief v1.1 (PDF)\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/div\u003e\n\u003ch3\u003eUnigen order codes: \u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eUCT101-010-NC - Single AI TPU (available on request)\u003c\/li\u003e\n\u003cli\u003eUCT201-021-NC - Dual AI TPU w\/12 lane Switch (available on request)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eUCT201‐021‐HS \u003c\/strong\u003e- Dual AI TPU (9.5mm Heatsink) w\/12 lane Switch (\u003cstrong\u003ethis product\u003c\/strong\u003e)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c!----\u003e","brand":"Unigen","offers":[{"title":"Default Title","offer_id":45639007338763,"sku":"UCT201‐021‐HS","price":339.0,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/Biscottiwithenclosure.png?v=1721077781"},{"product_id":"raspberry-pi-ai-kit-mit-hailo-8l-b-m","title":"Raspberry Pi AI Kit (mit Hailo-8L B+M, 13 TOPS)","description":"\u003cp\u003eDas Raspberry Pi AI Kit kombiniert einen HAILO-8L Accelerator mit dem M.2 HAT, für eine Beschleunigung insbesondere von Bilderkennungsalgorithmen (Computer Vision). \u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eHinweis\u003c\/strong\u003e: Wir führen auch beide Produkte separat: \u003ca href=\"https:\/\/buyzero.de\/products\/pi-5-m-2-hat-pcie-adapter\" data-mce-href=\"https:\/\/buyzero.de\/products\/pi-5-m-2-hat-pcie-adapter\"\u003ePi 5 M.2 HAT\u003c\/a\u003e und \u003ca href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8l-m-2-module-b-m-key-2280-13-tops\" data-mce-href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8l-m-2-module-b-m-key-2280-13-tops\"\u003eHAILO-8L B+M Key.\u003c\/a\u003e Bitte beachten Sie dass die Produkte hier im Bundle von uns deutlich günstiger angeboten werden können, bereits montiert sind und auch ein verbautes Wärmeleitpad im Lieferumfang enthalten. Der separate Kauf empfiehlt sich daher nur falls dieses Set ausverkauft ist. \u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eHinweis\u003c\/strong\u003e: wir führen außerdem das \u003cstrong\u003egesamte \u003c\/strong\u003e\u003ca href=\"https:\/\/buyzero.de\/collections\/hailo\" data-mce-href=\"https:\/\/buyzero.de\/collections\/hailo\"\u003eSortiment von HAILO\u003c\/a\u003e. \u003ca href=\"https:\/\/buyzero.de\/collections\/hailo\" data-mce-href=\"https:\/\/buyzero.de\/collections\/hailo\"\u003eHier\u003c\/a\u003e ist die Produktkategorie für die \u003ca href=\"https:\/\/buyzero.de\/collections\/hailo\" data-mce-href=\"https:\/\/buyzero.de\/collections\/hailo\"\u003eHAILO-Beschleuniger\u003c\/a\u003e in unserem Shop.\u003c\/p\u003e\n\u003ch3\u003eTechnische Daten\u003c\/h3\u003e\n\u003ch3\u003eHAILO-8L Accelerator\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003ebis zu 13 TOPS (trillion operations per second = 13 Billionen Rechenoperationen pro Sekunde \/ 1,3 * 10^13 Rechenoperationen)\u003c\/li\u003e\n\u003cli\u003eführt Deep Learning Neural Networks mit hoher Leistungseffizienz aus\u003c\/li\u003e\n\u003cli\u003ebesonders gut für CNNs geeignet (Computer Vision Anwendungen)\u003c\/li\u003e\n\u003cli\u003eM.2 2242 Formfaktor (B+M Key)\u003c\/li\u003e\n\u003cli\u003eAbmessungen: \u003cspan\u003e22×42 mm\u003c\/span\u003e\n\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eInterface PCIe Gen-3.0, 2 Lanes \u003cstrong\u003e(zum Pi nur 1 Lane nutzbar)\u003c\/strong\u003e\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003eUnterstützt TensorFlow, TensorFlow Lite, Keras, PyTorch, ONNX (Bitte bei Bedarf Unterstützung auf Pi anfragen!)\u003c\/li\u003e\n\u003cli\u003eermöglicht parallel mehrere Modelle \u0026amp; Streams zu prozessieren\u003cbr\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eM.2 HAT\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003ekompatibel mit einem \u003ca href=\"https:\/\/buyzero.de\/collections\/raspberry-pi-5-und-zubehoer\/products\/raspberry-pi-5\" data-mce-href=\"https:\/\/buyzero.de\/collections\/raspberry-pi-5-und-zubehoer\/products\/raspberry-pi-5\"\u003ePi 5\u003c\/a\u003e (HAT+) Spezifikation\u003c\/li\u003e\n\u003cli\u003emit HAILO-8L Modul bereits zusammengebaut\u003c\/li\u003e\n\u003cli\u003emit 16 mm Stacking Header und Abstandshaltern + Schrauben geliefert, so dass der Active Cooler auf dem Raspberry Pi 5 installiert sein kann\u003c\/li\u003e\n\u003cli\u003eThermal Pad vorinstalliert zwischen dem HAILO-8L Modul und dem M.2 HAT+\u003c\/li\u003e\n\u003cli\u003enutzt Raspberry Pi 5 Single lane PCIe 2.0 Interface\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eSoftwareunterstützung\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eKomplette Integration in Raspberry PI Kamera-Softwarestack\u003c\/li\u003e\n\u003cli\u003emit aktuellem Raspberry Pi OS wird das Hailo Modul automatisch erkannt und für Postprocessing Aufgaben von rpicam-apps eingesetzt\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eHinweise\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eVerkauf ohne \u003ca href=\"https:\/\/buyzero.de\/collections\/raspberry-pi-5-und-zubehoer\/products\/raspberry-pi-5\" data-mce-href=\"https:\/\/buyzero.de\/collections\/raspberry-pi-5-und-zubehoer\/products\/raspberry-pi-5\"\u003eRaspberry PI 5\u003c\/a\u003e, dieser muss separat dazu bestellt werden, die Abbildung dient der Illustration\u003c\/li\u003e\n\u003cli\u003eDas Modul kommt bereits zusammengebaut\u003c\/li\u003e\n\u003cli\u003eDer M.2 HAT ist nur mit dem \u003ca href=\"https:\/\/buyzero.de\/collections\/raspberry-pi-5-und-zubehoer\/products\/raspberry-pi-5\" data-mce-href=\"https:\/\/buyzero.de\/collections\/raspberry-pi-5-und-zubehoer\/products\/raspberry-pi-5\"\u003eRaspberry Pi 5\u003c\/a\u003e kompatibel, das HAILO-8L Modul kann jedoch auch mit einer CM4 Lösung die eine M.2 Schnittstelle bietet eingesetzt werden. \u003c\/li\u003e\n\u003cli\u003eBetriebstemperatur: 0°C - 50°C (Umgebungstemperatur)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eDokumentation \u0026amp; Downloads\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/www.raspberrypi.com\/documentation\/accessories\/ai-kit.html\" data-mce-href=\"https:\/\/www.raspberrypi.com\/documentation\/accessories\/ai-kit.html\"\u003eRaspberry Pi AI Kit Documentation\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/hailo.ai\/products\/ai-accelerators\/hailo-8l-m-2-ai-acceleration-module-for-ai-light-applications\/\" data-mce-href=\"https:\/\/hailo.ai\/products\/ai-accelerators\/hailo-8l-m-2-ai-acceleration-module-for-ai-light-applications\/\"\u003eHAILO AI Module Homepage\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/www.raspberrypi.com\/documentation\/accessories\/m2-hat-plus.html\" data-mce-href=\"https:\/\/www.raspberrypi.com\/documentation\/accessories\/m2-hat-plus.html\"\u003eM.2 HAT+ Documentation\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/github.com\/hailo-ai\/hailo-rpi5-examples\" data-mce-href=\"https:\/\/github.com\/hailo-ai\/hailo-rpi5-examples\"\u003eHAILO-8L Beispielcode für Raspberry Pi 5\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eBeratung durch buyzero\u003c\/h3\u003e\n\u003cp\u003eWir beraten Sie ob Ihr Modell auf dem Raspberry Pi AI Kit lauffähig ist, und ob Sie Ihr Projekt auf dem AI Kit umsetzen können. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eKontaktieren Sie uns dazu bitte.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003eFAQ\u003c\/h3\u003e\n\u003ch3\u003eWas sind Beispielanwendungen für dieses Modul?\u003c\/h3\u003e\n\u003cp\u003eMan kann mit diesem Modul sogenannte Deep Learning Algorithmen, insbesondere CNNs (convolutional neural networks), beschleunigen. \u003c\/p\u003e\n\u003cp\u003eDazu gehören:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003ePose Estimation - Schätzung der Pose eines Menschen\u003c\/li\u003e\n\u003cli\u003eObjekterkennung mit Bounding Boxes (bspw. wo ist ein Fahrrad im Bild, und was ist es)\u003c\/li\u003e\n\u003cli\u003eSegmentierung - markiere die Bereiche eines Bildes die eine Banane einnimmt\u003c\/li\u003e\n\u003cli\u003eNummernschilderkennung\u003c\/li\u003e\n\u003cli\u003eGesichtserkennung\u003c\/li\u003e\n\u003cli\u003eu.v.m.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eWürde es Sinn machen, den HAILO-8 statt dem HAILO-8L in Kombination mit dem Raspberry PI einzusetzen?\u003c\/h3\u003e\n\u003cp\u003eDa der Raspberry Pi 5 nur eine PCI Express Lane hat, könnte der HAILO-8 nur in einigen Randfällen mit genügend Daten versorgt werden - bei denen die Modelle entsprechend komplex sind. In anderen Fällen wäre der HAILO-8 für den Raspberry Pi vermutlich Overkill. \u003c\/p\u003e\n\u003cp\u003eWir bieten in unserem Shop auch das \u003ca href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-m-key-2280\" data-mce-href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-m-key-2280\"\u003eHAILO-8 M-Key Modul\u003c\/a\u003e an, für diejenigen Nutzer, die es trotzdem ausprobieren möchten. \u003c\/p\u003e\n\u003ch3\u003eKann ich Modelle für den HAILO-8L auch auf einem HAILO-8 laufen lassen?\u003c\/h3\u003e\n\u003cp\u003eJa, das ist möglich! Modelle die für den HAILO-8L kompiliert worden sind laufen auch auf einem HAILO-8.\u003c\/p\u003e\n\u003ch3\u003eIch benötige mehr TOPS, da ich eine komplexe Anwendung habe, was kann ich tun?\u003c\/h3\u003e\n\u003cp\u003eDas HAILO-8 Modul, das wir ebenso in unserem Shop anbieten, hat \u003cstrong\u003e26 TOPS\u003c\/strong\u003e, aus den weiter oben genannten Gründen muss für das Modell im Einzelfall geprüft werden ob es mit genügend Daten gefüttert werden kann um diese 26 TOPS voll auszuspielen. \u003c\/p\u003e\n\u003cp\u003eWir bieten in unserem Shop auch eine Lösung mit \u003cstrong\u003e52 TOPS\u003c\/strong\u003e - das\u003ca href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\" data-mce-href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\"\u003e Biscotti Modul\u003c\/a\u003e an. Es nutzt dazu zwei HAILO-8 Module, und hat einen E1.S Anschluss - der nicht mit dem M.2 HAT kompatibel ist, sondern mit Storage Servern (dem EDSFF E1.S Standard). \u003c\/p\u003e\n\u003cp\u003eDadurch kann das \u003ca href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\" data-mce-href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\"\u003eBiscotti Dual HAILO Modul\u003c\/a\u003e auch in Clustern verbaut werden, und in einem 19'' Server bspw. auf 1600 TOPS skaliert werden. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eWir stehen gerne bei Fragen zur Verfügung!\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003eIst der HAILO-8L eine gute Alternative zum Google Coral? \u003c\/h3\u003e\n\u003cp\u003eJa, der HAILO-8L hat eine hervorragende Kompatibilität mit dem Pi 5 und eine gute Softwareunterstützung. Bei vorherigen Raspberry Pi Generationen, bspw. dem Raspberry Pi 4, empfehlen wir weiterhin den \u003ca href=\"https:\/\/buyzero.de\/products\/google-coral-usb-accelerator\" data-mce-href=\"https:\/\/buyzero.de\/products\/google-coral-usb-accelerator\"\u003eCoral USB Accelerator\u003c\/a\u003e.\u003c\/p\u003e\n\u003ch3\u003eKann ich LLMs auf dem HAILO-8L ausführen, bpsw. LLAMA?\u003c\/h3\u003e\n\u003cp\u003eLLMs = Large Language Modelle (so etwas wie ChatGPT \/ GPT4-o, bzw. LLAMA, Falcon, usw.)\u003c\/p\u003e\n\u003cp\u003eNein, dafür ist der HAILO-8L nicht ausgelegt. Grafikkarten auf denen diese LLMs typischerweise laufen haben schnellen direkt angebundenen Speicher. Der HAILO-8L hat unter anderem nicht genügend Speicher, um diese Modelle laden zu können. \u003c\/p\u003e\n\u003cp\u003eHAILO hat ein zukünftiges Produkt, den HAILO-10 angekündigt. Dieser wird eine Speicherschnittstelle haben, und auch GenAI Anwendungen wie LLMs besser unterstützen.\u003c\/p\u003e\n\u003ch3\u003eKann ich damit Modelle trainieren?\u003c\/h3\u003e\n\u003cp\u003eNein, der HAILO-8 ist ausschließlich für die Inferenz (int8) gedacht. Zum Training von Modellen wird typischerweise eine klassische GPU eingesetzt.\u003c\/p\u003e\n\u003cp\u003eHAILO bietet hier Unterstützung mit einer Reihe von vorgebauten Docker-Containern, mit denen Modelle trainiert und auch angepasst werden können.\u003c\/p\u003e\n\u003cp\u003e\u003cimg src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-SW.jpg?v=1722464870\" alt=\"\" width=\"543\" height=\"241\" data-mce-src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-SW.jpg?v=1722464870\"\u003e\u003c\/p\u003e\n\u003cp\u003eDas Model Build Environment wird wie im Diagramm gezeigt auf einem eigenen dafür vorgesehenen Computer betrieben, der über die notwendigen technischen Parameter verfügt. HAILO-8 selbst ist für Edge-Anwendungen gedacht, für die Inferenz, zusammen mit der HailoRT Runtime.\u003c\/p\u003e\n\u003cp\u003e\u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eWir unterstützen gerne bei technischen Fragen zu Modellen.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003ePhysikalische Abmessungen\u003c\/h3\u003e\n\u003cp\u003eAlle Abmessungen in mm. Nur als Referenz, nicht für 3D-Modellierung geeignet.\u003c\/p\u003e\n\u003cp\u003e\u003cimg\u003e\u003cimg alt=\"\" src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/hailo-8l-abmessungen.jpg?v=1722464242\" width=\"540\" height=\"431\" data-mce-src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/hailo-8l-abmessungen.jpg?v=1722464242\"\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cimg\u003e\u003cimg alt=\"\" src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/m2-hat-abmessungen.jpg?v=1722464336\" width=\"541\" height=\"440\" data-mce-src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/m2-hat-abmessungen.jpg?v=1722464336\"\u003e\u003c\/p\u003e\n\u003ch2\u003eMisc\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003eRaspberry Pi SKU: SC1438\u003c\/li\u003e\n\u003cli\u003eRaspberry Pi Bezeichnung: Raspberry PI AI Kit\u003c\/li\u003e\n\u003cli\u003eHS Code: 8473302000\u003c\/li\u003e\n\u003cli\u003eCountry of origin: TW (Taiwan)\u003c\/li\u003e\n\u003cli\u003ePackungsmenge einer Großverpackung: 50 \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003e(auf dieser Seite bestellen Sie ein Stück, wenden Sie sich bei Großbedarf gerne an uns)\u003c\/a\u003e\n\u003c\/li\u003e\n\u003cli\u003eLead Time (Nachlieferzeit): aktuell 12 Wochen\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eHinweis\u003c\/strong\u003e: wir führen außerdem das \u003cstrong\u003egesamte \u003c\/strong\u003e\u003ca href=\"https:\/\/buyzero.de\/collections\/hailo\" data-mce-href=\"https:\/\/buyzero.de\/collections\/hailo\"\u003eSortiment von HAILO\u003c\/a\u003e. \u003ca href=\"https:\/\/buyzero.de\/collections\/hailo\" data-mce-href=\"https:\/\/buyzero.de\/collections\/hailo\"\u003eHier\u003c\/a\u003e ist die Produktkategorie für die \u003ca href=\"https:\/\/buyzero.de\/collections\/hailo\" data-mce-href=\"https:\/\/buyzero.de\/collections\/hailo\"\u003eHAILO-Beschleuniger\u003c\/a\u003e in unserem Shop.\u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003ch2\u003eEnglish Description\u003c\/h2\u003e\n\u003ch3\u003eRaspberry Pi AI Kit with HAILO-8L Accelerator and M.2 HAT\u003c\/h3\u003e\n\u003cp\u003eThe Raspberry Pi AI Kit is the perfect solution for those looking to accelerate their image recognition algorithms (Computer Vision). Equipped with a HAILO-8L Accelerator and the M.2 HAT, this kit is particularly powerful and efficient.\u003c\/p\u003e\n\u003ch3\u003eSpecifications\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eHAILO-8L Accelerator\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eUp to 13 TOPS (13 trillion operations per second)\u003c\/li\u003e\n\u003cli\u003eExecutes Deep Learning Neural Networks with high efficiency\u003c\/li\u003e\n\u003cli\u003eIdeal for CNNs (Computer Vision applications)\u003c\/li\u003e\n\u003cli\u003eM.2 2242 form factor (B+M Key)\u003c\/li\u003e\n\u003cli\u003eDimensions: 22×42 mm\u003c\/li\u003e\n\u003cli\u003ePCIe Gen-3.0 Interface, 2 Lanes (only 1 lane usable with Pi)\u003c\/li\u003e\n\u003cli\u003eSupports TensorFlow, TensorFlow Lite, Keras, PyTorch, ONNX\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eM.2 HAT\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eCompatible with Raspberry Pi 5 (HAT+ Specification)\u003c\/li\u003e\n\u003cli\u003ePre-assembled with the HAILO-8L module\u003c\/li\u003e\n\u003cli\u003eIncludes 16 mm stacking header and spacers + screws\u003c\/li\u003e\n\u003cli\u003ePre-installed thermal pad between HAILO-8L module and M.2 HAT+\u003c\/li\u003e\n\u003cli\u003eUtilizes Raspberry Pi 5 single lane PCIe 2.0 interface\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eSoftware Support\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eFull integration into the Raspberry Pi camera software stack\u003c\/li\u003e\n\u003cli\u003eAutomatic recognition of the Hailo module with the current Raspberry Pi OS\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eNotes\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eSold without Raspberry Pi 5, must be ordered separately.\u003c\/li\u003e\n\u003cli\u003eModule comes pre-assembled.\u003c\/li\u003e\n\u003cli\u003eOnly compatible with Raspberry Pi 5, HAILO-8L module can also be used with CM4 solutions.\u003c\/li\u003e\n\u003cli\u003eOperating temperature: 0°C - 50°C\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eDocumentation\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/www.raspberrypi.com\/documentation\/accessories\/ai-kit.html\" data-mce-href=\"https:\/\/www.raspberrypi.com\/documentation\/accessories\/ai-kit.html\"\u003eRaspberry Pi AI Kit Documentation\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/hailo.ai\/products\/ai-accelerators\/hailo-8l-m-2-ai-acceleration-module-for-ai-light-applications\/\" data-mce-href=\"https:\/\/hailo.ai\/products\/ai-accelerators\/hailo-8l-m-2-ai-acceleration-module-for-ai-light-applications\/\"\u003eHAILO AI Module Homepage\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/www.raspberrypi.com\/documentation\/accessories\/m2-hat-plus.html\" data-mce-href=\"https:\/\/www.raspberrypi.com\/documentation\/accessories\/m2-hat-plus.html\"\u003eM.2 HAT+ Documentation\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/github.com\/hailo-ai\/hailo-rpi5-examples\" rel=\"noopener\" aria-describedby=\"a11y-new-window-message\" data-mce-href=\"https:\/\/github.com\/hailo-ai\/hailo-rpi5-examples\" target=\"_blank\"\u003eHAILO-8L example code for Raspberry Pi 5\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eConsultation by buyzero\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch5\u003eConsultation and Support\u003c\/h5\u003e\n\u003cp\u003e\u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eWe advise you if your model can run on the Raspberry Pi AI Kit and if you can implement your project. Please contact us.\u003c\/a\u003e\u003c\/p\u003e\n\u003col\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eExample Applications\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003ePose Estimation\u003c\/li\u003e\n\u003cli\u003eObject detection with bounding boxes\u003c\/li\u003e\n\u003cli\u003eSegmentation\u003c\/li\u003e\n\u003cli\u003eLicense plate recognition\u003c\/li\u003e\n\u003cli\u003eFacial recognition\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eHAILO-8L vs. HAILO-8\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eThe HAILO-8 is often overkill for the Raspberry Pi 5 due to the single PCI Express lane.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eModel Compatibility\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eModels from HAILO-8L also run on HAILO-8.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eNeed more TOPS?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eHAILO-8 module with 26 TOPS and Biscotti Dual HAILO module with 52 TOPS available.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eHAILO-8L vs. Google Coral\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eHAILO-8L is an excellent alternative with good compatibility and software support.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eLLMs on HAILO-8L?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eNo, HAILO-8L is not suitable for LLMs.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eTraining models?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eNo, HAILO-8 is only for inference.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003c\/ol\u003e\n\u003ch3\u003eKey Data\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eSKU: SC1438\u003c\/li\u003e\n\u003cli\u003eDesignation: Raspberry PI AI Kit\u003c\/li\u003e\n\u003cli\u003eHS Code: 8473302000\u003c\/li\u003e\n\u003cli\u003eCountry of origin: TW (Taiwan)\u003c\/li\u003e\n\u003cli\u003eBulk packaging quantity: 50\u003c\/li\u003e\n\u003cli\u003eLead Time: 12 weeks\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c!----\u003e","brand":"Raspberry Pi","offers":[{"title":"Default Title","offer_id":45705087910155,"sku":"RP-SC1438-AIKit","price":77.95,"currency_code":"EUR","in_stock":false}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/RP-SC1438-AIKit_01.png?v=1731578150"},{"product_id":"hailo-8-m-2-module-m-key-2280","title":"Hailo-8 M.2 module M Key 2280 (26 TOPS)","description":"\u003cp\u003eHailo-8 ist ein moderner KI-Beschleunigerchip für Deep Neural Networks. Hailo-8 ist insbesondere für Vision-Anwendungen geeignet. Das ist die M.2 M-key 2280 Variante des Hailo-8 AI Processors. Zum Betrieb wird eine Host-CPU benötigt. \u003c\/p\u003e\n\u003ch3\u003eTechnische Daten\u003c\/h3\u003e\n\u003ch3\u003eHAILO-8 AI Accelerator\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003ebis zu \u003cstrong\u003e26 TOPS INT8 performance \u003c\/strong\u003e(trillion operations per second = 26 Billionen Rechenoperationen pro Sekunde \/ 2,6 * 10^13 Rechenoperationen)\u003c\/li\u003e\n\u003cli\u003eFormfaktor: M.2 2280 M-Key \u003c\/li\u003e\n\u003cli\u003eAbmessungen: \u003cspan\u003e22×80 mm\u003c\/span\u003e\n\u003c\/li\u003e\n\u003cli\u003ekann durch abbrechen auf 22 x 42 mm oder 22 x 60 mm angepasst werden\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eInterface: PCIe Gen-3.0, 4 Lanes (bis zu 32 Gbs)\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003cspan\u003eTDP: 8.65 W (2.5 A @ 3.3V)\u003c\/span\u003e\u003cbr\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eSoftwareunterstützung (Inferencing)\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eführt Deep Learning Neural Networks mit hoher Leistungseffizienz aus\u003c\/li\u003e\n\u003cli\u003ebesonders gut für CNNs geeignet (Computer Vision Anwendungen)\u003c\/li\u003e\n\u003cli\u003eermöglicht parallel mehrere Modelle \u0026amp; Streams zu prozessieren\u003c\/li\u003e\n\u003cli\u003eLinux, Windows\u003c\/li\u003e\n\u003cli\u003eUnterstützt TensorFlow, TensorFlow Lite, Keras, PyTorch, ONNX\u003c\/li\u003e\n\u003cli\u003eKompatibel mit ARM und x86 Systemen. \u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eHinweise\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eCE \u0026amp; FCC Class A zertifiziert\u003c\/li\u003e\n\u003cli\u003eBetriebstemperatur: 0°C - 70°C (Umgebungstemperatur) für die HM218B1C2FA Variante\u003c\/li\u003e\n\u003cli\u003ewird in zwei verschiedenen funktionsgleichen Varianten gebaut (aufgrund von zwei verschiedenen Lieferanten für Stromversorgungskomponenten), d.h. Abbildung kann abweichen, abgebildet ist die M2A Variante.\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eOptional auch als \u003ca href=\"https:\/\/buyzero.de\/products\/hailo-8-m-2-module-starter-kit-m-key-2280-26-tops\"\u003eHailo-8 starter Kit M-Key\u003c\/a\u003e erhältlich\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cimg height=\"325\" width=\"543\" src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-8-performance-comparison.png?v=1722549115\" alt=\"\" data-mce-src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-8-performance-comparison.png?v=1722549115\"\u003e\u003c\/p\u003e\n\u003cp\u003e(siehe \u003ca href=\"https:\/\/hailo.ai\/products\/ai-accelerators\/hailo-8-m2-ai-acceleration-module\/#hailo8-m2-performance\" data-mce-href=\"https:\/\/hailo.ai\/products\/ai-accelerators\/hailo-8-m2-ai-acceleration-module\/#hailo8-m2-performance\"\u003eHAILO Website\u003c\/a\u003e als Grafikquelle mit Erklärung der Testparameter)\u003c\/p\u003e\n\u003cp\u003eFür den Betrieb muss sichergestellt werden, dass die Hitze die das Hailo-8 Modul erzeugt abgeführt wird. Das Modul wurde so designed dass die meiste Hitze zur metallischen Abdeckung des Chips (Top Surface of the Package) hin abgeleitet wird. Wir empfehlen die Application Note \"Hailo-8 AI Acceleration Module Thermal Design Considerations\" zu lesen. \u003c\/p\u003e\n\u003ch3\u003eDokumentation \u0026amp; Downloads\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/hailo8_m.2_et_product_brief_2.1.pdf?v=1722549683\" data-mce-href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/hailo8_m.2_et_product_brief_2.1.pdf?v=1722549683\" target=\"_blank\"\u003eHAILO-8 M.2 AI Acceleration Modules Product brief (PDF)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/\"\u003eHailo Developer Zone\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/software-downloads\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/software-downloads\/\"\u003eHailo Software Downloads\u003c\/a\u003e - alles was benötigt wird um Hailo AI Prozessoren zu installieren und zu betreiben\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/documentation\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/documentation\/\"\u003eHailo Dokumentation und Datenblätter\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/hailo.ai\/products\/hailo-software\/model-explorer\/\" data-mce-href=\"https:\/\/hailo.ai\/products\/hailo-software\/model-explorer\/\"\u003eHailo Model Explorer\u003c\/a\u003e - ermöglicht das passendste AI Modell als Basis für Ihre Anwendung zu wählen\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/community.hailo.ai\/\" data-mce-href=\"https:\/\/community.hailo.ai\/\"\u003eHailo Community\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/github.com\/hailo-ai\" data-mce-href=\"https:\/\/github.com\/hailo-ai\"\u003eHailo auf GitHub\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eBeratung durch buyzero\u003c\/h3\u003e\n\u003cp\u003eWir beraten Sie ob Ihr Modell auf dem HAILO-8 lauffähig ist, und ob Sie Ihr Projekt mit Hilfe von HAILO-8 umsetzen können. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eKontaktieren Sie uns dazu bitte.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003eFAQ\u003c\/h3\u003e\n\u003ch3\u003eWas sind Beispielanwendungen für dieses Modul?\u003c\/h3\u003e\n\u003cp\u003eMan kann mit diesem Modul sogenannte Deep Learning Algorithmen, insbesondere CNNs (convolutional neural networks), beschleunigen. \u003c\/p\u003e\n\u003cp\u003eDazu gehören:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003ePose Estimation - Schätzung der Pose eines Menschen\u003c\/li\u003e\n\u003cli\u003eObjekterkennung mit Bounding Boxes (bspw. wo ist ein Fahrrad im Bild, und was ist es)\u003c\/li\u003e\n\u003cli\u003eSegmentierung - markiere die Bereiche eines Bildes die eine Banane einnimmt\u003c\/li\u003e\n\u003cli\u003eNummernschilderkennung\u003c\/li\u003e\n\u003cli\u003eGesichtserkennung\u003c\/li\u003e\n\u003cli\u003eu.v.m.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eKann ich Modelle für den HAILO-8L auch auf einem HAILO-8 laufen lassen?\u003c\/h3\u003e\n\u003cp\u003eJa, das ist möglich! Modelle die für den HAILO-8L kompiliert worden sind laufen auch auf einem HAILO-8.\u003c\/p\u003e\n\u003ch3\u003eIch benötige mehr TOPS, da ich eine komplexe Anwendung habe, was kann ich tun?\u003c\/h3\u003e\n\u003cp\u003eDieses HAILO-8 Modul, hat \u003cstrong\u003e26 TOPS\u003c\/strong\u003e. \u003c\/p\u003e\n\u003cp\u003eWir bieten in unserem Shop auch eine Lösung mit \u003cstrong\u003e52 TOPS\u003c\/strong\u003e - das\u003ca href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\" data-mce-href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\"\u003e Biscotti Modul\u003c\/a\u003e an. Es nutzt dazu zwei HAILO-8 Module, und hat einen EDSFF \u003cstrong\u003eE1.S\u003c\/strong\u003e Anschluss - der in Storage Servern zum Einsatz kommt. \u003c\/p\u003e\n\u003cp\u003eDadurch kann das \u003ca href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\" data-mce-href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\"\u003eBiscotti Dual HAILO Modul\u003c\/a\u003e auch in Clustern verbaut werden, und in einem 19'' Server bspw. auf 1600 TOPS skaliert werden. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eWir stehen gerne bei Fragen zur Verfügung!\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003eIst der HAILO-8 eine gute Alternative zum Google Coral? \u003c\/h3\u003e\n\u003cp\u003eJa, der HAILO-8 ist für Anwender mit höheren Leistungsansprüchen eine gute Alternative zur Google Coral Serie. \u003c\/p\u003e\n\u003cp\u003eGoogle Coral kann hingegen gut in Anwendungen zum Einsatz kommen wo 4 TOPS Rechenleistung ausreichen, da sie günstiger sind. \u003c\/p\u003e\n\u003ch3\u003eWozu sind die abbrechbaren Platinenteile gedacht? \u003c\/h3\u003e\n\u003cp\u003eIn manchen Systemen können nur größere Module, bspw. M.2 2280 (80 mm) befestigt werden. Für andere Systeme wird diese zusätzliche Befestigungsmöglichkeit nicht benötigt.\u003c\/p\u003e\n\u003ch3\u003eKann ich LLMs auf dem HAILO-8 ausführen, bpsw. LLAMA?\u003c\/h3\u003e\n\u003cp\u003eLLMs = Large Language Modelle (so etwas wie ChatGPT \/ GPT4-o, bzw. LLAMA, Falcon, usw.)\u003c\/p\u003e\n\u003cp\u003eNein, dafür ist der HAILO-8 nicht ausgelegt. Grafikkarten auf denen diese LLMs typischerweise laufen haben schnellen direkt angebundenen Speicher. Der HAILO-8 hat unter anderem nicht genügend Speicher, um diese Modelle laden zu können. \u003c\/p\u003e\n\u003cp\u003eHAILO hat ein zukünftiges Produkt, den HAILO-10 angekündigt. Dieser wird eine Speicherschnittstelle haben, und auch GenAI Anwendungen wie LLMs besser unterstützen.\u003c\/p\u003e\n\u003ch3\u003eKann ich damit Modelle trainieren?\u003c\/h3\u003e\n\u003cp\u003eNein, der HAILO-8 ist ausschließlich für die Inferenz (int8) gedacht. Zum Training von Modellen wird typischerweise eine klassische GPU eingesetzt.\u003c\/p\u003e\n\u003cp\u003eHAILO bietet hier Unterstützung mit einer Reihe von vorgebauten Docker-Containern, mit denen Modelle trainiert und auch angepasst werden können.\u003c\/p\u003e\n\u003cp\u003e\u003cimg height=\"241\" width=\"543\" alt=\"\" src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-SW.jpg?v=1722464870\" data-mce-src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-SW.jpg?v=1722464870\"\u003e\u003c\/p\u003e\n\u003cp\u003eDas Model Build Environment wird wie im Diagramm gezeigt auf einem eigenen dafür vorgesehenen Computer betrieben, der über die notwendigen technischen Parameter verfügt. HAILO-8 selbst ist für Edge-Anwendungen gedacht, für die Inferenz, zusammen mit der HailoRT Runtime.\u003c\/p\u003e\n\u003cp\u003e\u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eWir unterstützen gerne bei technischen Fragen zu Modellen.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003ePhysikalische Abmessungen\u003c\/h3\u003e\n\u003cp\u003eAlle Abmessungen in mm. Nur als Referenz, nicht für 3D-Modellierung geeignet.\u003c\/p\u003e\n\u003cp\u003e\u003cimg\u003e\u003cimg height=\"334\" width=\"524\" src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-8-M-Key-dimensions.jpg?v=1722550369\" alt=\"\" data-mce-src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-8-M-Key-dimensions.jpg?v=1722550369\"\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cimg\u003e\u003c\/p\u003e\n\u003ch3\u003eMisc\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eHailo SKUs \/ alternative Bezeichnungen: \n\u003cul\u003e\n\u003cli\u003eHM218B1C2FAE = Hailo-8, M.2 module M key 2280 - ext. Temp. -40 to 85\u003c\/li\u003e\n\u003cli\u003eHM218B1C2FAE\/HAI\u003c\/li\u003e\n\u003cli\u003eHM218B1C2FA = Hailo-8, M.2 module M key 2280 - commercial\u003cbr\u003eTemp. 0 to 70\u003c\/li\u003e\n\u003cli\u003eHM218B1C2FA\/HAI\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003eHS Code: 85176200\u003c\/li\u003e\n\u003cli\u003eCountry of origin: Taiwan\u003c\/li\u003e\n\u003cli\u003ePackungsmenge einer Großverpackung: 20 \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003e(auf dieser Seite bestellen Sie ein Stück, wenden Sie sich bei Großbedarf gerne an uns)\u003c\/a\u003e\n\u003c\/li\u003e\n\u003cli\u003eLead Time (Nachlieferzeit): aktuell 12 Wochen\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003ch2\u003eEnglish Description\u003c\/h2\u003e\n\u003cp\u003eThe Hailo-8 is a state-of-the-art AI accelerator chip designed for deep neural networks, especially for vision-based applications. This is the M.2 M-key 2280 variant of the Hailo-8 AI Processor, requiring a host CPU for operation.\u003c\/p\u003e\n\u003ch3\u003eTechnical Specifications\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eModel\u003c\/strong\u003e: HAILO-8 AI Accelerator\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003ePerformance\u003c\/strong\u003e: Up to 26 TOPS INT8 (trillion operations per second = 26 billion operations per second \/ 2.6 × 10^13 operations)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eForm Factor\u003c\/strong\u003e: M.2 2280 M-Key (22×80 mm, adaptable to 22×42 mm or 22×60 mm by breaking)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eInterface\u003c\/strong\u003e: PCIe Gen-3.0, 4 lanes (up to 32 Gbps)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eTDP\u003c\/strong\u003e: 8.65 W (2.5 A @ 3.3V)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eSoftware Support (Inferencing)\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eExecutes deep learning neural networks with high efficiency\u003c\/li\u003e\n\u003cli\u003eBest suited for CNNs (Computer Vision applications)\u003c\/li\u003e\n\u003cli\u003eCapable of processing multiple models and streams in parallel\u003c\/li\u003e\n\u003cli\u003eSupports Linux and Windows\u003c\/li\u003e\n\u003cli\u003eCompatible with TensorFlow, TensorFlow Lite, Keras, PyTorch, ONNX\u003c\/li\u003e\n\u003cli\u003eSupports ARM and x86 systems\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eNotes\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eCE \u0026amp; FCC Class A certified\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eOperating Temperature\u003c\/strong\u003e: 0°C to 70°C (ambient) for the HM218B1C2FA variant\u003c\/li\u003e\n\u003cli\u003eAvailable in two functionally identical variants due to the use of different suppliers for power components; illustrations may vary, shown is the M2A variant.\u003c\/li\u003e\n\u003cli\u003eAlso available as a Hailo-8 M-key Starter Kit\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eThermal Considerations\u003c\/h3\u003e\n\u003cp\u003eTo ensure proper operation, heat generated by the Hailo-8 module must be dissipated. The module is designed to direct most of the heat to the metal surface of the chip (Top Surface of the Package). It is recommended to consult the application note \"Hailo-8 AI Acceleration Module Thermal Design Considerations.\"\u003c\/p\u003e\n\u003cp\u003eWe provide consulting services to assess whether your model is compatible with HAILO-8 and whether your project can be implemented using HAILO-8. Please feel free to contact us for assistance.\u003c\/p\u003e\n\u003ch3\u003eFAQ\u003c\/h3\u003e\n\u003cp\u003e\u003cstrong\u003eWhat are example applications for this module?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eThis module accelerates deep learning algorithms, particularly CNNs (convolutional neural networks). Examples include:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003ePose estimation\u003c\/li\u003e\n\u003cli\u003eObject detection with bounding boxes (e.g., identifying a bicycle in an image)\u003c\/li\u003e\n\u003cli\u003eSegmentation (marking image regions containing a banana)\u003c\/li\u003e\n\u003cli\u003eLicense plate recognition\u003c\/li\u003e\n\u003cli\u003eFace recognition\u003c\/li\u003e\n\u003cli\u003eAnd more.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eCan I run models compiled for the HAILO-8L on a HAILO-8?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eYes, models compiled for the HAILO-8L can also run on a HAILO-8.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eI need more TOPS for a complex application. What can I do?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eThis HAILO-8 module provides 26 TOPS. We offer a solution with 52 TOPS in our store — the Biscotti module, which uses two HAILO-8 modules and features an EDSFF E1.S connector used in storage servers. This enables the Biscotti dual HAILO module to be deployed in clusters, scaling up to 1600 TOPS in a 19\" server. We are happy to assist with any questions!\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eIs the HAILO-8 a good alternative to Google Coral?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eYes, the HAILO-8 is a good alternative for users with higher performance requirements compared to the Google Coral series. However, Google Coral is more cost-effective for applications requiring only 4 TOPS.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eWhat are the breakable PCB sections for?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eIn some systems, larger modules, such as M.2 2280 (80 mm), are required for installation. For other systems, this additional mounting option may not be necessary, allowing for the adjustment by breaking the PCB to fit 42 mm or 60 mm.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eCan I run LLMs, such as LLAMA, on the HAILO-8?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eLLMs (Large Language Models like ChatGPT, GPT-4, LLAMA, Falcon, etc.) are not designed to run on HAILO-8. GPUs used for LLMs typically feature fast, directly connected memory, which HAILO-8 lacks. Hailo has announced a future product, HAILO-10, which will include a memory interface to better support GenAI applications, including LLMs.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eCan I train models on the HAILO-8?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eNo, the HAILO-8 is exclusively for inference (int8). Model training typically requires a traditional GPU. Hailo provides pre-built Docker containers for model training and adaptation.\u003c\/p\u003e\n\u003cp\u003eThe Model Build Environment is operated on a dedicated machine with the necessary technical specifications, as indicated in the diagram. HAILO-8 is designed for edge applications, particularly inference, using the HailoRT Runtime.\u003c\/p\u003e\n\u003cp\u003eWe are happy to assist with any technical questions regarding models.\u003c\/p\u003e\n\u003ch4\u003eMiscellaneous\u003c\/h4\u003e\n\u003cp\u003eHailo SKUs \/ alternative designations:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eHM218B1C2FAE = Hailo-8, M.2 module M key 2280 - extended temperature range (-40 to +85°C)\u003c\/li\u003e\n\u003cli\u003eHM218B1C2FA = Hailo-8, M.2 module M key 2280 - commercial temperature range (0 to 70°C)\u003c\/li\u003e\n\u003cli\u003eHS Code: 85176200\u003c\/li\u003e\n\u003cli\u003eCountry of Origin: Taiwan\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c!----\u003e","brand":"Hailo","offers":[{"title":"HM218B1C2FAE - extended Temp. -40°C-85°C","offer_id":46175109284107,"sku":"Hailo-HM218B1C2FAE-007","price":195.0,"currency_code":"EUR","in_stock":false},{"title":"HM218B1C2FA - commercial Temp. 0°C-70°C","offer_id":46175109316875,"sku":"Hailo-HM218B1C2FA-016","price":195.0,"currency_code":"EUR","in_stock":false}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/Hailo-8_M.2_module_M_Key_2280_26_TOPS_1.jpg?v=1729850895"},{"product_id":"hailo-8-m-2-module-b-m-key-2280-26-tops","title":"Hailo-8 M.2 module B+M Key 2280 (26 TOPS)","description":"\u003cp\u003eHailo-8 ist ein moderner KI-Beschleunigerchip für Deep Neural Networks. Hailo-8 ist insbesondere für Vision-Anwendungen geeignet. Das ist die M.2 B+M-key 2280 Variante des Hailo-8 AI Processors. Zum Betrieb wird eine Host-CPU benötigt. \u003c\/p\u003e\n\u003ch3\u003eTechnische Daten\u003c\/h3\u003e\n\u003ch3\u003eHAILO-8 AI Accelerator\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003ebis zu \u003cstrong\u003e26 TOPS INT8 performance \u003c\/strong\u003e(trillion operations per second = 26 Billionen Rechenoperationen pro Sekunde \/ 2,6 * 10^13 Rechenoperationen)\u003c\/li\u003e\n\u003cli\u003eFormfaktor: M.2 2280 B+M-Key \u003c\/li\u003e\n\u003cli\u003eAbmessungen: \u003cspan\u003e22×80 mm\u003c\/span\u003e\n\u003c\/li\u003e\n\u003cli\u003ekann durch abbrechen auf 22 x 42 mm oder 22 x 60 mm angepasst werden\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eInterface: PCIe Gen-3.0, 2 Lanes (bis zu 16 Gbs)\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003cspan\u003eTDP: 8.65 W (2.5 A @ 3.3V)\u003c\/span\u003e\u003cbr\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eSoftwareunterstützung (Inferencing)\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eführt Deep Learning Neural Networks mit hoher Leistungseffizienz aus\u003c\/li\u003e\n\u003cli\u003ebesonders gut für CNNs geeignet (Computer Vision Anwendungen)\u003c\/li\u003e\n\u003cli\u003eermöglicht parallel mehrere Modelle \u0026amp; Streams zu prozessieren\u003c\/li\u003e\n\u003cli\u003eLinux, Windows\u003c\/li\u003e\n\u003cli\u003eUnterstützt TensorFlow, TensorFlow Lite, Keras, PyTorch, ONNX\u003c\/li\u003e\n\u003cli\u003eKompatibel mit ARM und x86 Systemen. \u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eHinweise\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eCE \u0026amp; FCC Class A zertifiziert\u003c\/li\u003e\n\u003cli\u003eBetriebstemperatur: -40 bis 85°C (Umgebungstemperatur) für die HM218B1C2LAE Variante\u003c\/li\u003e\n\u003cli\u003eIn der Abbildung sind die zwei Tabs (Erweiterung auf M.2 2280) bereits abgebrochen\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eOptional auch als \u003ca href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-starter-kit-b-m-key-2280-26-tops\"\u003eHailo-8 starter Kit B+M Key \u003c\/a\u003eerhältlich\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cimg alt=\"\" src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-8-performance-comparison.png?v=1722549115\" width=\"543\" height=\"325\" data-mce-src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-8-performance-comparison.png?v=1722549115\"\u003e\u003c\/p\u003e\n\u003cp\u003e(siehe \u003ca href=\"https:\/\/hailo.ai\/products\/ai-accelerators\/hailo-8-m2-ai-acceleration-module\/#hailo8-m2-performance\" data-mce-href=\"https:\/\/hailo.ai\/products\/ai-accelerators\/hailo-8-m2-ai-acceleration-module\/#hailo8-m2-performance\"\u003eHAILO Website\u003c\/a\u003e als Grafikquelle mit Erklärung der Testparameter)\u003c\/p\u003e\n\u003cp\u003eFür den Betrieb muss sichergestellt werden, dass die Hitze die das Hailo-8 Modul erzeugt abgeführt wird. Das Modul wurde so designed dass die meiste Hitze zur metallischen Abdeckung des Chips (Top Surface of the Package) hin abgeleitet wird. Wir empfehlen die Application Note \"Hailo-8 AI Acceleration Module Thermal Design Considerations\" zu lesen. \u003c\/p\u003e\n\u003ch3\u003eDokumentation \u0026amp; Downloads\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/hailo8_m.2_et_product_brief_2.1.pdf?v=1722549683\" target=\"_blank\" data-mce-href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/hailo8_m.2_et_product_brief_2.1.pdf?v=1722549683\"\u003eHAILO-8 M.2 AI Acceleration Modules Product brief (PDF)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/\"\u003eHailo Developer Zone\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/software-downloads\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/software-downloads\/\"\u003eHailo Software Downloads\u003c\/a\u003e - alles was benötigt wird um Hailo AI Prozessoren zu installieren und zu betreiben\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/documentation\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/documentation\/\"\u003eHailo Dokumentation und Datenblätter\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/hailo.ai\/products\/hailo-software\/model-explorer\/\" data-mce-href=\"https:\/\/hailo.ai\/products\/hailo-software\/model-explorer\/\"\u003eHailo Model Explorer\u003c\/a\u003e - ermöglicht das passendste AI Modell als Basis für Ihre Anwendung zu wählen\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/community.hailo.ai\/\" data-mce-href=\"https:\/\/community.hailo.ai\/\"\u003eHailo Community\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/github.com\/hailo-ai\" data-mce-href=\"https:\/\/github.com\/hailo-ai\"\u003eHailo auf GitHub\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eBeratung durch buyzero\u003c\/h3\u003e\n\u003cp\u003eWir beraten Sie ob Ihr Modell auf dem HAILO-8 lauffähig ist, und ob Sie Ihr Projekt mit Hilfe von HAILO-8 umsetzen können. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eKontaktieren Sie uns dazu bitte.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003eFAQ\u003c\/h3\u003e\n\u003ch3\u003eWas sind Beispielanwendungen für dieses Modul?\u003c\/h3\u003e\n\u003cp\u003eMan kann mit diesem Modul sogenannte Deep Learning Algorithmen, insbesondere CNNs (convolutional neural networks), beschleunigen. \u003c\/p\u003e\n\u003cp\u003eDazu gehören:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003ePose Estimation - Schätzung der Pose eines Menschen\u003c\/li\u003e\n\u003cli\u003eObjekterkennung mit Bounding Boxes (bspw. wo ist ein Fahrrad im Bild, und was ist es)\u003c\/li\u003e\n\u003cli\u003eSegmentierung - markiere die Bereiche eines Bildes die eine Banane einnimmt\u003c\/li\u003e\n\u003cli\u003eNummernschilderkennung\u003c\/li\u003e\n\u003cli\u003eGesichtserkennung\u003c\/li\u003e\n\u003cli\u003eu.v.m.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eKann ich Modelle für den HAILO-8L auch auf einem HAILO-8 laufen lassen?\u003c\/h3\u003e\n\u003cp\u003eJa, das ist möglich! Modelle die für den HAILO-8L kompiliert worden sind laufen auch auf einem HAILO-8.\u003c\/p\u003e\n\u003ch3\u003eIch brauche eine höhere Durchsatzrate \/ Framerate\u003c\/h3\u003e\n\u003cp\u003eDas \u003ca href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-m-key-2280\" data-mce-href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-m-key-2280\"\u003eHAILO-8 M.2 M-key Modul \u003c\/a\u003ehat eine Anbindung mit 4 PCIe Gen-3.0 Lanes, während das B+M Modul und das A+E Modul nur 2 Lanes nutzen können. Eine höhere Framerate könnte bspw. auch durch die Limitation durch die PCI Express Bandbreite beeinflusst sein - wir empfehlen daher als erstes die\u003ca href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-m-key-2280\" data-mce-href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-m-key-2280\"\u003e M-Key Variante\u003c\/a\u003e auszuprobieren. Dabei sollte natürlich sichergestellt werden, dass der Host-Computer die vier PCIe Lanes bereitstellen kann. Falls die Framerate immer noch unbefriedigend ist, lesen Sie bitte die nächste Frage (Ich benötige mehr TOPS). \u003c\/p\u003e\n\u003ch3\u003eIch benötige mehr TOPS, da ich eine komplexe Anwendung habe, was kann ich tun?\u003c\/h3\u003e\n\u003cp\u003eDieses HAILO-8 Modul, hat \u003cstrong\u003e26 TOPS\u003c\/strong\u003e. \u003c\/p\u003e\n\u003cp\u003eWir bieten in unserem Shop auch eine Lösung mit \u003cstrong\u003e52 TOPS\u003c\/strong\u003e - das\u003ca href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\" data-mce-href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\"\u003e Biscotti Modul\u003c\/a\u003e an. Es nutzt dazu zwei HAILO-8 Module, und hat einen EDSFF \u003cstrong\u003eE1.S\u003c\/strong\u003e Anschluss - der in Storage Servern zum Einsatz kommt. \u003c\/p\u003e\n\u003cp\u003eDadurch kann das \u003ca href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\" data-mce-href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\"\u003eBiscotti Dual HAILO Modul\u003c\/a\u003e auch in Clustern verbaut werden, und in einem 19'' Server bspw. auf 1600 TOPS skaliert werden. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eWir stehen gerne bei Fragen zur Verfügung!\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003eIst der HAILO-8 eine gute Alternative zum Google Coral? \u003c\/h3\u003e\n\u003cp\u003eJa, der HAILO-8 ist für Anwender mit höheren Leistungsansprüchen eine gute Alternative zur Google Coral Serie. \u003c\/p\u003e\n\u003cp\u003eGoogle Coral kann hingegen gut in Anwendungen zum Einsatz kommen wo 4 TOPS Rechenleistung ausreichen, da sie günstiger sind. \u003c\/p\u003e\n\u003ch3\u003eWozu sind die abbrechbaren Platinenteile gedacht? \u003c\/h3\u003e\n\u003cp\u003eIn manchen Systemen können nur größere Module, bspw. M.2 2280 (80 mm) befestigt werden. Für andere Systeme wird diese zusätzliche Befestigungsmöglichkeit nicht benötigt.\u003c\/p\u003e\n\u003ch3\u003eKann ich LLMs auf dem HAILO-8 ausführen, bpsw. LLAMA?\u003c\/h3\u003e\n\u003cp\u003eLLMs = Large Language Modelle (so etwas wie ChatGPT \/ GPT4-o, bzw. LLAMA, Falcon, usw.)\u003c\/p\u003e\n\u003cp\u003eNein, dafür ist der HAILO-8 nicht ausgelegt. Grafikkarten auf denen diese LLMs typischerweise laufen haben schnellen direkt angebundenen Speicher. Der HAILO-8 hat unter anderem nicht genügend Speicher, um diese Modelle laden zu können. \u003c\/p\u003e\n\u003cp\u003eHAILO hat ein zukünftiges Produkt, den HAILO-10 angekündigt. Dieser wird eine Speicherschnittstelle haben, und auch GenAI Anwendungen wie LLMs besser unterstützen.\u003c\/p\u003e\n\u003ch3\u003eKann ich damit Modelle trainieren?\u003c\/h3\u003e\n\u003cp\u003eNein, der HAILO-8 ist ausschließlich für die Inferenz (int8) gedacht. Zum Training von Modellen wird typischerweise eine klassische GPU eingesetzt.\u003c\/p\u003e\n\u003cp\u003eHAILO bietet hier Unterstützung mit einer Reihe von vorgebauten Docker-Containern, mit denen Modelle trainiert und auch angepasst werden können.\u003c\/p\u003e\n\u003cp\u003e\u003cimg src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-SW.jpg?v=1722464870\" alt=\"\" width=\"543\" height=\"241\" data-mce-src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-SW.jpg?v=1722464870\"\u003e\u003c\/p\u003e\n\u003cp\u003eDas Model Build Environment wird wie im Diagramm gezeigt auf einem eigenen dafür vorgesehenen Computer betrieben, der über die notwendigen technischen Parameter verfügt. HAILO-8 selbst ist für Edge-Anwendungen gedacht, für die Inferenz, zusammen mit der HailoRT Runtime.\u003c\/p\u003e\n\u003cp\u003e\u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eWir unterstützen gerne bei technischen Fragen zu Modellen.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003ePhysikalische Abmessungen\u003c\/h3\u003e\n\u003cp\u003eAlle Abmessungen in mm. Nur als Referenz, nicht für 3D-Modellierung geeignet.\u003c\/p\u003e\n\u003cp\u003e\u003cimg\u003e\u003cimg alt=\"\" src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-B_M-Key-dimensions.jpg?v=1722634666\" width=\"546\" height=\"244\" data-mce-src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-B_M-Key-dimensions.jpg?v=1722634666\"\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cimg\u003e\u003c\/p\u003e\n\u003ch3\u003eMisc\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eHailo SKUs \/ alternative Bezeichnungen: \n\u003cul\u003e\n\u003cli\u003eHM218B1C2LAE = Hailo-8, M.2 module B+M key 2280 - ext. Temp. -40 to 85°C\u003c\/li\u003e\n\u003cli\u003eHM218B1C2LAE\/HAI\u003c\/li\u003e\n\u003cli\u003eHM218B1C2LA = Hailo-8, M.2 module B+M key 2280 - commercial\u003cbr\u003eTemp. 0 to 70\u003c\/li\u003e\n\u003cli\u003eHM218B1C2LA\/HAI\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003eHS Code: 85176200\u003c\/li\u003e\n\u003cli\u003eCountry of origin: Taiwan\u003c\/li\u003e\n\u003cli\u003ePackungsmenge einer Großverpackung: 20 \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003e(auf dieser Seite bestellen Sie ein Stück, wenden Sie sich bei Großbedarf gerne an uns)\u003c\/a\u003e\n\u003c\/li\u003e\n\u003cli\u003eLead Time (Nachlieferzeit): aktuell 12 Wochen\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003ch2\u003eEnglish Description\u003c\/h2\u003e\n\u003cp\u003e\u003cstrong\u003eHailo-8\u003c\/strong\u003e is a modern AI accelerator chip designed for deep neural networks, particularly suited for vision applications. This is the M.2 B+M-key 2280 version of the Hailo-8 AI Processor. A host CPU is required for operation.\u003c\/p\u003e\n\u003ch3\u003eTechnical Specifications\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eHAILO-8 AI Accelerator\u003c\/strong\u003e\n\u003cul\u003e\n\u003cli\u003eUp to \u003cstrong\u003e26 TOPS INT8 performance\u003c\/strong\u003e (trillion operations per second = 26 trillion operations per second \/ 2.6 * 10^13 operations)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eForm Factor\u003c\/strong\u003e: M.2 2280 B+M-Key\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eDimensions\u003c\/strong\u003e: 22×80 mm\n\u003cul\u003e\n\u003cli\u003eCan be adjusted by breaking down to 22 x 42 mm or 22 x 60 mm\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eInterface\u003c\/strong\u003e: PCIe Gen-3.0, 2 Lanes (up to 16 Gbps)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eTDP\u003c\/strong\u003e: 8.65 W (2.5 A @ 3.3V)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eSoftware Support (Inferencing)\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eExecutes deep learning neural networks with high performance efficiency\u003c\/li\u003e\n\u003cli\u003eEspecially well-suited for \u003cstrong\u003eCNNs\u003c\/strong\u003e (Computer Vision applications)\u003c\/li\u003e\n\u003cli\u003eAllows multiple models \u0026amp; streams to be processed in parallel\u003c\/li\u003e\n\u003cli\u003eSupported OS: Linux, Windows\u003c\/li\u003e\n\u003cli\u003eSupports: TensorFlow, TensorFlow Lite, Keras, PyTorch, ONNX\u003c\/li\u003e\n\u003cli\u003eCompatible with ARM and x86 systems\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eNotes\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003cstrong\u003eCE \u0026amp; FCC Class A certified\u003c\/strong\u003e\u003c\/li\u003e\n\u003cli\u003eOperating Temperature: \u003cstrong\u003e-40 to 85°C\u003c\/strong\u003e (ambient) for the HM218B1C2LAE variant\u003c\/li\u003e\n\u003cli\u003eThe image shows two tabs (extension to M.2 2280) already broken off.\u003c\/li\u003e\n\u003cli\u003eOptional \u003cstrong\u003eHailo-8 Starter Kit B+M Key\u003c\/strong\u003e available\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eEnsure that the heat generated by the Hailo-8 module is dissipated. The module is designed to transfer most of the heat to the metal cover of the chip (Top Surface of the Package). We recommend reading the \u003cstrong\u003eHailo-8 AI Acceleration Module Thermal Design Considerations\u003c\/strong\u003e application note.\u003c\/p\u003e\n\u003ch3\u003eConsultation by buyzero\u003c\/h3\u003e\n\u003cp\u003eWe offer advice on whether your model can run on HAILO-8 and help you implement your project with HAILO-8. \u003ca href=\"https:\/\/pi3g.com\/kontakt\/\" target=\"_blank\" rel=\"noopener\"\u003ePlease contact us for further details\u003c\/a\u003e.\u003c\/p\u003e\n\u003chr\u003e\n\u003ch3\u003eFAQ\u003c\/h3\u003e\n\u003cp\u003e\u003cstrong\u003eWhat are example applications for this module?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eYou can accelerate deep learning algorithms, especially CNNs, with this module. Example use cases include:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003ePose Estimation\u003c\/strong\u003e – estimating human posture\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eObject Detection\u003c\/strong\u003e with bounding boxes (e.g., detecting where a bicycle is in the image and identifying it)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eSegmentation\u003c\/strong\u003e – marking areas in an image, such as where a banana is located\u003c\/li\u003e\n\u003cli\u003e\u003cstrong\u003eLicense Plate Recognition\u003c\/strong\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eFacial Recognition\u003c\/strong\u003e, and many more.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eCan I run models compiled for HAILO-8L on a HAILO-8?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eYes, models compiled for HAILO-8L can also run on HAILO-8.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eI need higher throughput\/frame rate.\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eThe \u003cstrong\u003eHAILO-8 M.2 M-key\u003c\/strong\u003e module has a connection with 4 PCIe Gen-3.0 lanes, whereas the B+M and A+E modules only use 2 lanes. The frame rate may be limited by PCI Express bandwidth. We recommend trying the \u003cstrong\u003eM-key\u003c\/strong\u003e variant first, ensuring that your host computer supports the four PCIe lanes. If the frame rate remains unsatisfactory, refer to the next question on increasing TOPS.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eI need more TOPS for a complex application, what can I do?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eThis \u003cstrong\u003eHAILO-8 module\u003c\/strong\u003e has 26 TOPS.\u003c\/p\u003e\n\u003cp\u003eWe also offer a 52 TOPS solution with the \u003ca href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\" target=\"_blank\" rel=\"noopener\"\u003e\u003cstrong\u003eBiscotti Module\u003c\/strong\u003e\u003c\/a\u003e in our shop. It uses two HAILO-8 modules and has an \u003cstrong\u003eEDSFF E1.S\u003c\/strong\u003e connection, typically used in storage servers. \u003ca href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\" target=\"_blank\" rel=\"noopener\"\u003eThe Biscotti Dual HAILO module\u003c\/a\u003e can also be scaled up to \u003cstrong\u003e1600 TOPS\u003c\/strong\u003e in a 19'' server cluster. We’re happy to assist with any questions!\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eIs the HAILO-8 a good alternative to Google Coral?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eYes, \u003cstrong\u003eHAILO-8\u003c\/strong\u003e is a good alternative for users with higher performance demands.\u003cbr\u003eGoogle Coral, however, is more suitable for applications where \u003cstrong\u003e4 TOPS\u003c\/strong\u003e is sufficient, as it is more cost-effective.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eWhat are the breakable PCB sections for?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eIn some systems, only larger modules, such as \u003cstrong\u003eM.2 2280\u003c\/strong\u003e (80 mm), can be mounted. For other systems, this additional mounting option is unnecessary.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eCan I run LLMs like LLAMA on HAILO-8?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eLLMs = Large Language Models (such as ChatGPT\/GPT-4, LLAMA, Falcon, etc.)\u003c\/p\u003e\n\u003cp\u003eNo, HAILO-8 is not designed for this. GPUs typically used for these models have fast, directly connected memory, which HAILO-8 lacks.\u003c\/p\u003e\n\u003cp\u003eHailo has announced a future product, \u003cstrong\u003eHAILO-10\u003c\/strong\u003e, which will have a memory interface and will better support GenAI applications such as LLMs.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eCan I train models on HAILO-8?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eNo, \u003cstrong\u003eHAILO-8\u003c\/strong\u003e is only for inference (int8). For model training, a traditional GPU is typically used.\u003c\/p\u003e\n\u003cp\u003eHAILO provides support with several pre-built Docker containers for training and adapting models.\u003cbr\u003eThe \u003cstrong\u003eModel Build Environment\u003c\/strong\u003e is run on a separate computer with the required technical specs. \u003cstrong\u003eHAILO-8\u003c\/strong\u003e is intended for edge applications, primarily for inference, and is used with the \u003cstrong\u003eHailoRT Runtime\u003c\/strong\u003e.\u003c\/p\u003e\n\u003cp\u003eFeel free to reach out with technical questions about models.\u003c\/p\u003e\n\u003chr\u003e\n\u003ch3\u003ePhysical Dimensions\u003c\/h3\u003e\n\u003cp\u003eAll dimensions are in mm. For reference only, not suitable for 3D modeling.\u003c\/p\u003e\n\u003ch3\u003eMiscellaneous\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eHailo SKUs \/ alternative designations:\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eHM218B1C2LAE\u003c\/strong\u003e = Hailo-8, M.2 module B+M key 2280 - extended temp. range -40 to 85°C\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eHM218B1C2LA\u003c\/strong\u003e = Hailo-8, M.2 module B+M key 2280 - commercial temp. range 0 to 70°C\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eHS Code\u003c\/strong\u003e: 85176200\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eCountry of origin\u003c\/strong\u003e: Taiwan\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003ePack size\u003c\/strong\u003e: 20 pieces (you are ordering 1 unit here, \u003ca href=\"https:\/\/pi3g.com\/kontakt\/\" target=\"_blank\" rel=\"noopener\"\u003econtact us for bulk orders\u003c\/a\u003e)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eLead time\u003c\/strong\u003e: currently 12 weeks\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c!----\u003e","brand":"Hailo","offers":[{"title":"Default Title","offer_id":45712932405515,"sku":"Hailo-HM218B1C2LAE-015","price":196.0,"currency_code":"EUR","in_stock":false}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-8-B_M-Key-ohne-Tabs.jpg?v=1722634800"},{"product_id":"hailo-8-m-2-module-a-e-key-2230-26-tops","title":"Hailo-8 M.2 module A+E Key 2230 (26 TOPS)","description":"\u003cp\u003eHailo-8 ist ein moderner KI-Beschleunigerchip für Deep Neural Networks. Hailo-8 ist insbesondere für Vision-Anwendungen geeignet. Das ist die M.2 A+E-key 2230 Variante des Hailo-8 AI Processors. Zum Betrieb wird eine Host-CPU benötigt. \u003c\/p\u003e\n\u003ch3\u003eTechnische Daten\u003c\/h3\u003e\n\u003ch3\u003eHAILO-8 AI Accelerator\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003ebis zu \u003cstrong\u003e26 TOPS INT8 performance \u003c\/strong\u003e(trillion operations per second = 26 Billionen Rechenoperationen pro Sekunde \/ 2,6 * 10^13 Rechenoperationen)\u003c\/li\u003e\n\u003cli\u003eFormfaktor: M.2 2230 A+E-Key \u003c\/li\u003e\n\u003cli\u003eAbmessungen: \u003cspan\u003e22×30 mm\u003c\/span\u003e\n\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eInterface: PCIe Gen-3.0, 2 Lanes (bis zu 16 Gbs)\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003cspan\u003eTDP: 6.93 W\u003c\/span\u003e\u003cbr\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eSoftwareunterstützung (Inferencing)\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eführt Deep Learning Neural Networks mit hoher Leistungseffizienz aus\u003c\/li\u003e\n\u003cli\u003ebesonders gut für CNNs geeignet (Computer Vision Anwendungen)\u003c\/li\u003e\n\u003cli\u003eermöglicht parallel mehrere Modelle \u0026amp; Streams zu prozessieren\u003c\/li\u003e\n\u003cli\u003eLinux, Windows\u003c\/li\u003e\n\u003cli\u003eUnterstützt TensorFlow, TensorFlow Lite, Keras, PyTorch, ONNX\u003c\/li\u003e\n\u003cli\u003eKompatibel mit ARM und x86 Systemen. \u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eHinweise\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eCE \u0026amp; FCC Class A zertifiziert\u003c\/li\u003e\n\u003cli\u003eBetriebstemperatur: -40°C - +85°C (Umgebungstemperatur) für die HM218B1C2KAE Variante (industrieller Temperaturbereich)\u003c\/li\u003e\n\u003cli\u003eOptional auch als Hailo-8 starter Kit erhältlich\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cimg height=\"325\" width=\"543\" src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-8-performance-comparison.png?v=1722549115\" alt=\"\" data-mce-src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-8-performance-comparison.png?v=1722549115\"\u003e\u003c\/p\u003e\n\u003cp\u003e(siehe \u003ca href=\"https:\/\/hailo.ai\/products\/ai-accelerators\/hailo-8-m2-ai-acceleration-module\/#hailo8-m2-performance\" data-mce-href=\"https:\/\/hailo.ai\/products\/ai-accelerators\/hailo-8-m2-ai-acceleration-module\/#hailo8-m2-performance\"\u003eHAILO Website\u003c\/a\u003e als Grafikquelle mit Erklärung der Testparameter)\u003c\/p\u003e\n\u003cp\u003eFür den Betrieb muss sichergestellt werden, dass die Hitze die das Hailo-8 Modul erzeugt abgeführt wird. Das Modul wurde so designed dass die meiste Hitze zur metallischen Abdeckung des Chips (Top Surface of the Package) hin abgeleitet wird. Wir empfehlen die Application Note \"Hailo-8 AI Acceleration Module Thermal Design Considerations\" zu lesen. \u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003ees gibt zwei Varianten des Moduls. Abgebildet ist die MEA Konfiguration. Eine weitere, funktionell und leistungsmäßig identische MEB Konfiguration existiert, aufgrund von einer alternativen Auslegung der Stromversorgungskomponenten. \u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eDokumentation \u0026amp; Downloads\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/hailo8_m.2_et_product_brief_2.1.pdf?v=1722549683\" data-mce-href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/hailo8_m.2_et_product_brief_2.1.pdf?v=1722549683\" target=\"_blank\"\u003eHAILO-8 M.2 AI Acceleration Modules Product brief (PDF)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/\"\u003eHailo Developer Zone\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/software-downloads\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/software-downloads\/\"\u003eHailo Software Downloads\u003c\/a\u003e - alles was benötigt wird um Hailo AI Prozessoren zu installieren und zu betreiben\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/documentation\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/documentation\/\"\u003eHailo Dokumentation und Datenblätter\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/hailo.ai\/products\/hailo-software\/model-explorer\/\" data-mce-href=\"https:\/\/hailo.ai\/products\/hailo-software\/model-explorer\/\"\u003eHailo Model Explorer\u003c\/a\u003e - ermöglicht das passendste AI Modell als Basis für Ihre Anwendung zu wählen\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/community.hailo.ai\/\" data-mce-href=\"https:\/\/community.hailo.ai\/\"\u003eHailo Community\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/github.com\/hailo-ai\" data-mce-href=\"https:\/\/github.com\/hailo-ai\"\u003eHailo auf GitHub\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eBeratung durch buyzero\u003c\/h3\u003e\n\u003cp\u003eWir beraten Sie ob Ihr Modell auf dem HAILO-8 lauffähig ist, und ob Sie Ihr Projekt mit Hilfe von HAILO-8 umsetzen können. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eKontaktieren Sie uns dazu bitte.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003eFAQ\u003c\/h3\u003e\n\u003ch3\u003eWas sind Beispielanwendungen für dieses Modul?\u003c\/h3\u003e\n\u003cp\u003eMan kann mit diesem Modul sogenannte Deep Learning Algorithmen, insbesondere CNNs (convolutional neural networks), beschleunigen. \u003c\/p\u003e\n\u003cp\u003eDazu gehören:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003ePose Estimation - Schätzung der Pose eines Menschen\u003c\/li\u003e\n\u003cli\u003eObjekterkennung mit Bounding Boxes (bspw. wo ist ein Fahrrad im Bild, und was ist es)\u003c\/li\u003e\n\u003cli\u003eSegmentierung - markiere die Bereiche eines Bildes die eine Banane einnimmt\u003c\/li\u003e\n\u003cli\u003eNummernschilderkennung\u003c\/li\u003e\n\u003cli\u003eGesichtserkennung\u003c\/li\u003e\n\u003cli\u003eu.v.m.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eKann ich Modelle für den HAILO-8L auch auf einem HAILO-8 laufen lassen?\u003c\/h3\u003e\n\u003cp\u003eJa, das ist möglich! Modelle die für den HAILO-8L kompiliert worden sind laufen auch auf einem HAILO-8.\u003c\/p\u003e\n\u003ch3\u003eIch brauche eine höhere Durchsatzrate \/ Framerate\u003c\/h3\u003e\n\u003cp\u003eDas \u003ca href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-m-key-2280\" data-mce-href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-m-key-2280\"\u003eHAILO-8 M.2 M-key Modul \u003c\/a\u003ehat eine Anbindung mit 4 PCIe Gen-3.0 Lanes, während das \u003ca href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-b-m-key-2280-26-tops\" data-mce-href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-b-m-key-2280-26-tops\"\u003eB+M Modul\u003c\/a\u003e und das A+E Modul nur 2 Lanes nutzen können. Eine höhere Framerate könnte bspw. auch durch die Limitation durch die PCI Express Bandbreite beeinflusst sein - wir empfehlen daher als erstes die\u003ca href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-m-key-2280\" data-mce-href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-m-key-2280\"\u003e M-Key Variante\u003c\/a\u003e auszuprobieren. Dabei sollte natürlich sichergestellt werden, dass der Host-Computer die vier PCIe Lanes bereitstellen kann. Falls die Framerate immer noch unbefriedigend ist, lesen Sie bitte die nächste Frage (Ich benötige mehr TOPS). \u003c\/p\u003e\n\u003ch3\u003eIch benötige mehr TOPS, da ich eine komplexe Anwendung habe, was kann ich tun?\u003c\/h3\u003e\n\u003cp\u003eDieses HAILO-8 Modul, hat \u003cstrong\u003e26 TOPS\u003c\/strong\u003e. \u003c\/p\u003e\n\u003cp\u003eWir bieten in unserem Shop auch eine Lösung mit \u003cstrong\u003e52 TOPS\u003c\/strong\u003e - das\u003ca href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\" data-mce-href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\"\u003e Biscotti Modul\u003c\/a\u003e an. Es nutzt dazu zwei HAILO-8 Module, und hat einen EDSFF \u003cstrong\u003eE1.S\u003c\/strong\u003e Anschluss - der in Storage Servern zum Einsatz kommt. \u003c\/p\u003e\n\u003cp\u003eDadurch kann das \u003ca href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\" data-mce-href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\"\u003eBiscotti Dual HAILO Modul\u003c\/a\u003e auch in Clustern verbaut werden, und in einem 19'' Server bspw. auf 1600 TOPS skaliert werden. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eWir stehen gerne bei Fragen zur Verfügung!\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003eIst der HAILO-8 eine gute Alternative zum Google Coral? \u003c\/h3\u003e\n\u003cp\u003eJa, der HAILO-8 ist für Anwender mit höheren Leistungsansprüchen eine gute Alternative zur Google Coral Serie. \u003c\/p\u003e\n\u003cp\u003eGoogle Coral kann hingegen gut in Anwendungen zum Einsatz kommen wo 4 TOPS Rechenleistung ausreichen, da sie günstiger sind. \u003c\/p\u003e\n\u003ch3\u003eKann ich LLMs auf dem HAILO-8 ausführen, bpsw. LLAMA?\u003c\/h3\u003e\n\u003cp\u003eLLMs = Large Language Modelle (so etwas wie ChatGPT \/ GPT4-o, bzw. LLAMA, Falcon, usw.)\u003c\/p\u003e\n\u003cp\u003eNein, dafür ist der HAILO-8 nicht ausgelegt. Grafikkarten auf denen diese LLMs typischerweise laufen haben schnellen direkt angebundenen Speicher. Der HAILO-8 hat unter anderem nicht genügend Speicher, um diese Modelle laden zu können. \u003c\/p\u003e\n\u003cp\u003eHAILO hat ein zukünftiges Produkt, den HAILO-10 angekündigt. Dieser wird eine Speicherschnittstelle haben, und auch GenAI Anwendungen wie LLMs besser unterstützen.\u003c\/p\u003e\n\u003ch3\u003eKann ich damit Modelle trainieren?\u003c\/h3\u003e\n\u003cp\u003eNein, der HAILO-8 ist ausschließlich für die Inferenz (int8) gedacht. Zum Training von Modellen wird typischerweise eine klassische GPU eingesetzt.\u003c\/p\u003e\n\u003cp\u003eHAILO bietet hier Unterstützung mit einer Reihe von vorgebauten Docker-Containern, mit denen Modelle trainiert und auch angepasst werden können.\u003c\/p\u003e\n\u003cp\u003e\u003cimg height=\"241\" width=\"543\" alt=\"\" src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-SW.jpg?v=1722464870\" data-mce-src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-SW.jpg?v=1722464870\"\u003e\u003c\/p\u003e\n\u003cp\u003eDas Model Build Environment wird wie im Diagramm gezeigt auf einem eigenen dafür vorgesehenen Computer betrieben, der über die notwendigen technischen Parameter verfügt. HAILO-8 selbst ist für Edge-Anwendungen gedacht, für die Inferenz, zusammen mit der HailoRT Runtime.\u003c\/p\u003e\n\u003cp\u003e\u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eWir unterstützen gerne bei technischen Fragen zu Modellen.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003ePhysikalische Abmessungen\u003c\/h3\u003e\n\u003cp\u003eAlle Abmessungen in mm. Nur als Referenz, nicht für 3D-Modellierung geeignet.\u003c\/p\u003e\n\u003cp\u003e\u003cimg\u003e\u003cimg src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-A_E-mechanical-outline.png?v=1722722987\" alt=\"\" data-mce-src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-A_E-mechanical-outline.png?v=1722722987\"\u003e\u003c\/p\u003e\n\u003ch3\u003eMisc\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eHailo SKUs \/ alternative Bezeichnungen: \n\u003cul\u003e\n\u003cli\u003eHM218B1C2KAE = Hailo-8, M.2 module A+E key 2230 - industrial\u003cbr\u003eTemp. -40 to +85°C\u003c\/li\u003e\n\u003cli\u003eHM218B1C2KAE\/HAI\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003eHS Code: 85176200\u003c\/li\u003e\n\u003cli\u003eCountry of origin: Taiwan\u003c\/li\u003e\n\u003cli\u003ePackungsmenge einer Großverpackung: 20 \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003e(auf dieser Seite bestellen Sie ein Stück, wenden Sie sich bei Großbedarf gerne an uns)\u003c\/a\u003e\n\u003c\/li\u003e\n\u003cli\u003eLead Time (Nachlieferzeit): aktuell 12 Wochen\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003ch2\u003eEnglish Description\u003c\/h2\u003e\n\u003cp\u003eHailo-8 is a modern AI accelerator chip designed for deep neural networks, particularly suitable for vision applications. This is the M.2 A+E-key 2230 variant of the Hailo-8 AI Processor. A host CPU is required for operation.\u003c\/p\u003e\n\u003ch3\u003eTechnical Specifications\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eModel\u003c\/strong\u003e: HAILO-8 AI Accelerator\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003ePerformance\u003c\/strong\u003e: Up to 26 TOPS INT8 (trillion operations per second = 26 billion operations per second \/ 2.6 × 10^13 operations)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eForm Factor\u003c\/strong\u003e: M.2 2230 A+E-Key\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eDimensions\u003c\/strong\u003e: 22×30 mm\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eInterface\u003c\/strong\u003e: PCIe Gen-3.0, 2 lanes (up to 16 Gbps)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eTDP\u003c\/strong\u003e: 6.93 W\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eSoftware Support (Inferencing)\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eExecutes deep learning neural networks with high performance efficiency\u003c\/li\u003e\n\u003cli\u003eParticularly well-suited for CNNs (Computer Vision applications)\u003c\/li\u003e\n\u003cli\u003eAllows processing of multiple models \u0026amp; streams in parallel\u003c\/li\u003e\n\u003cli\u003eSupports Linux and Windows\u003c\/li\u003e\n\u003cli\u003eCompatible with TensorFlow, TensorFlow Lite, Keras, PyTorch, ONNX\u003c\/li\u003e\n\u003cli\u003eCompatible with ARM and x86 systems\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003e\u003cstrong\u003eNotes\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eCE \u0026amp; FCC Class A certified\u003c\/li\u003e\n\u003cli\u003eOperating Temperature: -40°C to +85°C (ambient temperature) for the HM218B1C2KAE variant (industrial temperature range)\u003c\/li\u003e\n\u003cli\u003eAlso available as Hailo-8 starter kit\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eFor operation, ensure that the heat generated by the Hailo-8 module is dissipated. The module is designed to direct most heat towards the chip's metal cover (Top Surface of the Package). We recommend reading the application note \"Hailo-8 AI Acceleration Module Thermal Design Considerations.\"\u003c\/p\u003e\n\u003cp\u003eThere are two variants of the module. The MEA configuration is shown, and there is another functionally and performance-wise identical MEB configuration due to an alternative design of the power supply components.\u003c\/p\u003e\n\u003ch3\u003eConsulting through buyzero\u003c\/h3\u003e\n\u003cp\u003eWe will assess whether your model can run on the HAILO-8 and if you can implement your project with the help of HAILO-8. Please contact us for assistance.\u003c\/p\u003e\n\u003ch3\u003eFAQ\u003c\/h3\u003e\n\u003cp\u003e\u003cstrong\u003eWhat are example applications for this module?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eThis module can accelerate deep learning algorithms, particularly CNNs (convolutional neural networks). Examples include:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003ePose estimation\u003c\/li\u003e\n\u003cli\u003eObject detection with bounding boxes (e.g., identifying bicycles in images)\u003c\/li\u003e\n\u003cli\u003eSegmentation (marking areas of an image occupied by a banana)\u003c\/li\u003e\n\u003cli\u003eLicense plate recognition\u003c\/li\u003e\n\u003cli\u003eFace recognition\u003c\/li\u003e\n\u003cli\u003eAnd more.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eCan I run models compiled for HAILO-8L on a HAILO-8?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eYes, models compiled for the HAILO-8L will run on a HAILO-8.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eI need a higher throughput\/frame rate.\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eThe HAILO-8 M.2 M-key module has a connection with 4 PCIe Gen-3.0 lanes, while the B+M module and the A+E module can only use 2 lanes. A higher frame rate may also be influenced by the limitation of PCI Express bandwidth; we recommend trying the M-Key variant first, ensuring that the host computer can provide the four PCIe lanes. If the frame rate is still unsatisfactory, please refer to the next question (I need more TOPS).\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eI need more TOPS for a complex application; what can I do?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eThis HAILO-8 module has 26 TOPS. We also offer a solution with 52 TOPS, the Biscotti module, which utilizes two HAILO-8 modules and has an EDSFF E1.S connector for use in storage servers. This allows the Biscotti dual HAILO module to be used in clusters, scaling up to 1600 TOPS in a 19” server. We are happy to assist with any questions!\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eIs the HAILO-8 a good alternative to Google Coral?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eYes, the HAILO-8 is a good alternative for users with higher performance requirements compared to the Google Coral series. Google Coral is better suited for applications where 4 TOPS of computing power are sufficient due to its lower cost.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eCan I run LLMs on the HAILO-8, e.g., LLAMA?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eNo, the HAILO-8 is not designed for that. GPUs typically used for LLMs have fast, directly attached memory. The HAILO-8 does not have sufficient memory to load these models. HAILO has announced a future product, the HAILO-10, which will feature a memory interface and better support for GenAI applications like LLMs.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eCan I train models with it?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eNo, the HAILO-8 is exclusively for inference (int8). Traditional GPUs are typically used for training models. HAILO offers support with a range of pre-built Docker containers for model training and adaptation.\u003c\/p\u003e\n\u003cp\u003eThe Model Build Environment will be operated on a dedicated computer that meets the necessary technical parameters, as shown in the diagram. HAILO-8 itself is designed for edge applications, for inference, along with the HailoRT Runtime.\u003c\/p\u003e\n\u003cp\u003eWe are happy to assist with any technical questions about models.\u003c\/p\u003e\n\u003ch3\u003eMiscellaneous\u003c\/h3\u003e\n\u003cp\u003eHailo SKUs \/ alternative designations:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eHM218B1C2KAE = Hailo-8, M.2 module A+E key 2230 - industrial\u003c\/li\u003e\n\u003cli\u003eTemperature Range: -40 to +85°C\u003c\/li\u003e\n\u003cli\u003eHM218B1C2KAE\/HAI\u003c\/li\u003e\n\u003cli\u003eHS Code: 85176200\u003c\/li\u003e\n\u003cli\u003eCountry of Origin: Taiwan\u003c\/li\u003e\n\u003cli\u003ePack size for bulk orders: 20 (you can order one piece on this page; please contact us for bulk requests)\u003c\/li\u003e\n\u003cli\u003eLead Time: currently 12 weeks.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c!----\u003e","brand":"Hailo","offers":[{"title":"Default Title","offer_id":45715102793995,"sku":"Hailo-HM218B1C2KAE-009","price":195.0,"currency_code":"EUR","in_stock":false}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILOA_E.png?v=1722722854"},{"product_id":"hailo-8l-m-2-module-a-e-key-2230-13-tops","title":"Hailo-8L M.2 module A+E Key 2230 (13 TOPS)","description":"\u003cp\u003eHailo-8L ist ein moderner KI-Beschleunigerchip für Deep Neural Networks. Hailo-8L ist insbesondere für Vision-Anwendungen geeignet. Das ist die M.2 A+E-key 2230 Variante des Hailo-8L AI Processors. Zum Betrieb wird eine Host-CPU benötigt. \u003c\/p\u003e\n\u003ch3\u003eTechnische Daten\u003c\/h3\u003e\n\u003ch3\u003eHAILO-8L AI Accelerator\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003ebis zu \u003cstrong\u003e13 TOPS INT8 performance \u003c\/strong\u003e(trillion operations per second = 13 Billionen Rechenoperationen pro Sekunde \/ 1,3 * 10^13 Rechenoperationen)\u003c\/li\u003e\n\u003cli\u003eFormfaktor: M.2 2230 A+E-Key \u003c\/li\u003e\n\u003cli\u003eAbmessungen: 22 x 30 mm (2230-D3-A-E)\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eInterface: PCIe Gen-3.0, 2 Lanes (bis zu 16 Gbs)\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003cspan\u003eTDP: 6.6 W\u003c\/span\u003e\u003cbr\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eSoftwareunterstützung (Inferencing)\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eführt Deep Learning Neural Networks mit hoher Leistungseffizienz aus\u003c\/li\u003e\n\u003cli\u003ebesonders gut für CNNs geeignet (Computer Vision Anwendungen)\u003c\/li\u003e\n\u003cli\u003eermöglicht parallel mehrere Modelle \u0026amp; Streams zu prozessieren\u003c\/li\u003e\n\u003cli\u003eLinux, Windows\u003c\/li\u003e\n\u003cli\u003eUnterstützt TensorFlow, TensorFlow Lite, Keras, PyTorch, ONNX\u003c\/li\u003e\n\u003cli\u003eKompatibel mit ARM und x86 Systemen. \u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eHinweise\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eCE \u0026amp; FCC Class A zertifiziert\u003c\/li\u003e\n\u003cli\u003eBetriebstemperatur: -40°C - +85°C (Umgebungstemperatur) für die HM21LB1C2KAE Variante (industrieller Temperaturbereich)\u003c\/li\u003e\n\u003cli\u003eUnterstützer Luftfeuchtigkeitsbereich für den Betrieb: 5 % - 90 % RH (nicht kondensierend) \u003c\/li\u003e\n\u003cli\u003eDas ist die HAILO-8L Variante mit \u003cstrong\u003e13 TOPS\u003c\/strong\u003e. Wir führen auch die HAILO-8 Varianten mit 26 TOPS in unserem Shop. \u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eFür den Betrieb muss sichergestellt werden, dass die Hitze die das Hailo-8L Modul erzeugt abgeführt wird. Das Modul wurde so designed dass die meiste Hitze zur metallischen Abdeckung des Chips (Top Surface of the Package) hin abgeleitet wird. Wir empfehlen die Application Note \"Hailo-8L AI Acceleration Module Thermal Design Considerations\" zu lesen. \u003c\/p\u003e\n\u003ch3\u003eDokumentation \u0026amp; Downloads\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca rel=\"noopener\" href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/hailo8_m.2_et_product_brief_2.1.pdf?v=1722549683\" data-mce-href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/hailo8_m.2_et_product_brief_2.1.pdf?v=1722549683\" target=\"_blank\"\u003eHAILO-8L M.2 AI Acceleration Modules Product brief (PDF)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/\"\u003eHailo Developer Zone\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/software-downloads\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/software-downloads\/\"\u003eHailo Software Downloads\u003c\/a\u003e - alles was benötigt wird um Hailo AI Prozessoren zu installieren und zu betreiben\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/documentation\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/documentation\/\"\u003eHailo Dokumentation und Datenblätter\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/hailo.ai\/products\/hailo-software\/model-explorer\/\" data-mce-href=\"https:\/\/hailo.ai\/products\/hailo-software\/model-explorer\/\"\u003eHailo Model Explorer\u003c\/a\u003e - ermöglicht das passendste AI Modell als Basis für Ihre Anwendung zu wählen\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/community.hailo.ai\/\" data-mce-href=\"https:\/\/community.hailo.ai\/\"\u003eHailo Community\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/github.com\/hailo-ai\" data-mce-href=\"https:\/\/github.com\/hailo-ai\"\u003eHailo auf GitHub\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eBeratung durch buyzero\u003c\/h3\u003e\n\u003cp\u003eWir beraten Sie ob Ihr Modell auf dem HAILO-8L lauffähig ist, und ob Sie Ihr Projekt mit Hilfe von HAILO-8L umsetzen können. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eKontaktieren Sie uns dazu bitte.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003eFAQ\u003c\/h3\u003e\n\u003ch3\u003eWas sind Beispielanwendungen für dieses Modul?\u003c\/h3\u003e\n\u003cp\u003eMan kann mit diesem Modul sogenannte Deep Learning Algorithmen, insbesondere CNNs (convolutional neural networks), beschleunigen. \u003c\/p\u003e\n\u003cp\u003eDazu gehören:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003ePose Estimation - Schätzung der Pose eines Menschen\u003c\/li\u003e\n\u003cli\u003eObjekterkennung mit Bounding Boxes (bspw. wo ist ein Fahrrad im Bild, und was ist es)\u003c\/li\u003e\n\u003cli\u003eSegmentierung - markiere die Bereiche eines Bildes die eine Banane einnimmt\u003c\/li\u003e\n\u003cli\u003eNummernschilderkennung\u003c\/li\u003e\n\u003cli\u003eGesichtserkennung\u003c\/li\u003e\n\u003cli\u003eu.v.m.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eKann ich Modelle für den HAILO-8L auch auf einem HAILO-8 laufen lassen?\u003c\/h3\u003e\n\u003cp\u003eJa, das ist möglich! Modelle die für den HAILO-8L kompiliert worden sind laufen auch auf einem HAILO-8. Umgekehrt funktioniert das nicht - Modelle die für den HAILO-8 kompiliert wurden können auf dem HAILO-8L nicht ausgeführt werden, da hier weniger Ressourcen zur Verfügung stehen.\u003c\/p\u003e\n\u003ch3\u003eIch brauche eine höhere Durchsatzrate \/ Framerate\u003c\/h3\u003e\n\u003cp\u003eEine einfache Migration ist auf die HAILO-8 M.2 Modulvarianten möglich, insofern Ihr System die zusätzlich erzeugte Abwärme abführen kann. Mit den HAILO-8 M.2 Modulen verdoppelt sich die theoretische Compute-Leistung für Deep Learning Netzwerke auf 26 TOPS von 13 TOPS für HAILO-8L: \u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-a-e-key-2230-26-tops\" data-mce-href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-a-e-key-2230-26-tops\"\u003eHAILO-8 M.2 A+E Key\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-b-m-key-2280-26-tops\" data-mce-href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-b-m-key-2280-26-tops\"\u003eHAILO-8 M.2 B+M Key\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-m-key-2280\"\u003eHAILO-8 M.2 M Key\u003c\/a\u003e (für besonders hohen Datendurchsatz am besten dank 4 PCIe Lanes)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eFalls die Framerate immer noch unbefriedigend ist, lesen Sie bitte die nächste Frage (Ich benötige mehr TOPS). \u003c\/p\u003e\n\u003ch3\u003eIch benötige mehr TOPS, da ich eine komplexe Anwendung habe, was kann ich tun?\u003c\/h3\u003e\n\u003cp\u003eDieses HAILO-8L Modul, hat \u003cstrong\u003e13 TOPS\u003c\/strong\u003e. Bitte beachten Sie die vorige Frage zu der einfachen Möglichkeit auf HAILO-8 Module mit \u003cstrong\u003e26 TOPS\u003c\/strong\u003e zu wechseln.\u003c\/p\u003e\n\u003cp\u003eFür noch mehr Leistung:\u003c\/p\u003e\n\u003cp\u003eWir bieten in unserem Shop auch eine Lösung mit \u003cstrong\u003e52 TOPS\u003c\/strong\u003e - das\u003ca href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\" data-mce-href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\"\u003e Biscotti Modul\u003c\/a\u003e an. Es nutzt dazu zwei HAILO-8 Module, und hat einen EDSFF \u003cstrong\u003eE1.S\u003c\/strong\u003e Anschluss - der in Storage Servern zum Einsatz kommt. \u003c\/p\u003e\n\u003cp\u003eDadurch kann das \u003ca href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\" data-mce-href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\"\u003eBiscotti Dual HAILO Modul\u003c\/a\u003e auch in Clustern verbaut werden, und in einem 19'' Server bspw. auf 1600 TOPS skaliert werden. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eWir stehen gerne bei Fragen zur Verfügung!\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003eIst der HAILO-8L eine gute Alternative zum Google Coral? \u003c\/h3\u003e\n\u003cp\u003eJa, der HAILO-8L ist für Anwender mit höheren Leistungsansprüchen eine gute Alternative zur Google Coral Serie. \u003c\/p\u003e\n\u003cp\u003eGoogle Coral kann hingegen gut in Anwendungen zum Einsatz kommen wo 4 TOPS Rechenleistung ausreichen, da sie günstiger sind. \u003c\/p\u003e\n\u003ch3\u003eKann ich LLMs auf dem HAILO-8L ausführen, bpsw. LLAMA?\u003c\/h3\u003e\n\u003cp\u003eLLMs = Large Language Modelle (so etwas wie ChatGPT \/ GPT4-o, bzw. LLAMA, Falcon, usw.)\u003c\/p\u003e\n\u003cp\u003eNein, dafür ist der HAILO-8L nicht ausgelegt. Grafikkarten auf denen diese LLMs typischerweise laufen haben schnellen direkt angebundenen Speicher. Der HAILO-8L hat unter anderem nicht genügend Speicher, um diese Modelle laden zu können. \u003c\/p\u003e\n\u003cp\u003eHAILO hat ein zukünftiges Produkt, den HAILO-10 angekündigt. Dieser wird eine Speicherschnittstelle haben, und auch GenAI Anwendungen wie LLMs besser unterstützen.\u003c\/p\u003e\n\u003ch3\u003eKann ich damit Modelle trainieren?\u003c\/h3\u003e\n\u003cp\u003eNein, der HAILO-8L ist ausschließlich für die Inferenz (int8) gedacht. Zum Training von Modellen wird typischerweise eine klassische GPU eingesetzt.\u003c\/p\u003e\n\u003cp\u003eHAILO bietet hier Unterstützung mit einer Reihe von vorgebauten Docker-Containern, mit denen Modelle trainiert und auch angepasst werden können.\u003c\/p\u003e\n\u003cp\u003e\u003cimg src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-SW.jpg?v=1722464870\" alt=\"\" width=\"543\" height=\"241\" data-mce-src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-SW.jpg?v=1722464870\"\u003e\u003c\/p\u003e\n\u003cp\u003eDas Model Build Environment wird wie im Diagramm gezeigt auf einem eigenen dafür vorgesehenen Computer betrieben, der über die notwendigen technischen Parameter verfügt. HAILO-8L selbst ist für Edge-Anwendungen gedacht, für die Inferenz, zusammen mit der HailoRT Runtime.\u003c\/p\u003e\n\u003cp\u003e\u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eWir unterstützen gerne bei technischen Fragen zu Modellen.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003ePhysikalische Abmessungen\u003c\/h3\u003e\n\u003cp\u003eAlle Abmessungen in mm. Nur als Referenz, nicht für 3D-Modellierung geeignet.\u003c\/p\u003e\n\u003cp\u003e\u003cimg\u003e\u003cimg alt=\"\" src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-A_E-mechanical-outline.png?v=1722722987\" data-mce-src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-A_E-mechanical-outline.png?v=1722722987\"\u003e\u003c\/p\u003e\n\u003ch3\u003e\n\u003cimg\u003eMisc\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eHailo SKUs \/ alternative Bezeichnungen: \n\u003cul\u003e\n\u003cli\u003eHM21LB1C2KAE = Hailo-8, M.2 module A+E key 2230 - industrial\u003cbr\u003eTemp. -40 to +85°C\u003c\/li\u003e\n\u003cli\u003eHM21LB1C2KAE\/HAI\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003eHS Code: 85176200\u003c\/li\u003e\n\u003cli\u003eCountry of origin: Taiwan\u003c\/li\u003e\n\u003cli\u003ePackungsmenge einer Großverpackung: 20 \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003e(auf dieser Seite bestellen Sie ein Stück, wenden Sie sich bei Großbedarf gerne an uns)\u003c\/a\u003e\n\u003c\/li\u003e\n\u003cli\u003eLead Time (Nachlieferzeit): aktuell 12 Wochen\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003ch2\u003eEnglish Description\u003c\/h2\u003e\n\u003cp\u003e\u003cstrong\u003eHailo-8L\u003c\/strong\u003e is a modern AI accelerator chip for deep neural networks, particularly suitable for vision applications. This is the M.2 A+E key 2230 variant of the Hailo-8L AI Processor. A host CPU is required for operation.\u003c\/p\u003e\n\u003ch3\u003eTechnical Specifications:\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003cstrong\u003eHAILO-8L AI Accelerator\u003c\/strong\u003e\u003c\/li\u003e\n\u003cli\u003eUp to \u003cstrong\u003e13 TOPS INT8 performance\u003c\/strong\u003e (trillion operations per second = 13 trillion operations per second \/ 1.3 * 10^13 operations)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eForm factor:\u003c\/strong\u003e M.2 2230 A+E Key\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eDimensions:\u003c\/strong\u003e 22 x 30 mm (2230-D3-A-E)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eInterface:\u003c\/strong\u003e PCIe Gen 3.0, 2 lanes (up to 16 Gbps)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eTDP:\u003c\/strong\u003e 6.6 W\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eSoftware Support (Inferencing):\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eExecutes deep learning neural networks with high performance efficiency\u003c\/li\u003e\n\u003cli\u003eParticularly suitable for CNNs (computer vision applications)\u003c\/li\u003e\n\u003cli\u003eCapable of processing multiple models and streams in parallel\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eSupported operating systems:\u003c\/strong\u003e Linux, Windows\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eSupported frameworks:\u003c\/strong\u003e TensorFlow, TensorFlow Lite, Keras, PyTorch, ONNX\u003c\/li\u003e\n\u003cli\u003e\u003cstrong\u003eCompatible with ARM and x86 systems\u003c\/strong\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eNotes:\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eCertifications:\u003c\/strong\u003e CE \u0026amp; FCC Class A\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eOperating temperature:\u003c\/strong\u003e -40°C to +85°C (ambient temperature) for the HM21LB1C2KAE variant (industrial temperature range)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eOperating humidity range:\u003c\/strong\u003e 5% - 90% RH (non-condensing)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eThis is the HAILO-8L variant with 13 TOPS. We also offer HAILO-8 variants with 26 TOPS in our shop.\u003c\/p\u003e\n\u003cp\u003eFor operation, it must be ensured that the heat generated by the Hailo-8L module is dissipated. The module is designed so that most of the heat is directed to the metallic cover of the chip (top surface of the package). We recommend reading the application note \"Hailo-8L AI Acceleration Module Thermal Design Considerations.\"\u003c\/p\u003e\n\u003ch3\u003eFAQ:\u003c\/h3\u003e\n\u003cp\u003e\u003cstrong\u003eWhat are example applications for this module?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eThis module can accelerate deep learning algorithms, particularly CNNs (convolutional neural networks).\u003c\/p\u003e\n\u003cp\u003eThese include:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003ePose Estimation\u003c\/strong\u003e - estimating human posture\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eObject detection\u003c\/strong\u003e with bounding boxes (e.g., where a bicycle is in the image and what it is)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eSegmentation\u003c\/strong\u003e - marking the areas of an image that contain a banana\u003c\/li\u003e\n\u003cli\u003e\u003cstrong\u003eLicense plate recognition\u003c\/strong\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cstrong\u003eFace recognition\u003c\/strong\u003e\u003c\/li\u003e\n\u003cli\u003eand much more.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eCan I run models for the HAILO-8L on a HAILO-8?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eYes, that's possible! Models compiled for HAILO-8L can also run on HAILO-8. However, the reverse is not true—models compiled for HAILO-8 cannot run on HAILO-8L, as fewer resources are available on the latter.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eI need a higher throughput\/frame rate.\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eA simple migration to HAILO-8 M.2 module variants is possible, provided your system can dissipate the additional heat. With the HAILO-8 M.2 modules, the theoretical compute power for deep learning networks doubles from 13 TOPS to 26 TOPS compared to HAILO-8L:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca rel=\"noopener\" href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-a-e-key-2230-26-tops\" target=\"_blank\"\u003e\u003cstrong\u003eHAILO-8 M.2 A+E Key\u003c\/strong\u003e\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca rel=\"noopener\" href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-b-m-key-2280-26-tops\" target=\"_blank\"\u003e\u003cstrong\u003eHAILO-8 M.2 B+M Key\u003c\/strong\u003e\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003ca rel=\"noopener\" href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-m-key-2280\" target=\"_blank\"\u003e\u003cstrong\u003eHAILO-8 M.2 M Key\u003c\/strong\u003e\u003c\/a\u003e (best for high data throughput thanks to 4 PCIe lanes)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eIf the frame rate is still unsatisfactory, please refer to the next question (\"I need more TOPS\").\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eI need more TOPS because I have a complex application, what can I do?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eThis HAILO-8L module has 13 TOPS. Please see the previous question regarding the easy switch to HAILO-8 modules with 26 TOPS.\u003c\/p\u003e\n\u003cp\u003eFor even more power:\u003c\/p\u003e\n\u003cp\u003eWe also offer a solution in our shop with \u003cstrong\u003e52 TOPS\u003c\/strong\u003e—\u003ca rel=\"noopener\" href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\" target=\"_blank\"\u003ethe Biscotti module\u003c\/a\u003e. It uses two HAILO-8 modules and has an EDSFF E1.S connector, commonly used in storage servers.\u003c\/p\u003e\n\u003cp\u003eThus, \u003ca rel=\"noopener\" href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\" target=\"_blank\"\u003ethe Biscotti Dual HAILO module can be installed in clusters\u003c\/a\u003e, scaling up to \u003cstrong\u003e1600 TOPS\u003c\/strong\u003e in a 19'' server, for example. Feel free to contact us with any questions!\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eIs the HAILO-8L a good alternative to Google Coral?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eYes, the HAILO-8L is a good alternative for users with higher performance demands than the Google Coral series.\u003c\/p\u003e\n\u003cp\u003eGoogle Coral, on the other hand, is suitable for applications where \u003cstrong\u003e4 TOPS\u003c\/strong\u003e of compute power is sufficient, as it is more cost-effective.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eCan I run LLMs on the HAILO-8L, such as LLAMA?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eLLMs = Large Language Models (such as ChatGPT \/ GPT4-o, or LLAMA, Falcon, etc.)\u003c\/p\u003e\n\u003cp\u003eNo, the HAILO-8L is not designed for that. GPUs typically used for running these LLMs have fast, directly attached memory. The HAILO-8L does not have enough memory to load these models.\u003c\/p\u003e\n\u003cp\u003eHAILO has announced a future product, the HAILO-10, which will have a memory interface and better support for GenAI applications, including LLMs.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eCan I train models with this device?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eNo, the HAILO-8L is intended exclusively for inference (int8). Training models typically requires a traditional GPU.\u003c\/p\u003e\n\u003cp\u003eHAILO supports this with a range of pre-built Docker containers, which can be used to train and customize models.\u003c\/p\u003e\n\u003cp\u003eThe \u003cstrong\u003eModel Build Environment\u003c\/strong\u003e is operated on a dedicated computer, as shown in the diagram, with the necessary technical specifications. The HAILO-8L itself is intended for edge applications, for inference, along with the HailoRT runtime.\u003c\/p\u003e\n\u003cp\u003e\u003ca rel=\"noopener\" href=\"https:\/\/pi3g.com\/kontakt\/\" target=\"_blank\"\u003eWe are happy to help with technical questions regarding models.\u003c\/a\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eMiscellaneous:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eHailo SKUs \/ alternative designations:\u003c\/strong\u003e\u003cbr\u003eHM21LB1C2KAE = Hailo-8, M.2 module A+E key 2230 - industrial temp. -40 to +85°C\u003cbr\u003eHM21LB1C2KAE\/HAI\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eHS Code:\u003c\/strong\u003e 85176200\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eCountry of origin:\u003c\/strong\u003e Taiwan\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eBulk pack size:\u003c\/strong\u003e 20 (you are ordering a single piece on this page; \u003ca rel=\"noopener\" href=\"https:\/\/pi3g.com\/kontakt\/\" target=\"_blank\"\u003econtact us for bulk orders\u003c\/a\u003e)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eLead time (backorder time):\u003c\/strong\u003e Currently 12 weeks\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c!----\u003e","brand":"Hailo","offers":[{"title":"Default Title","offer_id":45716762394891,"sku":"Hailo-HM21LB1C2KAE-003","price":115.0,"currency_code":"EUR","in_stock":false}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/Hailo-8L-A_E.png?v=1722793403"},{"product_id":"hailo-8l-m-2-module-b-m-key-2280-13-tops","title":"Hailo-8L M.2 module B+M Key 2280 (13 TOPS)","description":"\u003cp\u003eHailo-8L ist ein moderner KI-Beschleunigerchip für Deep Neural Networks. Hailo-8L ist insbesondere für Vision-Anwendungen geeignet. Das ist die M.2 B+M-key 2280 Variante des Hailo-8L AI Processors. Zum Betrieb wird eine Host-CPU benötigt. \u003c\/p\u003e\n\u003ch3\u003eTechnische Daten\u003c\/h3\u003e\n\u003ch3\u003eHAILO-8L AI Accelerator\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003ebis zu \u003cstrong\u003e13 TOPS INT8 performance \u003c\/strong\u003e(trillion operations per second = 13 Billionen Rechenoperationen pro Sekunde \/ 1,3 * 10^13 Rechenoperationen)\u003c\/li\u003e\n\u003cli\u003eFormfaktor: M.2 2280 B+M-Key \u003c\/li\u003e\n\u003cli\u003eAbmessungen: 22×80 mm\u003cbr\u003ekann durch abbrechen auf 22 x 42 mm oder 22 x 60 mm angepasst werden\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eInterface: PCIe Gen-3.0, 2 Lanes (bis zu 16 Gbs)\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003cspan\u003eTDP: 6.6 W\u003c\/span\u003e\u003cbr\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eSoftwareunterstützung (Inferencing)\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eführt Deep Learning Neural Networks mit hoher Leistungseffizienz aus\u003c\/li\u003e\n\u003cli\u003ebesonders gut für CNNs geeignet (Computer Vision Anwendungen)\u003c\/li\u003e\n\u003cli\u003eermöglicht parallel mehrere Modelle \u0026amp; Streams zu prozessieren\u003c\/li\u003e\n\u003cli\u003eLinux, Windows\u003c\/li\u003e\n\u003cli\u003eUnterstützt TensorFlow, TensorFlow Lite, Keras, PyTorch, ONNX\u003c\/li\u003e\n\u003cli\u003eKompatibel mit ARM und x86 Systemen. \u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eHinweise\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eCE \u0026amp; FCC Class A zertifiziert\u003c\/li\u003e\n\u003cli\u003eBetriebstemperatur: -40°C - +85°C (Umgebungstemperatur) für die \u003cspan\u003eHM21LB1C2LAE\u003c\/span\u003e Variante (industrieller Temperaturbereich)\u003c\/li\u003e\n\u003cli\u003eUnterstützer Luftfeuchtigkeitsbereich für den Betrieb: 5 % - 90 % RH (nicht kondensierend) \u003c\/li\u003e\n\u003cli\u003eDas ist die HAILO-8L Variante mit \u003cstrong\u003e13 TOPS\u003c\/strong\u003e. Wir führen auch die HAILO-8 Varianten mit 26 TOPS in unserem Shop. \u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eFür den Betrieb muss sichergestellt werden, dass die Hitze die das Hailo-8L Modul erzeugt abgeführt wird. Das Modul wurde so designed dass die meiste Hitze zur metallischen Abdeckung des Chips (Top Surface of the Package) hin abgeleitet wird. Wir empfehlen die Application Note \"Hailo-8L AI Acceleration Module Thermal Design Considerations\" zu lesen. \u003c\/p\u003e\n\u003ch3\u003eDokumentation \u0026amp; Downloads\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/hailo8_m.2_et_product_brief_2.1.pdf?v=1722549683\" rel=\"noopener\" target=\"_blank\" data-mce-href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/hailo8_m.2_et_product_brief_2.1.pdf?v=1722549683\"\u003eHAILO-8L M.2 AI Acceleration Modules Product brief (PDF)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/\"\u003eHailo Developer Zone\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/software-downloads\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/software-downloads\/\"\u003eHailo Software Downloads\u003c\/a\u003e - alles was benötigt wird um Hailo AI Prozessoren zu installieren und zu betreiben\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/documentation\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/documentation\/\"\u003eHailo Dokumentation und Datenblätter\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/hailo.ai\/products\/hailo-software\/model-explorer\/\" data-mce-href=\"https:\/\/hailo.ai\/products\/hailo-software\/model-explorer\/\"\u003eHailo Model Explorer\u003c\/a\u003e - ermöglicht das passendste AI Modell als Basis für Ihre Anwendung zu wählen\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/community.hailo.ai\/\" data-mce-href=\"https:\/\/community.hailo.ai\/\"\u003eHailo Community\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/github.com\/hailo-ai\" data-mce-href=\"https:\/\/github.com\/hailo-ai\"\u003eHailo auf GitHub\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eBeratung durch buyzero\u003c\/h3\u003e\n\u003cp\u003eWir beraten Sie ob Ihr Modell auf dem HAILO-8L lauffähig ist, und ob Sie Ihr Projekt mit Hilfe von HAILO-8L umsetzen können. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eKontaktieren Sie uns dazu bitte.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003eFAQ\u003c\/h3\u003e\n\u003ch3\u003eWas sind Beispielanwendungen für dieses Modul?\u003c\/h3\u003e\n\u003cp\u003eMan kann mit diesem Modul sogenannte Deep Learning Algorithmen, insbesondere CNNs (convolutional neural networks), beschleunigen. \u003c\/p\u003e\n\u003cp\u003eDazu gehören:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003ePose Estimation - Schätzung der Pose eines Menschen\u003c\/li\u003e\n\u003cli\u003eObjekterkennung mit Bounding Boxes (bspw. wo ist ein Fahrrad im Bild, und was ist es)\u003c\/li\u003e\n\u003cli\u003eSegmentierung - markiere die Bereiche eines Bildes die eine Banane einnimmt\u003c\/li\u003e\n\u003cli\u003eNummernschilderkennung\u003c\/li\u003e\n\u003cli\u003eGesichtserkennung\u003c\/li\u003e\n\u003cli\u003eu.v.m.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eKann ich Modelle für den HAILO-8L auch auf einem HAILO-8 laufen lassen?\u003c\/h3\u003e\n\u003cp\u003eJa, das ist möglich! Modelle die für den HAILO-8L kompiliert worden sind laufen auch auf einem HAILO-8. Umgekehrt funktioniert das nicht - Modelle die für den HAILO-8 kompiliert wurden können auf dem HAILO-8L nicht ausgeführt werden, da hier weniger Ressourcen zur Verfügung stehen.\u003c\/p\u003e\n\u003ch3\u003eIch brauche eine höhere Durchsatzrate \/ Framerate\u003c\/h3\u003e\n\u003cp\u003eEine einfache Migration ist auf die HAILO-8 M.2 Modulvarianten möglich, insofern Ihr System die zusätzlich erzeugte Abwärme abführen kann. Mit den HAILO-8 M.2 Modulen verdoppelt sich die theoretische Compute-Leistung für Deep Learning Netzwerke auf 26 TOPS von 13 TOPS für HAILO-8L: \u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-a-e-key-2230-26-tops\" data-mce-href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-a-e-key-2230-26-tops\"\u003eHAILO-8 M.2 A+E Key\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-b-m-key-2280-26-tops\" data-mce-href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-b-m-key-2280-26-tops\"\u003eHAILO-8 M.2 B+M Key\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-m-key-2280\" data-mce-href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-m-key-2280\"\u003eHAILO-8 M.2 M Key\u003c\/a\u003e (für besonders hohen Datendurchsatz am besten dank 4 PCIe Lanes)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eFalls die Framerate immer noch unbefriedigend ist, lesen Sie bitte die nächste Frage (Ich benötige mehr TOPS). \u003c\/p\u003e\n\u003ch3\u003eIch benötige mehr TOPS, da ich eine komplexe Anwendung habe, was kann ich tun?\u003c\/h3\u003e\n\u003cp\u003eDieses HAILO-8L Modul, hat \u003cstrong\u003e13 TOPS\u003c\/strong\u003e. Bitte beachten Sie die vorige Frage zu der einfachen Möglichkeit auf HAILO-8 Module mit \u003cstrong\u003e26 TOPS\u003c\/strong\u003e zu wechseln.\u003c\/p\u003e\n\u003cp\u003eFür noch mehr Leistung:\u003c\/p\u003e\n\u003cp\u003eWir bieten in unserem Shop auch eine Lösung mit \u003cstrong\u003e52 TOPS\u003c\/strong\u003e - das\u003ca href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\" data-mce-href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\"\u003e Biscotti Modul\u003c\/a\u003e an. Es nutzt dazu zwei HAILO-8 Module, und hat einen EDSFF \u003cstrong\u003eE1.S\u003c\/strong\u003e Anschluss - der in Storage Servern zum Einsatz kommt. \u003c\/p\u003e\n\u003cp\u003eDadurch kann das \u003ca href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\" data-mce-href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\"\u003eBiscotti Dual HAILO Modul\u003c\/a\u003e auch in Clustern verbaut werden, und in einem 19'' Server bspw. auf 1600 TOPS skaliert werden. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eWir stehen gerne bei Fragen zur Verfügung!\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003eIst der HAILO-8L eine gute Alternative zum Google Coral? \u003c\/h3\u003e\n\u003cp\u003eJa, der HAILO-8L ist für Anwender mit höheren Leistungsansprüchen eine gute Alternative zur Google Coral Serie. \u003c\/p\u003e\n\u003cp\u003eGoogle Coral kann hingegen gut in Anwendungen zum Einsatz kommen wo 4 TOPS Rechenleistung ausreichen, da sie günstiger sind. \u003c\/p\u003e\n\u003ch3\u003eWozu sind die abbrechbaren Platinenteile gedacht? \u003c\/h3\u003e\n\u003cp\u003eIn manchen Systemen können nur größere Module, bspw. M.2 2280 (80 mm) befestigt werden. Für andere Systeme wird diese zusätzliche Befestigungsmöglichkeit nicht benötigt.\u003c\/p\u003e\n\u003ch3\u003eKann ich LLMs auf dem HAILO-8L ausführen, bpsw. LLAMA?\u003c\/h3\u003e\n\u003cp\u003eLLMs = Large Language Modelle (so etwas wie ChatGPT \/ GPT4-o, bzw. LLAMA, Falcon, usw.)\u003c\/p\u003e\n\u003cp\u003eNein, dafür ist der HAILO-8L nicht ausgelegt. Grafikkarten auf denen diese LLMs typischerweise laufen haben schnellen direkt angebundenen Speicher. Der HAILO-8L hat unter anderem nicht genügend Speicher, um diese Modelle laden zu können. \u003c\/p\u003e\n\u003cp\u003eHAILO hat ein zukünftiges Produkt, den HAILO-10 angekündigt. Dieser wird eine Speicherschnittstelle haben, und auch GenAI Anwendungen wie LLMs besser unterstützen.\u003c\/p\u003e\n\u003ch3\u003eKann ich damit Modelle trainieren?\u003c\/h3\u003e\n\u003cp\u003eNein, der HAILO-8L ist ausschließlich für die Inferenz (int8) gedacht. Zum Training von Modellen wird typischerweise eine klassische GPU eingesetzt.\u003c\/p\u003e\n\u003cp\u003eHAILO bietet hier Unterstützung mit einer Reihe von vorgebauten Docker-Containern, mit denen Modelle trainiert und auch angepasst werden können.\u003c\/p\u003e\n\u003cp\u003e\u003cimg height=\"241\" width=\"543\" alt=\"\" src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-SW.jpg?v=1722464870\" data-mce-src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-SW.jpg?v=1722464870\"\u003e\u003c\/p\u003e\n\u003cp\u003eDas Model Build Environment wird wie im Diagramm gezeigt auf einem eigenen dafür vorgesehenen Computer betrieben, der über die notwendigen technischen Parameter verfügt. HAILO-8L selbst ist für Edge-Anwendungen gedacht, für die Inferenz, zusammen mit der HailoRT Runtime.\u003c\/p\u003e\n\u003cp\u003e\u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eWir unterstützen gerne bei technischen Fragen zu Modellen.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003ePhysikalische Abmessungen\u003c\/h3\u003e\n\u003cp\u003eAlle Abmessungen in mm. Nur als Referenz, nicht für 3D-Modellierung geeignet.\u003c\/p\u003e\n\u003cp\u003e\u003cimg alt=\"\" src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/hailo-8l-b_m-dimensions.png?v=1722794709\" width=\"532\" height=\"355\" data-mce-src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/hailo-8l-b_m-dimensions.png?v=1722794709\"\u003e\u003cimg\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cimg\u003e\u003c\/p\u003e\n\u003ch3\u003eMisc\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eHailo SKUs \/ alternative Bezeichnungen:  \n\u003cul\u003e\n\u003cli\u003eHM21LB1C2LAE = Hailo-8, M.2 module A+E key 2230 - industrial\u003cbr\u003eTemp. -40 to +85°C\u003c\/li\u003e\n\u003cli\u003eHM21LB1C2LAE\/HAI\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003eHS Code: 85176200\u003c\/li\u003e\n\u003cli\u003eCountry of origin: Taiwan\u003c\/li\u003e\n\u003cli\u003ePackungsmenge einer Großverpackung: 20 \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003e(auf dieser Seite bestellen Sie ein Stück, wenden Sie sich bei Großbedarf gerne an uns)\u003c\/a\u003e\n\u003c\/li\u003e\n\u003cli\u003eLead Time (Nachlieferzeit): aktuell 12 Wochen\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003ch2\u003eEnglish Description\u003c\/h2\u003e\n\u003cp\u003eHailo-8L is a modern AI accelerator chip for Deep Neural Networks. Hailo-8L is particularly suitable for vision applications. This is the M.2 B+M-key 2280 variant of the Hailo-8L AI Processor. A host CPU is required for operation.\u003c\/p\u003e\n\u003ch3\u003e\u003cstrong\u003eTechnical Specifications\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eHAILO-8L AI Accelerator\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eUp to 13 TOPS INT8 performance (trillion operations per second = 13 trillion operations per second \/ 1.3 * 10^13 operations)\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eForm factor: M.2 2280 B+M-Key\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eDimensions: 22×80 mm\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eCan be adjusted to 22 x 42 mm or 22 x 60 mm by breaking off parts\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eInterface: PCIe Gen-3.0, 2 Lanes (up to 16 Gbps)\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eTDP: 6.6 W\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003e\u003cstrong\u003eSoftware Support (Inferencing)\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eExecutes deep learning neural networks with high efficiency\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eEspecially suitable for CNNs (computer vision applications)\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eAllows parallel processing of multiple models \u0026amp; streams\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eLinux, Windows\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eSupports TensorFlow, TensorFlow Lite, Keras, PyTorch, ONNX\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eCompatible with ARM and x86 systems.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003e\u003cstrong\u003eNotes\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eCE \u0026amp; FCC Class A certified\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eOperating temperature: -40°C - +85°C (ambient temperature) for the HM21LB1C2LAE variant (industrial temperature range)\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eSupported operating humidity range: 5% - 90% RH (non-condensing)\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eThis is the HAILO-8L variant with 13 TOPS. We also offer the HAILO-8 variants with 26 TOPS in our store.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eEnsure that the heat generated by the Hailo-8L module is dissipated.\u003c\/p\u003e\n\u003cp\u003eThe module is designed so that most of the heat is directed towards the metallic cover of the chip (top surface of the package). We recommend reading the Application Note \"Hailo-8L AI Acceleration Module Thermal Design Considerations.\"\u003cstrong\u003e\u003c\/strong\u003e\u003c\/p\u003e\n\u003ch3\u003e\n\u003cstrong\u003eFAQ\u003c\/strong\u003e\u003cbr\u003eWhat are example applications for this module?\u003c\/h3\u003e\n\u003cp\u003eThis module can accelerate deep learning algorithms, particularly CNNs (convolutional neural networks).\u003c\/p\u003e\n\u003cp\u003eThese include:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003ePose estimation (estimating the pose of a person)\u003c\/li\u003e\n\u003cli\u003eObject detection with bounding boxes (e.g., where is a bicycle in the image, and what is it)\u003c\/li\u003e\n\u003cli\u003eSegmentation (mark the areas of an image occupied by a banana)\u003c\/li\u003e\n\u003cli\u003eLicense plate recognition\u003c\/li\u003e\n\u003cli\u003eFacial recognition\u003c\/li\u003e\n\u003cli\u003eAnd much more.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eCan I run models for the HAILO-8L on a HAILO-8?\u003c\/h3\u003e\n\u003cp\u003eYes, it’s possible! Models compiled for the HAILO-8L can also run on a HAILO-8. The reverse is not true—models compiled for the HAILO-8 cannot be executed on the HAILO-8L due to fewer available resources.\u003c\/p\u003e\n\u003ch3\u003eI need higher throughput\/framerate.\u003c\/h3\u003e\n\u003cp\u003eA simple migration to HAILO-8 M.2 module variants is possible, as long as your system can dissipate the additional heat. The theoretical compute performance for deep learning networks doubles to 26 TOPS from 13 TOPS for the HAILO-8L with the HAILO-8 M.2 modules:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-a-e-key-2230-26-tops\" target=\"_blank\" rel=\"noopener\"\u003eHAILO-8 M.2 A+E Key\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-b-m-key-2280-26-tops\" target=\"_blank\" rel=\"noopener\"\u003eHAILO-8 M.2 B+M Key\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-m-key-2280\" target=\"_blank\" rel=\"noopener\"\u003eHAILO-8 M.2 M Key\u003c\/a\u003e (best for high data throughput due to 4 PCIe lanes)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eIf the framerate is still unsatisfactory, please read the next question (I need more TOPS).\u003c\/p\u003e\n\u003ch3\u003eI need more TOPS for a complex application, what can I do?\u003c\/h3\u003e\n\u003cp\u003eThis HAILO-8L module has 13 TOPS. Please refer to the previous question about the simple option to switch to HAILO-8 modules with 26 TOPS.\u003c\/p\u003e\n\u003cp\u003eFor even more performance:\u003cbr\u003eWe also offer a solution with 52 TOPS in our shop—\u003ca href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\" target=\"_blank\" rel=\"noopener\"\u003ethe Biscotti module\u003c\/a\u003e. It uses two HAILO-8 modules and has an EDSFF E1.S connector, commonly used in storage servers.\u003c\/p\u003e\n\u003cp\u003eThis allows \u003ca href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\" target=\"_blank\" rel=\"noopener\"\u003ethe Biscotti Dual HAILO module to be installed in clusters\u003c\/a\u003e and scaled up to 1600 TOPS in a 19\" server. We are happy to assist with any questions.\u003c\/p\u003e\n\u003ch3\u003eIs the HAILO-8L a good alternative to Google Coral?\u003c\/h3\u003e\n\u003cp\u003eYes, the HAILO-8L is a good alternative for users with higher performance demands compared to the Google Coral series.\u003c\/p\u003e\n\u003cp\u003eGoogle Coral is more suitable for applications where 4 TOPS of processing power are sufficient, as it is more affordable.\u003c\/p\u003e\n\u003ch3\u003eWhat is the purpose of the breakable board sections?\u003c\/h3\u003e\n\u003cp\u003eIn some systems, only larger modules, such as the M.2 2280 (80 mm), can be mounted. For other systems, this extra mounting option is not needed.\u003c\/p\u003e\n\u003ch3\u003eCan I run LLMs (like LLAMA) on the HAILO-8L?\u003c\/h3\u003e\n\u003cp\u003eLLMs = Large Language Models (like ChatGPT\/GPT4-o, LLAMA, Falcon, etc.)\u003cbr\u003eNo, the HAILO-8L is not designed for this. GPUs that typically run these LLMs have fast, directly attached memory. The HAILO-8L lacks the necessary memory to load these models.\u003c\/p\u003e\n\u003cp\u003eHAILO has announced a future product, the HAILO-10, which will have a memory interface and better support for GenAI applications like LLMs.\u003c\/p\u003e\n\u003ch3\u003e\u003cstrong\u003eCan I train models on it?\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cp\u003eNo, the HAILO-8L is intended solely for inference (INT8). Model training typically requires a classic GPU.\u003c\/p\u003e\n\u003cp\u003eHAILO supports this with a range of pre-built Docker containers, enabling model training and customization.\u003cbr\u003eThe model build environment, as shown in the diagram, is operated on a separate dedicated computer with the necessary technical parameters. The HAILO-8L itself is designed for edge applications, for inference, together with the HailoRT runtime.\u003c\/p\u003e\n\u003cp\u003e\u003ca href=\"https:\/\/pi3g.com\/kontakt\/\" target=\"_blank\" rel=\"noopener\"\u003eWe are happy to assist with technical questions regarding models\u003c\/a\u003e.\u003c\/p\u003e\n\u003ch3\u003e\n\u003cstrong\u003eMisc\u003c\/strong\u003e\u003cbr\u003eHailo SKUs\/Alternative Designations:\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eHM21LB1C2LAE = Hailo-8, M.2 module A+E key 2230 - industrial\u003c\/li\u003e\n\u003cli\u003eTemp. -40 to +85°C\u003c\/li\u003e\n\u003cli\u003eHM21LB1C2LAE\/HAI\u003cbr\u003eHS Code: 85176200\u003cbr\u003eCountry of origin: Taiwan\u003cbr\u003ePackaging quantity of a large package: 20 (you are ordering a single piece here; \u003ca href=\"https:\/\/pi3g.com\/kontakt\/\" data-mce-href=\"https:\/\/pi3g.com\/kontakt\/\" target=\"_blank\"\u003eplease contact us for bulk orders\u003c\/a\u003e)\u003cbr\u003eLead time: currently 12 weeks\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c!----\u003e","brand":"Hailo","offers":[{"title":"Default Title","offer_id":45716849328395,"sku":"Hailo-HM21LB1C2LAE-002","price":115.0,"currency_code":"EUR","in_stock":false}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/Hailo-8L_M.2_module_B_M_Key_2280_13_TOPS_1.jpg?v=1729850587"},{"product_id":"hailo-8r-mini-pcie-module-13-tops","title":"Hailo-8R Mini PCIe module (13 TOPS)","description":"\u003cp\u003eHailo-8R ist ein moderner KI-Beschleunigerchip für Deep Neural Networks. Hailo-8R ist insbesondere für Vision-Anwendungen geeignet. Zum Betrieb wird eine Host-CPU benötigt. \u003c\/p\u003e\n\u003ch2\u003eTechnische Daten\u003c\/h2\u003e\n\u003ch3\u003eHAILO-8R AI Accelerator\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003ebis zu \u003cstrong\u003e13 TOPS INT8 performance \u003c\/strong\u003e(trillion operations per second = 13 Billionen Rechenoperationen pro Sekunde \/ 1,3 * 10^13 Rechenoperationen)\u003c\/li\u003e\n\u003cli\u003eFormfaktor: mPCIe Full-Mini (mini PCI Express) \u003c\/li\u003e\n\u003cli\u003eAbmessungen: 30×50.95 mm\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eInterface: PCIe Gen-3.0, 1 Lane (bis zu 8 Gbs)\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003cspan\u003eTDP: 2.3 W\u003c\/span\u003e\u003cbr\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cem\u003e2.3W sind gemäß der PCI Express Mini Card Electromechanical Specification Revision 2.1. HAILO empfiehlt bei berechnungsintensiven AI Beschleunigungsanwendungen eine höhere TDP von 3.6 W zu nutzen.\u003c\/em\u003e\u003c\/p\u003e\n\u003ch3\u003eSoftwareunterstützung (Inferencing)\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eführt Deep Learning Neural Networks mit hoher Leistungseffizienz aus\u003c\/li\u003e\n\u003cli\u003ebesonders gut für CNNs geeignet (Computer Vision Anwendungen)\u003c\/li\u003e\n\u003cli\u003eermöglicht parallel mehrere Modelle \u0026amp; Streams zu prozessieren\u003c\/li\u003e\n\u003cli\u003eLinux, Windows\u003c\/li\u003e\n\u003cli\u003eUnterstützt TensorFlow, TensorFlow Lite, Keras, PyTorch, ONNX\u003c\/li\u003e\n\u003cli\u003eKompatibel mit ARM und x86 Systemen. \u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003eHinweise\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003eCE \u0026amp; FCC Class A zertifiziert\u003c\/li\u003e\n\u003cli\u003eBetriebstemperatur: -40°C - +85°C (Umgebungstemperatur) für die HMP1RB1C2GAE Variante (industrieller Temperaturbereich)\u003c\/li\u003e\n\u003cli\u003eUnterstützer Luftfeuchtigkeitsbereich für den Betrieb: 5 % - 90 % RH (nicht kondensierend) \u003c\/li\u003e\n\u003cli\u003eDas ist die HAILO-8R Variante mit \u003cstrong\u003e13 TOPS\u003c\/strong\u003e. Wir führen auch die HAILO-8 Varianten mit 26 TOPS in unserem Shop. \u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eFür den Betrieb muss sichergestellt werden, dass die Hitze die das Hailo-8R Modul erzeugt abgeführt wird. Das Modul wurde so designed dass die meiste Hitze zur metallischen Abdeckung des Chips (Top Surface of the Package) hin abgeleitet wird. Wir empfehlen die Application Note \"Hailo-8R AI Acceleration Module Thermal Design Considerations\" zu lesen. \u003c\/p\u003e\n\u003ch2\u003eDokumentation \u0026amp; Downloads\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/hailo8r_mpcie_et_product_brief_2.1.pdf?v=1722893216\" rel=\"noopener\" target=\"_blank\" data-mce-href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/hailo8r_mpcie_et_product_brief_2.1.pdf?v=1722893216\"\u003eHAILO-8R M.2 AI Acceleration Modules Product brief (PDF)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/\"\u003eHailo Developer Zone\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/software-downloads\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/software-downloads\/\"\u003eHailo Software Downloads\u003c\/a\u003e - alles was benötigt wird um Hailo AI Prozessoren zu installieren und zu betreiben\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/documentation\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/documentation\/\"\u003eHailo Dokumentation und Datenblätter\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/hailo.ai\/products\/hailo-software\/model-explorer\/\" data-mce-href=\"https:\/\/hailo.ai\/products\/hailo-software\/model-explorer\/\"\u003eHailo Model Explorer\u003c\/a\u003e - ermöglicht das passendste AI Modell als Basis für Ihre Anwendung zu wählen\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/community.hailo.ai\/\" data-mce-href=\"https:\/\/community.hailo.ai\/\"\u003eHailo Community\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/github.com\/hailo-ai\" data-mce-href=\"https:\/\/github.com\/hailo-ai\"\u003eHailo auf GitHub\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003eBeratung durch buyzero\u003c\/h2\u003e\n\u003cp\u003eWir beraten Sie ob Ihr Modell auf dem HAILO-8R lauffähig ist, und ob Sie Ihr Projekt mit Hilfe von HAILO-8R umsetzen können. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eKontaktieren Sie uns dazu bitte.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch2\u003eFAQ\u003c\/h2\u003e\n\u003ch3\u003eWas sind Beispielanwendungen für dieses Modul?\u003c\/h3\u003e\n\u003cp\u003eMan kann mit diesem Modul sogenannte Deep Learning Algorithmen, insbesondere CNNs (convolutional neural networks), beschleunigen. \u003c\/p\u003e\n\u003cp\u003eDazu gehören:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003ePose Estimation - Schätzung der Pose eines Menschen\u003c\/li\u003e\n\u003cli\u003eObjekterkennung mit Bounding Boxes (bspw. wo ist ein Fahrrad im Bild, und was ist es)\u003c\/li\u003e\n\u003cli\u003eSegmentierung - markiere die Bereiche eines Bildes die eine Banane einnimmt\u003c\/li\u003e\n\u003cli\u003eNummernschilderkennung\u003c\/li\u003e\n\u003cli\u003eGesichtserkennung\u003c\/li\u003e\n\u003cli\u003eu.v.m.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eKann ich Modelle für den HAILO-8R auch auf einem HAILO-8 laufen lassen?\u003c\/h3\u003e\n\u003cp\u003eJa, das ist möglich! Modelle die für den HAILO-8R kompiliert worden sind laufen auch auf einem HAILO-8. Sie sind allerdings \u003cstrong\u003enicht \u003c\/strong\u003eauf einem HAILO-8L lauffähig (der ebenfalls 13 TOPS bietet).\u003c\/p\u003e\n\u003ch3\u003eIch brauche eine höhere Durchsatzrate \/ Framerate\u003c\/h3\u003e\n\u003cp\u003eHAILO-8L in den \u003ca href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8l-m-2-module-a-e-key-2230-13-tops\" data-mce-href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8l-m-2-module-a-e-key-2230-13-tops\"\u003eA+E\u003c\/a\u003e und\u003ca href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8l-m-2-module-b-m-key-2280-13-tops\" data-mce-href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8l-m-2-module-b-m-key-2280-13-tops\"\u003e B+M Key\u003c\/a\u003e Varianten bietet ebenso 13 TOPS, allerdings eine höhere PCI Express Bandbreite (jeweils 2 Lanes), falls der Host das auch unterstützt. Dadurch werden manche Modelle unter Umständen mit mehr Leistung ausgeführt, schneller geladen, etc. \u003c\/p\u003e\n\u003cp\u003eEine einfache Migration ist auch auf die HAILO-8 M.2 Modulvarianten möglich, insofern Ihr System die zusätzlich erzeugte Abwärme abführen kann, und die M.2 Schnittstelle unterstützt. Mit den HAILO-8 M.2 Modulen verdoppelt sich die theoretische Compute-Leistung für Deep Learning Netzwerke auf 26 TOPS von 13 TOPS für HAILO-8R: \u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-a-e-key-2230-26-tops\" data-mce-href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-a-e-key-2230-26-tops\"\u003eHAILO-8 M.2 A+E Key\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-b-m-key-2280-26-tops\" data-mce-href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-b-m-key-2280-26-tops\"\u003eHAILO-8 M.2 B+M Key\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-m-key-2280\" data-mce-href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-m-key-2280\"\u003eHAILO-8 M.2 M Key\u003c\/a\u003e (für besonders hohen Datendurchsatz am besten dank 4 PCIe Lanes)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eFalls die Framerate immer noch unbefriedigend ist, lesen Sie bitte die nächste Frage (Ich benötige mehr TOPS). \u003c\/p\u003e\n\u003ch3\u003eIch benötige mehr TOPS, da ich eine komplexe Anwendung habe, was kann ich tun?\u003c\/h3\u003e\n\u003cp\u003eDieses HAILO-8R Modul, hat \u003cstrong\u003e13 TOPS\u003c\/strong\u003e. Bitte beachten Sie die vorige Frage zu der einfachen Möglichkeit auf HAILO-8 Module mit \u003cstrong\u003e26 TOPS\u003c\/strong\u003e zu wechseln.\u003c\/p\u003e\n\u003cp\u003eFür noch mehr Leistung:\u003c\/p\u003e\n\u003cp\u003eWir bieten in unserem Shop auch eine Lösung mit \u003cstrong\u003e52 TOPS\u003c\/strong\u003e - das\u003ca href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\" data-mce-href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\"\u003e Biscotti Modul\u003c\/a\u003e an. Es nutzt dazu zwei HAILO-8 Module, und hat einen EDSFF \u003cstrong\u003eE1.S\u003c\/strong\u003e Anschluss - der in Storage Servern zum Einsatz kommt. \u003c\/p\u003e\n\u003cp\u003eDadurch kann das \u003ca href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\" data-mce-href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\"\u003eBiscotti Dual HAILO Modul\u003c\/a\u003e auch in Clustern verbaut werden, und in einem 19'' Server bspw. auf 1600 TOPS skaliert werden. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eWir stehen gerne bei Fragen zur Verfügung!\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003eIst der HAILO-8R eine gute Alternative zum Google Coral? \u003c\/h3\u003e\n\u003cp\u003eJa, der HAILO-8R ist für Anwender mit höheren Leistungsansprüchen eine gute Alternative zur Google Coral Serie. \u003c\/p\u003e\n\u003cp\u003eGoogle Coral kann hingegen gut in Anwendungen zum Einsatz kommen wo 4 TOPS Rechenleistung ausreichen, da sie günstiger sind. \u003c\/p\u003e\n\u003ch3\u003eKann ich LLMs auf dem HAILO-8R ausführen, bpsw. LLAMA?\u003c\/h3\u003e\n\u003cp\u003eLLMs = Large Language Modelle (so etwas wie ChatGPT \/ GPT4-o, bzw. LLAMA, Falcon, usw.)\u003c\/p\u003e\n\u003cp\u003eNein, dafür ist der HAILO-8R nicht ausgelegt. Grafikkarten auf denen diese LLMs typischerweise laufen haben schnellen direkt angebundenen Speicher. Der HAILO-8R hat unter anderem nicht genügend Speicher, um diese Modelle laden zu können. \u003c\/p\u003e\n\u003cp\u003eHAILO hat ein zukünftiges Produkt, den HAILO-10 angekündigt. Dieser wird eine Speicherschnittstelle haben, und auch GenAI Anwendungen wie LLMs besser unterstützen.\u003c\/p\u003e\n\u003ch3\u003eKann ich damit Modelle trainieren?\u003c\/h3\u003e\n\u003cp\u003eNein, der HAILO-8R ist ausschließlich für die Inferenz (int8) gedacht. Zum Training von Modellen wird typischerweise eine klassische GPU eingesetzt.\u003c\/p\u003e\n\u003cp\u003eHAILO bietet hier Unterstützung mit einer Reihe von vorgebauten Docker-Containern, mit denen Modelle trainiert und auch angepasst werden können.\u003c\/p\u003e\n\u003cp\u003e\u003cimg height=\"241\" width=\"543\" alt=\"\" src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-SW.jpg?v=1722464870\" data-mce-src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-SW.jpg?v=1722464870\"\u003e\u003c\/p\u003e\n\u003cp\u003eDas Model Build Environment wird wie im Diagramm gezeigt auf einem eigenen dafür vorgesehenen Computer betrieben, der über die notwendigen technischen Parameter verfügt. HAILO-8R selbst ist für Edge-Anwendungen gedacht, für die Inferenz, zusammen mit der HailoRT Runtime.\u003c\/p\u003e\n\u003cp\u003e\u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eWir unterstützen gerne bei technischen Fragen zu Modellen.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003ePhysikalische Abmessungen\u003c\/h3\u003e\n\u003cp\u003eAlle Abmessungen in mm. Nur als Referenz, nicht für 3D-Modellierung geeignet.\u003c\/p\u003e\n\u003cp\u003e\u003cimg\u003e\u003cimg alt=\"\" src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-8R-mechanical-dimensions.jpg?v=1722893466\" width=\"548\" height=\"318\" data-mce-src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-8R-mechanical-dimensions.jpg?v=1722893466\"\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cimg\u003e\u003c\/p\u003e\n\u003ch2\u003eMisc\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003eHailo SKUs \/ alternative Bezeichnungen: \n\u003cul\u003e\n\u003cli\u003eHMP1RB1C2GAE = Hailo-8R, mPCIe module - industrial\u003cbr\u003eTemp. -40 to +85°C\u003c\/li\u003e\n\u003cli\u003eHMP1RB1C2GA = Hailo-8R, mPCIe module - commercial\u003cbr\u003eTemp. 0 to +70°C\u003c\/li\u003e\n\u003cli\u003eHMP1RB1C2GAE\/HAI\u003c\/li\u003e\n\u003cli\u003eHMP1RB1C2GA \u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003eHS Code: 85176200\u003c\/li\u003e\n\u003cli\u003eCountry of origin: Taiwan\u003c\/li\u003e\n\u003cli\u003ePackungsmenge einer Großverpackung: 20 \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003e(auf dieser Seite bestellen Sie ein Stück, wenden Sie sich bei Großbedarf gerne an uns)\u003c\/a\u003e\n\u003c\/li\u003e\n\u003cli\u003eLead Time (Nachlieferzeit): aktuell 12 Wochen\u003c\/li\u003e\n\u003cli\u003eRoHS (10) compliant\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003c!----\u003e","brand":"Hailo","offers":[{"title":"Default Title","offer_id":45719990599947,"sku":"Hailo-HMP1RB1C2GAE-014","price":175.0,"currency_code":"EUR","in_stock":false}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-8R-front.jpg?v=1722894396"},{"product_id":"hailo-8-m-2-module-starter-kit-a-e-key-2230-26-tops","title":"Hailo-8 M.2 module Starter Kit A+E Key 2230 (26 TOPS)","description":"\u003cp\u003eHailo-8 ist ein moderner KI-Beschleunigerchip für Deep Neural Networks. Hailo-8 ist insbesondere für Vision-Anwendungen geeignet. Das ist die M.2 A+E-key 2230 Variante des Hailo-8 AI Processors. Zum Betrieb wird eine Host-CPU benötigt. \u003c\/p\u003e\n\u003cp\u003eDas Starterkit umfasst einiges an praktischem Zubehör für den Einstieg mit HAILO-8.\u003c\/p\u003e\n\u003ch2\u003eLieferumfang Starter Kit\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003eHAILO-8 M.2 Key A+E 2230 (26 TOPS)\u003c\/li\u003e\n\u003cli\u003eThermal management kit - beinhaltet Metallwürfel, Wärmeleitpads und Wärmeleitklebeband\u003c\/li\u003e\n\u003cli\u003eSchraube und Schraubenzieher \u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003eTechnische Daten\u003c\/h2\u003e\n\u003ch3\u003eHAILO-8 AI Accelerator\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003ebis zu \u003cstrong\u003e26 TOPS INT8 performance \u003c\/strong\u003e(trillion operations per second = 26 Billionen Rechenoperationen pro Sekunde \/ 2,6 * 10^13 Rechenoperationen)\u003c\/li\u003e\n\u003cli\u003eFormfaktor: M.2 2230 A+E-Key \u003c\/li\u003e\n\u003cli\u003eAbmessungen: \u003cspan\u003e22×30 mm\u003c\/span\u003e\n\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eInterface: PCIe Gen-3.0, 2 Lanes (bis zu 16 Gbs)\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003cspan\u003eTDP: 6.93 W\u003c\/span\u003e\u003cbr\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eSoftwareunterstützung (Inferencing)\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eführt Deep Learning Neural Networks mit hoher Leistungseffizienz aus\u003c\/li\u003e\n\u003cli\u003ebesonders gut für CNNs geeignet (Computer Vision Anwendungen)\u003c\/li\u003e\n\u003cli\u003eermöglicht parallel mehrere Modelle \u0026amp; Streams zu prozessieren\u003c\/li\u003e\n\u003cli\u003eLinux, Windows\u003c\/li\u003e\n\u003cli\u003eUnterstützt TensorFlow, TensorFlow Lite, Keras, PyTorch, ONNX\u003c\/li\u003e\n\u003cli\u003eKompatibel mit ARM und x86 Systemen. \u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003eHinweise\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003eCE \u0026amp; FCC Class A zertifiziert\u003c\/li\u003e\n\u003cli\u003eBetriebstemperatur: -40°C - +85°C (Umgebungstemperatur) für die HM218B1C2KAE Variante (industrieller Temperaturbereich)\u003c\/li\u003e\n\u003cli\u003eOptional auch als Hailo-8 starter Kit erhältlich\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cimg height=\"325\" width=\"543\" src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-8-performance-comparison.png?v=1722549115\" alt=\"\" data-mce-src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-8-performance-comparison.png?v=1722549115\"\u003e\u003c\/p\u003e\n\u003cp\u003e(siehe \u003ca href=\"https:\/\/hailo.ai\/products\/ai-accelerators\/hailo-8-m2-ai-acceleration-module\/#hailo8-m2-performance\" data-mce-href=\"https:\/\/hailo.ai\/products\/ai-accelerators\/hailo-8-m2-ai-acceleration-module\/#hailo8-m2-performance\"\u003eHAILO Website\u003c\/a\u003e als Grafikquelle mit Erklärung der Testparameter)\u003c\/p\u003e\n\u003cp\u003eFür den Betrieb muss sichergestellt werden, dass die Hitze die das Hailo-8 Modul erzeugt abgeführt wird. Das Modul wurde so designed dass die meiste Hitze zur metallischen Abdeckung des Chips (Top Surface of the Package) hin abgeleitet wird. Wir empfehlen die Application Note \"Hailo-8 AI Acceleration Module Thermal Design Considerations\" zu lesen. \u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003ees gibt zwei Varianten des Moduls. Abgebildet ist die MEA Konfiguration. Eine weitere, funktionell und leistungsmäßig identische MEB Konfiguration existiert, aufgrund von einer alternativen Auslegung der Stromversorgungskomponenten. \u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003eDokumentation \u0026amp; Downloads\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/hailo8_m.2_starter_kit_product_brief_1.24.pdf?v=1722978787\" data-mce-href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/hailo8_m.2_starter_kit_product_brief_1.24.pdf?v=1722978787\" target=\"_blank\"\u003eHAILO-8 M.2 Starter Kit product brief (PDF)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/\"\u003eHailo Developer Zone\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/software-downloads\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/software-downloads\/\"\u003eHailo Software Downloads\u003c\/a\u003e - alles was benötigt wird um Hailo AI Prozessoren zu installieren und zu betreiben\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/documentation\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/documentation\/\"\u003eHailo Dokumentation und Datenblätter\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/hailo.ai\/products\/hailo-software\/model-explorer\/\" data-mce-href=\"https:\/\/hailo.ai\/products\/hailo-software\/model-explorer\/\"\u003eHailo Model Explorer\u003c\/a\u003e - ermöglicht das passendste AI Modell als Basis für Ihre Anwendung zu wählen\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/community.hailo.ai\/\" data-mce-href=\"https:\/\/community.hailo.ai\/\"\u003eHailo Community\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/github.com\/hailo-ai\" data-mce-href=\"https:\/\/github.com\/hailo-ai\"\u003eHailo auf GitHub\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003eBeratung durch buyzero\u003c\/h2\u003e\n\u003cp\u003eWir beraten Sie ob Ihr Modell auf dem HAILO-8 lauffähig ist, und ob Sie Ihr Projekt mit Hilfe von HAILO-8 umsetzen können. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eKontaktieren Sie uns dazu bitte.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch2\u003eFAQ\u003c\/h2\u003e\n\u003ch3\u003eWas sind Beispielanwendungen für dieses Modul?\u003c\/h3\u003e\n\u003cp\u003eMan kann mit diesem Modul sogenannte Deep Learning Algorithmen, insbesondere CNNs (convolutional neural networks), beschleunigen. \u003c\/p\u003e\n\u003cp\u003eDazu gehören:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003ePose Estimation - Schätzung der Pose eines Menschen\u003c\/li\u003e\n\u003cli\u003eObjekterkennung mit Bounding Boxes (bspw. wo ist ein Fahrrad im Bild, und was ist es)\u003c\/li\u003e\n\u003cli\u003eSegmentierung - markiere die Bereiche eines Bildes die eine Banane einnimmt\u003c\/li\u003e\n\u003cli\u003eNummernschilderkennung\u003c\/li\u003e\n\u003cli\u003eGesichtserkennung\u003c\/li\u003e\n\u003cli\u003eu.v.m.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eKann ich Modelle für den HAILO-8L auch auf einem HAILO-8 laufen lassen?\u003c\/h3\u003e\n\u003cp\u003eJa, das ist möglich! Modelle die für den HAILO-8L kompiliert worden sind laufen auch auf einem HAILO-8.\u003c\/p\u003e\n\u003ch3\u003eIch brauche eine höhere Durchsatzrate \/ Framerate\u003c\/h3\u003e\n\u003cp\u003eDas \u003ca href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-m-key-2280\" data-mce-href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-m-key-2280\"\u003eHAILO-8 M.2 M-key Modul \u003c\/a\u003ehat eine Anbindung mit 4 PCIe Gen-3.0 Lanes, während das \u003ca href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-b-m-key-2280-26-tops\" data-mce-href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-b-m-key-2280-26-tops\"\u003eB+M Modul\u003c\/a\u003e und das \u003ca href=\"https:\/\/buyzero.de\/en\/products\/hailo-8-m-2-module-a-e-key-2230-26-tops\" data-mce-href=\"https:\/\/buyzero.de\/en\/products\/hailo-8-m-2-module-a-e-key-2230-26-tops\"\u003eA+E Modul\u003c\/a\u003e nur 2 Lanes nutzen können. Eine höhere Framerate könnte bspw. auch durch die Limitation durch die PCI Express Bandbreite beeinflusst sein - wir empfehlen daher als erstes die\u003ca href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-m-key-2280\" data-mce-href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-m-key-2280\"\u003e M-Key Variante\u003c\/a\u003e auszuprobieren. Dabei sollte natürlich sichergestellt werden, dass der Host-Computer die vier PCIe Lanes bereitstellen kann. Falls die Framerate immer noch unbefriedigend ist, lesen Sie bitte die nächste Frage (Ich benötige mehr TOPS). \u003c\/p\u003e\n\u003ch3\u003eIch benötige mehr TOPS, da ich eine komplexe Anwendung habe, was kann ich tun?\u003c\/h3\u003e\n\u003cp\u003eDieses HAILO-8 Modul, hat \u003cstrong\u003e26 TOPS\u003c\/strong\u003e. \u003c\/p\u003e\n\u003cp\u003eWir bieten in unserem Shop auch eine Lösung mit \u003cstrong\u003e52 TOPS\u003c\/strong\u003e - das\u003ca href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\" data-mce-href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\"\u003e Biscotti Modul\u003c\/a\u003e an. Es nutzt dazu zwei HAILO-8 Module, und hat einen EDSFF \u003cstrong\u003eE1.S\u003c\/strong\u003e Anschluss - der in Storage Servern zum Einsatz kommt. \u003c\/p\u003e\n\u003cp\u003eDadurch kann das \u003ca href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\" data-mce-href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\"\u003eBiscotti Dual HAILO Modul\u003c\/a\u003e auch in Clustern verbaut werden, und in einem 19'' Server bspw. auf 1600 TOPS skaliert werden. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eWir stehen gerne bei Fragen zur Verfügung!\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003eIst der HAILO-8 eine gute Alternative zum Google Coral? \u003c\/h3\u003e\n\u003cp\u003eJa, der HAILO-8 ist für Anwender mit höheren Leistungsansprüchen eine gute Alternative zur Google Coral Serie. \u003c\/p\u003e\n\u003cp\u003eGoogle Coral kann hingegen gut in Anwendungen zum Einsatz kommen wo 4 TOPS Rechenleistung ausreichen, da sie günstiger sind. \u003c\/p\u003e\n\u003ch3\u003eKann ich LLMs auf dem HAILO-8 ausführen, bpsw. LLAMA?\u003c\/h3\u003e\n\u003cp\u003eLLMs = Large Language Modelle (so etwas wie ChatGPT \/ GPT4-o, bzw. LLAMA, Falcon, usw.)\u003c\/p\u003e\n\u003cp\u003eNein, dafür ist der HAILO-8 nicht ausgelegt. Grafikkarten auf denen diese LLMs typischerweise laufen haben schnellen direkt angebundenen Speicher. Der HAILO-8 hat unter anderem nicht genügend Speicher, um diese Modelle laden zu können. \u003c\/p\u003e\n\u003cp\u003eHAILO hat ein zukünftiges Produkt, den HAILO-10 angekündigt. Dieser wird eine Speicherschnittstelle haben, und auch GenAI Anwendungen wie LLMs besser unterstützen.\u003c\/p\u003e\n\u003ch3\u003eKann ich damit Modelle trainieren?\u003c\/h3\u003e\n\u003cp\u003eNein, der HAILO-8 ist ausschließlich für die Inferenz (int8) gedacht. Zum Training von Modellen wird typischerweise eine klassische GPU eingesetzt.\u003c\/p\u003e\n\u003cp\u003eHAILO bietet hier Unterstützung mit einer Reihe von vorgebauten Docker-Containern, mit denen Modelle trainiert und auch angepasst werden können.\u003c\/p\u003e\n\u003cp\u003e\u003cimg height=\"241\" width=\"543\" alt=\"\" src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-SW.jpg?v=1722464870\" data-mce-src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-SW.jpg?v=1722464870\"\u003e\u003c\/p\u003e\n\u003cp\u003eDas Model Build Environment wird wie im Diagramm gezeigt auf einem eigenen dafür vorgesehenen Computer betrieben, der über die notwendigen technischen Parameter verfügt. HAILO-8 selbst ist für Edge-Anwendungen gedacht, für die Inferenz, zusammen mit der HailoRT Runtime.\u003c\/p\u003e\n\u003cp\u003e\u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eWir unterstützen gerne bei technischen Fragen zu Modellen.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003ePhysikalische Abmessungen\u003c\/h3\u003e\n\u003cp\u003eAlle Abmessungen in mm. Nur als Referenz, nicht für 3D-Modellierung geeignet.\u003c\/p\u003e\n\u003cp\u003e\u003cimg\u003e\u003cimg src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-A_E-mechanical-outline.png?v=1722722987\" alt=\"\" data-mce-src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-A_E-mechanical-outline.png?v=1722722987\"\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cimg\u003e\u003c\/p\u003e\n\u003ch2\u003eMisc\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003eHailo SKUs \/ alternative Bezeichnungen: \n\u003cul\u003e\n\u003cli\u003eHM218B1C2YAE = Starter Kit HAILO-8, M.2 Module A+E Key 2230 (inkl. Zubehör)\u003c\/li\u003e\n\u003cli\u003eHM218B1C2YAE\/HAI\u003c\/li\u003e\n\u003cli\u003eHM218B1C2KAE = Hailo-8, M.2 module A+E key 2230 - industrial\u003cbr\u003eTemp. -40 to +85°C\u003c\/li\u003e\n\u003cli\u003eHM218B1C2KA = Hailo-8, M.2 module A+E key 2230 - commercial\u003cbr\u003eTemp. 0 to 70°C\u003c\/li\u003e\n\u003cli\u003eHM218B1C2KAE\/HAI\u003c\/li\u003e\n\u003cli\u003eHM218B1C2KA\/HAI\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cul\u003e\n\u003cli\u003eHS Code: 85176200\u003c\/li\u003e\n\u003cli\u003eCountry of origin: Taiwan\u003c\/li\u003e\n\u003cli\u003ePackungsmenge einer Großverpackung: 20 \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003e(auf dieser Seite bestellen Sie ein Stück, wenden Sie sich bei Großbedarf gerne an uns)\u003c\/a\u003e\n\u003c\/li\u003e\n\u003cli\u003eLead Time (Nachlieferzeit): aktuell 12 Wochen\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003c!----\u003e","brand":"Hailo","offers":[{"title":"Default Title","offer_id":45722925728011,"sku":"Hailo-HM218B1C2YAE-006","price":279.0,"currency_code":"EUR","in_stock":false}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/Hailo-8-M.2-Starter-Kit-A_E.png?v=1722979358"},{"product_id":"hailo-8-m-2-module-starter-kit-b-m-key-2280-26-tops","title":"Hailo-8 M.2 module Starter Kit B+M Key 2280 (26 TOPS)","description":"\u003cp\u003eHailo-8 ist ein moderner KI-Beschleunigerchip für Deep Neural Networks. Hailo-8 ist insbesondere für Vision-Anwendungen geeignet. Das ist die M.2 B+M-key 2280 Variante des Hailo-8 AI Processors. Zum Betrieb wird eine Host-CPU benötigt. \u003c\/p\u003e\n\u003cp\u003eDas Starterkit umfasst einiges an praktischem Zubehör für den Einstieg mit HAILO-8.\u003c\/p\u003e\n\u003ch2\u003eLieferumfang Starter Kit\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003eHAILO-8 M.2 Key B+M 2280 (26 TOPS)\u003c\/li\u003e\n\u003cli\u003eThermal management kit - beinhaltet Metallwürfel, Wärmeleitpads und Wärmeleitklebeband\u003c\/li\u003e\n\u003cli\u003eSchraube und Schraubenzieher \u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003eTechnische Daten\u003c\/h2\u003e\n\u003ch3\u003eHAILO-8 AI Accelerator\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003ebis zu \u003cstrong\u003e26 TOPS INT8 performance \u003c\/strong\u003e(trillion operations per second = 26 Billionen Rechenoperationen pro Sekunde \/ 2,6 * 10^13 Rechenoperationen)\u003c\/li\u003e\n\u003cli\u003eFormfaktor: M.2 2280 B+M-Key \u003c\/li\u003e\n\u003cli\u003eAbmessungen: \u003cspan\u003e22×80 mm\u003c\/span\u003e\n\u003c\/li\u003e\n\u003cli\u003ekann durch abbrechen auf 22 x 42 mm oder 22 x 60 mm angepasst werden\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eInterface: PCIe Gen-3.0, 2 Lanes (bis zu 16 Gbs)\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003cspan\u003eTDP: 8.65 W (2.5 A @ 3.3V)\u003c\/span\u003e\u003cbr\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eSoftwareunterstützung (Inferencing)\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eführt Deep Learning Neural Networks mit hoher Leistungseffizienz aus\u003c\/li\u003e\n\u003cli\u003ebesonders gut für CNNs geeignet (Computer Vision Anwendungen)\u003c\/li\u003e\n\u003cli\u003eermöglicht parallel mehrere Modelle \u0026amp; Streams zu prozessieren\u003c\/li\u003e\n\u003cli\u003eLinux, Windows\u003c\/li\u003e\n\u003cli\u003eUnterstützt TensorFlow, TensorFlow Lite, Keras, PyTorch, ONNX\u003c\/li\u003e\n\u003cli\u003eKompatibel mit ARM und x86 Systemen. \u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003eHinweise\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003eCE \u0026amp; FCC Class A zertifiziert\u003c\/li\u003e\n\u003cli\u003eBetriebstemperatur: -40 to +85°C (Umgebungstemperatur) für die HM218B1C2LAE Variante\u003c\/li\u003e\n\u003cli\u003eIn der Abbildung sind die zwei Tabs (Erweiterung auf M.2 2280) bereits abgebrochen\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eOptional auch als Hailo-8 starter Kit erhältlich\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cimg alt=\"\" src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-8-performance-comparison.png?v=1722549115\" width=\"543\" height=\"325\" data-mce-src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-8-performance-comparison.png?v=1722549115\"\u003e\u003c\/p\u003e\n\u003cp\u003e(siehe \u003ca href=\"https:\/\/hailo.ai\/products\/ai-accelerators\/hailo-8-m2-ai-acceleration-module\/#hailo8-m2-performance\" data-mce-href=\"https:\/\/hailo.ai\/products\/ai-accelerators\/hailo-8-m2-ai-acceleration-module\/#hailo8-m2-performance\"\u003eHAILO Website\u003c\/a\u003e als Grafikquelle mit Erklärung der Testparameter)\u003c\/p\u003e\n\u003cp\u003eFür den Betrieb muss sichergestellt werden, dass die Hitze die das Hailo-8 Modul erzeugt abgeführt wird. Das Modul wurde so designed dass die meiste Hitze zur metallischen Abdeckung des Chips (Top Surface of the Package) hin abgeleitet wird. Wir empfehlen die Application Note \"Hailo-8 AI Acceleration Module Thermal Design Considerations\" zu lesen. \u003c\/p\u003e\n\u003ch2\u003eDokumentation \u0026amp; Downloads\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/hailo8_m.2_starter_kit_product_brief_1.24.pdf?v=1722978787\" target=\"_blank\" data-mce-href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/hailo8_m.2_starter_kit_product_brief_1.24.pdf?v=1722978787\"\u003eHAILO-8 M.2 Starter Kit product brief (PDF)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/\"\u003eHailo Developer Zone\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/software-downloads\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/software-downloads\/\"\u003eHailo Software Downloads\u003c\/a\u003e - alles was benötigt wird um Hailo AI Prozessoren zu installieren und zu betreiben\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/documentation\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/documentation\/\"\u003eHailo Dokumentation und Datenblätter\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/hailo.ai\/products\/hailo-software\/model-explorer\/\" data-mce-href=\"https:\/\/hailo.ai\/products\/hailo-software\/model-explorer\/\"\u003eHailo Model Explorer\u003c\/a\u003e - ermöglicht das passendste AI Modell als Basis für Ihre Anwendung zu wählen\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/community.hailo.ai\/\" data-mce-href=\"https:\/\/community.hailo.ai\/\"\u003eHailo Community\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/github.com\/hailo-ai\" data-mce-href=\"https:\/\/github.com\/hailo-ai\"\u003eHailo auf GitHub\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003eBeratung durch buyzero\u003c\/h2\u003e\n\u003cp\u003eWir beraten Sie ob Ihr Modell auf dem HAILO-8 lauffähig ist, und ob Sie Ihr Projekt mit Hilfe von HAILO-8 umsetzen können. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eKontaktieren Sie uns dazu bitte.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch2\u003eFAQ\u003c\/h2\u003e\n\u003ch3\u003eWas sind Beispielanwendungen für dieses Modul?\u003c\/h3\u003e\n\u003cp\u003eMan kann mit diesem Modul sogenannte Deep Learning Algorithmen, insbesondere CNNs (convolutional neural networks), beschleunigen. \u003c\/p\u003e\n\u003cp\u003eDazu gehören:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003ePose Estimation - Schätzung der Pose eines Menschen\u003c\/li\u003e\n\u003cli\u003eObjekterkennung mit Bounding Boxes (bspw. wo ist ein Fahrrad im Bild, und was ist es)\u003c\/li\u003e\n\u003cli\u003eSegmentierung - markiere die Bereiche eines Bildes die eine Banane einnimmt\u003c\/li\u003e\n\u003cli\u003eNummernschilderkennung\u003c\/li\u003e\n\u003cli\u003eGesichtserkennung\u003c\/li\u003e\n\u003cli\u003eu.v.m.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eKann ich Modelle für den HAILO-8L auch auf einem HAILO-8 laufen lassen?\u003c\/h3\u003e\n\u003cp\u003eJa, das ist möglich! Modelle die für den HAILO-8L kompiliert worden sind laufen auch auf einem HAILO-8.\u003c\/p\u003e\n\u003ch3\u003eIch brauche eine höhere Durchsatzrate \/ Framerate\u003c\/h3\u003e\n\u003cp\u003eDas \u003ca href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-m-key-2280\" data-mce-href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-m-key-2280\"\u003eHAILO-8 M.2 M-key Modul \u003c\/a\u003ehat eine Anbindung mit 4 PCIe Gen-3.0 Lanes, während das B+M Modul und das A+E Modul nur 2 Lanes nutzen können. Eine höhere Framerate könnte bspw. auch durch die Limitation durch die PCI Express Bandbreite beeinflusst sein - wir empfehlen daher als erstes die\u003ca href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-m-key-2280\" data-mce-href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/hailo-8-m-2-module-m-key-2280\"\u003e M-Key Variante\u003c\/a\u003e auszuprobieren. Dabei sollte natürlich sichergestellt werden, dass der Host-Computer die vier PCIe Lanes bereitstellen kann. Falls die Framerate immer noch unbefriedigend ist, lesen Sie bitte die nächste Frage (Ich benötige mehr TOPS). \u003c\/p\u003e\n\u003ch3\u003eIch benötige mehr TOPS, da ich eine komplexe Anwendung habe, was kann ich tun?\u003c\/h3\u003e\n\u003cp\u003eDieses HAILO-8 Modul, hat \u003cstrong\u003e26 TOPS\u003c\/strong\u003e. \u003c\/p\u003e\n\u003cp\u003eWir bieten in unserem Shop auch eine Lösung mit \u003cstrong\u003e52 TOPS\u003c\/strong\u003e - das\u003ca href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\" data-mce-href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\"\u003e Biscotti Modul\u003c\/a\u003e an. Es nutzt dazu zwei HAILO-8 Module, und hat einen EDSFF \u003cstrong\u003eE1.S\u003c\/strong\u003e Anschluss - der in Storage Servern zum Einsatz kommt. \u003c\/p\u003e\n\u003cp\u003eDadurch kann das \u003ca href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\" data-mce-href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\"\u003eBiscotti Dual HAILO Modul\u003c\/a\u003e auch in Clustern verbaut werden, und in einem 19'' Server bspw. auf 1600 TOPS skaliert werden. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eWir stehen gerne bei Fragen zur Verfügung!\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003eIst der HAILO-8 eine gute Alternative zum Google Coral? \u003c\/h3\u003e\n\u003cp\u003eJa, der HAILO-8 ist für Anwender mit höheren Leistungsansprüchen eine gute Alternative zur Google Coral Serie. \u003c\/p\u003e\n\u003cp\u003eGoogle Coral kann hingegen gut in Anwendungen zum Einsatz kommen wo 4 TOPS Rechenleistung ausreichen, da sie günstiger sind. \u003c\/p\u003e\n\u003ch3\u003eWozu sind die abbrechbaren Platinenteile gedacht? \u003c\/h3\u003e\n\u003cp\u003eIn manchen Systemen können nur größere Module, bspw. M.2 2280 (80 mm) befestigt werden. Für andere Systeme wird diese zusätzliche Befestigungsmöglichkeit nicht benötigt.\u003c\/p\u003e\n\u003ch3\u003eKann ich LLMs auf dem HAILO-8 ausführen, bpsw. LLAMA?\u003c\/h3\u003e\n\u003cp\u003eLLMs = Large Language Modelle (so etwas wie ChatGPT \/ GPT4-o, bzw. LLAMA, Falcon, usw.)\u003c\/p\u003e\n\u003cp\u003eNein, dafür ist der HAILO-8 nicht ausgelegt. Grafikkarten auf denen diese LLMs typischerweise laufen haben schnellen direkt angebundenen Speicher. Der HAILO-8 hat unter anderem nicht genügend Speicher, um diese Modelle laden zu können. \u003c\/p\u003e\n\u003cp\u003eHAILO hat ein zukünftiges Produkt, den HAILO-10 angekündigt. Dieser wird eine Speicherschnittstelle haben, und auch GenAI Anwendungen wie LLMs besser unterstützen.\u003c\/p\u003e\n\u003ch3\u003eKann ich damit Modelle trainieren?\u003c\/h3\u003e\n\u003cp\u003eNein, der HAILO-8 ist ausschließlich für die Inferenz (int8) gedacht. Zum Training von Modellen wird typischerweise eine klassische GPU eingesetzt.\u003c\/p\u003e\n\u003cp\u003eHAILO bietet hier Unterstützung mit einer Reihe von vorgebauten Docker-Containern, mit denen Modelle trainiert und auch angepasst werden können.\u003c\/p\u003e\n\u003cp\u003e\u003cimg src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-SW.jpg?v=1722464870\" alt=\"\" width=\"543\" height=\"241\" data-mce-src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-SW.jpg?v=1722464870\"\u003e\u003c\/p\u003e\n\u003cp\u003eDas Model Build Environment wird wie im Diagramm gezeigt auf einem eigenen dafür vorgesehenen Computer betrieben, der über die notwendigen technischen Parameter verfügt. HAILO-8 selbst ist für Edge-Anwendungen gedacht, für die Inferenz, zusammen mit der HailoRT Runtime.\u003c\/p\u003e\n\u003cp\u003e\u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eWir unterstützen gerne bei technischen Fragen zu Modellen.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003ePhysikalische Abmessungen\u003c\/h3\u003e\n\u003cp\u003eAlle Abmessungen in mm. Nur als Referenz, nicht für 3D-Modellierung geeignet.\u003c\/p\u003e\n\u003cp\u003e\u003cimg\u003e\u003cimg alt=\"\" src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-B_M-Key-dimensions.jpg?v=1722634666\" width=\"546\" height=\"244\" data-mce-src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-B_M-Key-dimensions.jpg?v=1722634666\"\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cimg\u003e\u003c\/p\u003e\n\u003ch2\u003eMisc\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003eHailo SKUs \/ alternative Bezeichnungen: \n\u003cul\u003e\n\u003cli\u003eHM218B1C2ZAE = Hailo-8, M.2 module Starter Kit B+M key 2280 - industrial Temp. -40 to +85°C\u003c\/li\u003e\n\u003cli\u003eHM218B1C2ZAE\/HAI\u003c\/li\u003e\n\u003cli\u003eHM218B1C2LAE = Hailo-8, M.2 module B+M key 2280 - industrial\u003cbr\u003eTemp. -40 to +85°C\u003c\/li\u003e\n\u003cli\u003eHM218B1C2LA = Hailo-8, M.2 module B+M key 2280 - commercial\u003cbr\u003eTemp. 0 to 70°C\u003c\/li\u003e\n\u003cli\u003eHM218B1C2LA\/HAI\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003eHS Code: 85176200\u003c\/li\u003e\n\u003cli\u003eCountry of origin: Taiwan\u003c\/li\u003e\n\u003cli\u003ePackungsmenge einer Großverpackung: 20 \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003e(auf dieser Seite bestellen Sie ein Stück, wenden Sie sich bei Großbedarf gerne an uns)\u003c\/a\u003e\n\u003c\/li\u003e\n\u003cli\u003eLead Time (Nachlieferzeit): aktuell 12 Wochen\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003c!----\u003e","brand":"Hailo","offers":[{"title":"Default Title","offer_id":45722946830603,"sku":"Hailo-HM218B1C2ZAE-005","price":279.0,"currency_code":"EUR","in_stock":false}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/Hailo-8-M.2-Starter-Kit-B_M.png?v=1722980497"},{"product_id":"hailo-8-m-2-module-starter-kit-m-key-2280-26-tops","title":"Hailo-8 M.2 module Starter Kit M Key 2280 (26 TOPS)","description":"\u003cp\u003eHailo-8 ist ein moderner KI-Beschleunigerchip für Deep Neural Networks. Hailo-8 ist insbesondere für Vision-Anwendungen geeignet. Das ist die M.2 M-key 2280 Variante des Hailo-8 AI Processors. Zum Betrieb wird eine Host-CPU benötigt. \u003c\/p\u003e\n\u003cp\u003eDas Starterkit umfasst einiges an praktischem Zubehör für den Einstieg mit HAILO-8.\u003c\/p\u003e\n\u003ch2\u003eLieferumfang Starter Kit\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003eHAILO-8 M.2 Key M 2280 (26 TOPS)\u003c\/li\u003e\n\u003cli\u003eThermal management kit - beinhaltet Metallwürfel, Wärmeleitpads und Wärmeleitklebeband\u003c\/li\u003e\n\u003cli\u003eSchraube und Schraubenzieher \u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003eTechnische Daten\u003c\/h2\u003e\n\u003ch3\u003eHAILO-8 AI Accelerator\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003ebis zu \u003cstrong\u003e26 TOPS INT8 performance \u003c\/strong\u003e(trillion operations per second = 26 Billionen Rechenoperationen pro Sekunde \/ 2,6 * 10^13 Rechenoperationen)\u003c\/li\u003e\n\u003cli\u003eFormfaktor: M.2 2280 M-Key \u003c\/li\u003e\n\u003cli\u003eAbmessungen: \u003cspan\u003e22×80 mm\u003c\/span\u003e\n\u003c\/li\u003e\n\u003cli\u003ekann durch abbrechen auf 22 x 42 mm oder 22 x 60 mm angepasst werden\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eInterface: PCIe Gen-3.0, 4 Lanes (bis zu 32 Gbs)\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003cspan\u003eTDP: 8.65 W (2.5 A @ 3.3V)\u003c\/span\u003e\u003cbr\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eSoftwareunterstützung (Inferencing)\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eführt Deep Learning Neural Networks mit hoher Leistungseffizienz aus\u003c\/li\u003e\n\u003cli\u003ebesonders gut für CNNs geeignet (Computer Vision Anwendungen)\u003c\/li\u003e\n\u003cli\u003eermöglicht parallel mehrere Modelle \u0026amp; Streams zu prozessieren\u003c\/li\u003e\n\u003cli\u003eLinux, Windows\u003c\/li\u003e\n\u003cli\u003eUnterstützt TensorFlow, TensorFlow Lite, Keras, PyTorch, ONNX\u003c\/li\u003e\n\u003cli\u003eKompatibel mit ARM und x86 Systemen. \u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003eHinweise\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003eCE \u0026amp; FCC Class A zertifiziert\u003c\/li\u003e\n\u003cli\u003eBetriebstemperatur: 0°C - 70°C (Umgebungstemperatur) für die HM218B1C2FA Variante\u003c\/li\u003e\n\u003cli\u003ewird in zwei verschiedenen funktionsgleichen Varianten gebaut (aufgrund von zwei verschiedenen Lieferanten für Stromversorgungskomponenten), d.h. Abbildung kann abweichen, abgebildet ist die M2A Variante.\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eOptional auch als Hailo-8 starter Kit erhältlich\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cimg height=\"325\" width=\"543\" src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-8-performance-comparison.png?v=1722549115\" alt=\"\" data-mce-src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-8-performance-comparison.png?v=1722549115\"\u003e\u003c\/p\u003e\n\u003cp\u003e(siehe \u003ca href=\"https:\/\/hailo.ai\/products\/ai-accelerators\/hailo-8-m2-ai-acceleration-module\/#hailo8-m2-performance\" data-mce-href=\"https:\/\/hailo.ai\/products\/ai-accelerators\/hailo-8-m2-ai-acceleration-module\/#hailo8-m2-performance\"\u003eHAILO Website\u003c\/a\u003e als Grafikquelle mit Erklärung der Testparameter)\u003c\/p\u003e\n\u003cp\u003eFür den Betrieb muss sichergestellt werden, dass die Hitze die das Hailo-8 Modul erzeugt abgeführt wird. Das Modul wurde so designed dass die meiste Hitze zur metallischen Abdeckung des Chips (Top Surface of the Package) hin abgeleitet wird. Wir empfehlen die Application Note \"Hailo-8 AI Acceleration Module Thermal Design Considerations\" zu lesen. \u003c\/p\u003e\n\u003ch2\u003eDokumentation \u0026amp; Downloads\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/hailo8_m.2_starter_kit_product_brief_1.24.pdf?v=1722978787\" target=\"_blank\" data-mce-href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/hailo8_m.2_starter_kit_product_brief_1.24.pdf?v=1722978787\"\u003eHAILO-8 M.2 Starter Kit product brief (PDF)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/\"\u003eHailo Developer Zone\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/software-downloads\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/software-downloads\/\"\u003eHailo Software Downloads\u003c\/a\u003e - alles was benötigt wird um Hailo AI Prozessoren zu installieren und zu betreiben\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/documentation\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/documentation\/\"\u003eHailo Dokumentation und Datenblätter\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/hailo.ai\/products\/hailo-software\/model-explorer\/\" data-mce-href=\"https:\/\/hailo.ai\/products\/hailo-software\/model-explorer\/\"\u003eHailo Model Explorer\u003c\/a\u003e - ermöglicht das passendste AI Modell als Basis für Ihre Anwendung zu wählen\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/community.hailo.ai\/\" data-mce-href=\"https:\/\/community.hailo.ai\/\"\u003eHailo Community\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/github.com\/hailo-ai\" data-mce-href=\"https:\/\/github.com\/hailo-ai\"\u003eHailo auf GitHub\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003eBeratung durch buyzero\u003c\/h2\u003e\n\u003cp\u003eWir beraten Sie ob Ihr Modell auf dem HAILO-8 lauffähig ist, und ob Sie Ihr Projekt mit Hilfe von HAILO-8 umsetzen können. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eKontaktieren Sie uns dazu bitte.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch2\u003eFAQ\u003c\/h2\u003e\n\u003ch3\u003eWas sind Beispielanwendungen für dieses Modul?\u003c\/h3\u003e\n\u003cp\u003eMan kann mit diesem Modul sogenannte Deep Learning Algorithmen, insbesondere CNNs (convolutional neural networks), beschleunigen. \u003c\/p\u003e\n\u003cp\u003eDazu gehören:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003ePose Estimation - Schätzung der Pose eines Menschen\u003c\/li\u003e\n\u003cli\u003eObjekterkennung mit Bounding Boxes (bspw. wo ist ein Fahrrad im Bild, und was ist es)\u003c\/li\u003e\n\u003cli\u003eSegmentierung - markiere die Bereiche eines Bildes die eine Banane einnimmt\u003c\/li\u003e\n\u003cli\u003eNummernschilderkennung\u003c\/li\u003e\n\u003cli\u003eGesichtserkennung\u003c\/li\u003e\n\u003cli\u003eu.v.m.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eKann ich Modelle für den HAILO-8L auch auf einem HAILO-8 laufen lassen?\u003c\/h3\u003e\n\u003cp\u003eJa, das ist möglich! Modelle die für den HAILO-8L kompiliert worden sind laufen auch auf einem HAILO-8.\u003c\/p\u003e\n\u003ch3\u003eIch benötige mehr TOPS, da ich eine komplexe Anwendung habe, was kann ich tun?\u003c\/h3\u003e\n\u003cp\u003eDieses HAILO-8 Modul, hat \u003cstrong\u003e26 TOPS\u003c\/strong\u003e. \u003c\/p\u003e\n\u003cp\u003eWir bieten in unserem Shop auch eine Lösung mit \u003cstrong\u003e52 TOPS\u003c\/strong\u003e - das\u003ca href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\" data-mce-href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\"\u003e Biscotti Modul\u003c\/a\u003e an. Es nutzt dazu zwei HAILO-8 Module, und hat einen EDSFF \u003cstrong\u003eE1.S\u003c\/strong\u003e Anschluss - der in Storage Servern zum Einsatz kommt. \u003c\/p\u003e\n\u003cp\u003eDadurch kann das \u003ca href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\" data-mce-href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\"\u003eBiscotti Dual HAILO Modul\u003c\/a\u003e auch in Clustern verbaut werden, und in einem 19'' Server bspw. auf 1600 TOPS skaliert werden. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eWir stehen gerne bei Fragen zur Verfügung!\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003eIst der HAILO-8 eine gute Alternative zum Google Coral? \u003c\/h3\u003e\n\u003cp\u003eJa, der HAILO-8 ist für Anwender mit höheren Leistungsansprüchen eine gute Alternative zur Google Coral Serie. \u003c\/p\u003e\n\u003cp\u003eGoogle Coral kann hingegen gut in Anwendungen zum Einsatz kommen wo 4 TOPS Rechenleistung ausreichen, da sie günstiger sind. \u003c\/p\u003e\n\u003ch3\u003eWozu sind die abbrechbaren Platinenteile gedacht? \u003c\/h3\u003e\n\u003cp\u003eIn manchen Systemen können nur größere Module, bspw. M.2 2280 (80 mm) befestigt werden. Für andere Systeme wird diese zusätzliche Befestigungsmöglichkeit nicht benötigt.\u003c\/p\u003e\n\u003ch3\u003eKann ich LLMs auf dem HAILO-8 ausführen, bpsw. LLAMA?\u003c\/h3\u003e\n\u003cp\u003eLLMs = Large Language Modelle (so etwas wie ChatGPT \/ GPT4-o, bzw. LLAMA, Falcon, usw.)\u003c\/p\u003e\n\u003cp\u003eNein, dafür ist der HAILO-8 nicht ausgelegt. Grafikkarten auf denen diese LLMs typischerweise laufen haben schnellen direkt angebundenen Speicher. Der HAILO-8 hat unter anderem nicht genügend Speicher, um diese Modelle laden zu können. \u003c\/p\u003e\n\u003cp\u003eHAILO hat ein zukünftiges Produkt, den HAILO-10 angekündigt. Dieser wird eine Speicherschnittstelle haben, und auch GenAI Anwendungen wie LLMs besser unterstützen.\u003c\/p\u003e\n\u003ch3\u003eKann ich damit Modelle trainieren?\u003c\/h3\u003e\n\u003cp\u003eNein, der HAILO-8 ist ausschließlich für die Inferenz (int8) gedacht. Zum Training von Modellen wird typischerweise eine klassische GPU eingesetzt.\u003c\/p\u003e\n\u003cp\u003eHAILO bietet hier Unterstützung mit einer Reihe von vorgebauten Docker-Containern, mit denen Modelle trainiert und auch angepasst werden können.\u003c\/p\u003e\n\u003cp\u003e\u003cimg height=\"241\" width=\"543\" alt=\"\" src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-SW.jpg?v=1722464870\" data-mce-src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-SW.jpg?v=1722464870\"\u003e\u003c\/p\u003e\n\u003cp\u003eDas Model Build Environment wird wie im Diagramm gezeigt auf einem eigenen dafür vorgesehenen Computer betrieben, der über die notwendigen technischen Parameter verfügt. HAILO-8 selbst ist für Edge-Anwendungen gedacht, für die Inferenz, zusammen mit der HailoRT Runtime.\u003c\/p\u003e\n\u003cp\u003e\u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eWir unterstützen gerne bei technischen Fragen zu Modellen.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003ePhysikalische Abmessungen\u003c\/h3\u003e\n\u003cp\u003eAlle Abmessungen in mm. Nur als Referenz, nicht für 3D-Modellierung geeignet.\u003c\/p\u003e\n\u003cp\u003e\u003cimg\u003e\u003cimg height=\"334\" width=\"524\" src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-8-M-Key-dimensions.jpg?v=1722550369\" alt=\"\" data-mce-src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-8-M-Key-dimensions.jpg?v=1722550369\"\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cimg\u003e\u003c\/p\u003e\n\u003ch2\u003eMisc\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003eHailo SKUs \/ alternative Bezeichnungen: \n\u003cul\u003e\n\u003cli\u003eHM218B1C2XAE =  Starter Kit HAILO-8, M.2 Module M key 2280 - industrial\u003cbr\u003eTemp. -40 to +85°C\u003c\/li\u003e\n\u003cli\u003eHM218B1C2XAE\/HAI\u003c\/li\u003e\n\u003cli\u003eHM218B1C2FAE = Hailo-8, M.2 module M key 2280 - industrial\u003cbr\u003eTemp. -40 to +85°C\u003c\/li\u003e\n\u003cli\u003eHM218B1C2FA = Hailo-8, M.2 module M key 2280 - commercial\u003cbr\u003eTemp. 0 to 70 °C\u003c\/li\u003e\n\u003cli\u003eHM218B1C2FA\/HAI\u003c\/li\u003e\n\u003cli\u003eHM218B1C2FAE\/HAI\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003eHS Code: 85176200\u003c\/li\u003e\n\u003cli\u003eCountry of origin: Taiwan\u003c\/li\u003e\n\u003cli\u003ePackungsmenge einer Großverpackung: 20 \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003e(auf dieser Seite bestellen Sie ein Stück, wenden Sie sich bei Großbedarf gerne an uns)\u003c\/a\u003e\n\u003c\/li\u003e\n\u003cli\u003eLead Time (Nachlieferzeit): aktuell 12 Wochen\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003c!----\u003e","brand":"Hailo","offers":[{"title":"Default Title","offer_id":45722971537675,"sku":"Hailo-HM218B1C2XAE-004","price":279.0,"currency_code":"EUR","in_stock":false}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/Hailo-HM218B1C2XAE-004_HERO.jpg?v=1732708363"},{"product_id":"hailo-8-century-0804-pcie-starter-kit-104-tops","title":"Hailo-8 Century-0804 PCIe Starter Kit (104 TOPS)","description":"\u003cp\u003eHailo-8 ist ein moderner KI-Beschleunigerchip für Deep Neural Networks. Hailo-8 ist insbesondere für Vision-Anwendungen geeignet. Das ist die Century 0804 PCI-Express Variante des Hailo-8 AI Processors (mehrere HAILO-8). Zum Betrieb wird eine Host-CPU benötigt. \u003c\/p\u003e\n\u003ch3\u003eTechnische Daten\u003c\/h3\u003e\n\u003ch3\u003eHAILO-8 Century PCIe Card 0804\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eModellnummer: 0804\u003c\/li\u003e\n\u003cli\u003ePerformance: bis zu \u003cstrong\u003e104 TOPS\u003c\/strong\u003e\n\u003c\/li\u003e\n\u003cli\u003eFormfaktor: PCIe CEM single slot low profile\u003c\/li\u003e\n\u003cli\u003eInterface: PCIe Gen 3, 16-lanes\u003c\/li\u003e\n\u003cli\u003eAbmessungen: 68.89 mm (2.712”) x 167.64 mm (6.6”)\u003c\/li\u003e\n\u003cli\u003eTDP: 45W\u003c\/li\u003e\n\u003cli\u003emit Kühlkörper\u003c\/li\u003e\n\u003cli\u003ebenötigt 12 V Versorgung vom PCIe Steckplatz\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eHinweis: enthält zusätzlich einen ATX Stromversorgungsanschluss der benutzt werden muss wenn die erforderliche Leistung nicht über den PCIe Slot bereitgestellt werden kann.\u003c\/p\u003e\n\u003ch3\u003eSoftwareunterstützung (Inferencing)\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eführt Deep Learning Neural Networks mit hoher Leistungseffizienz aus\u003c\/li\u003e\n\u003cli\u003ebesonders gut für CNNs geeignet (Computer Vision Anwendungen)\u003c\/li\u003e\n\u003cli\u003eermöglicht parallel mehrere Modelle \u0026amp; Streams zu prozessieren\u003c\/li\u003e\n\u003cli\u003eLinux, Windows\u003c\/li\u003e\n\u003cli\u003eUnterstützt TensorFlow, TensorFlow Lite, Keras, PyTorch, ONNX\u003c\/li\u003e\n\u003cli\u003eKompatibel mit ARM und x86 Systemen. \u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eHinweise\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eCE \u0026amp; FCC Class A zertifiziert\u003c\/li\u003e\n\u003cli\u003eBetriebstemperatur: -40°C - +85°C (Umgebungstemperatur) für die HFR18B4I1XA Variante\u003cbr\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eDokumentation \u0026amp; Downloads\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/hailo8_m.2_et_product_brief_2.1.pdf?v=1722549683\" rel=\"noopener\" target=\"_blank\" data-mce-href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/hailo8_m.2_et_product_brief_2.1.pdf?v=1722549683\"\u003eHAILO-8 Century PCIe Cards Product brief (PDF)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/\"\u003eHailo Developer Zone\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/software-downloads\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/software-downloads\/\"\u003eHailo Software Downloads\u003c\/a\u003e - alles was benötigt wird um Hailo AI Prozessoren zu installieren und zu betreiben\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/documentation\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/documentation\/\"\u003eHailo Dokumentation und Datenblätter\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/hailo.ai\/products\/hailo-software\/model-explorer\/\" data-mce-href=\"https:\/\/hailo.ai\/products\/hailo-software\/model-explorer\/\"\u003eHailo Model Explorer\u003c\/a\u003e - ermöglicht das passendste AI Modell als Basis für Ihre Anwendung zu wählen\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/community.hailo.ai\/\" data-mce-href=\"https:\/\/community.hailo.ai\/\"\u003eHailo Community\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/github.com\/hailo-ai\" data-mce-href=\"https:\/\/github.com\/hailo-ai\"\u003eHailo auf GitHub\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eBeratung durch buyzero\u003c\/h3\u003e\n\u003cp\u003eWir beraten Sie ob Ihr Modell auf dem HAILO-8 lauffähig ist, und ob Sie Ihr Projekt mit Hilfe von HAILO-8 umsetzen können. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eKontaktieren Sie uns dazu bitte.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003eFAQ\u003c\/h3\u003e\n\u003ch3\u003eWas sind Beispielanwendungen für dieses Modul?\u003c\/h3\u003e\n\u003cp\u003eMan kann mit diesem Modul sogenannte Deep Learning Algorithmen, insbesondere CNNs (convolutional neural networks), beschleunigen. \u003c\/p\u003e\n\u003cp\u003eDazu gehören:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003ePose Estimation - Schätzung der Pose eines Menschen\u003c\/li\u003e\n\u003cli\u003eObjekterkennung mit Bounding Boxes (bspw. wo ist ein Fahrrad im Bild, und was ist es)\u003c\/li\u003e\n\u003cli\u003eSegmentierung - markiere die Bereiche eines Bildes die eine Banane einnimmt\u003c\/li\u003e\n\u003cli\u003eNummernschilderkennung\u003c\/li\u003e\n\u003cli\u003eGesichtserkennung\u003c\/li\u003e\n\u003cli\u003eu.v.m.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eKann ich Modelle für den HAILO-8L auch auf einem HAILO-8 laufen lassen?\u003c\/h3\u003e\n\u003cp\u003eJa, das ist möglich! Modelle die für den HAILO-8L kompiliert worden sind laufen auch auf einem HAILO-8.\u003c\/p\u003e\n\u003ch3\u003eIch benötige mehr TOPS, da ich eine komplexe Anwendung habe, was kann ich tun?\u003c\/h3\u003e\n\u003cp\u003eDiese HAILO-8 Century-0804 PCIe Karte, hat \u003cstrong\u003e104 TOPS\u003c\/strong\u003e. \u003c\/p\u003e\n\u003cp\u003eWir bieten in unserem Shop auch eine Lösung mit \u003cstrong\u003e52 TOPS\u003c\/strong\u003e - das\u003ca href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\" data-mce-href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\"\u003e Biscotti Modul\u003c\/a\u003e an. Es nutzt dazu zwei HAILO-8 Module, und hat einen EDSFF \u003cstrong\u003eE1.S\u003c\/strong\u003e Anschluss - der in Storage Servern zum Einsatz kommt. \u003c\/p\u003e\n\u003cp\u003eDadurch kann das \u003ca href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\" data-mce-href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\"\u003eBiscotti Dual HAILO Modul\u003c\/a\u003e auch in Clustern verbaut werden, und in einem 19'' Server \u003cstrong\u003ebspw. auf 1600 TOPS\u003c\/strong\u003e skaliert werden. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eWir stehen gerne bei Fragen zur Verfügung!\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003eIst der HAILO-8 eine gute Alternative zum Google Coral? \u003c\/h3\u003e\n\u003cp\u003eJa, der HAILO-8 ist für Anwender mit höheren Leistungsansprüchen eine gute Alternative zur Google Coral Serie. \u003c\/p\u003e\n\u003cp\u003eGoogle Coral kann hingegen gut in Anwendungen zum Einsatz kommen wo 4 TOPS Rechenleistung ausreichen, da sie günstiger sind. \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003ch3\u003eKann ich LLMs auf dem HAILO-8 ausführen, bpsw. LLAMA?\u003c\/h3\u003e\n\u003cp\u003eLLMs = Large Language Modelle (so etwas wie ChatGPT \/ GPT4-o, bzw. LLAMA, Falcon, usw.)\u003c\/p\u003e\n\u003cp\u003eNein, dafür ist der HAILO-8 nicht ausgelegt. Grafikkarten auf denen diese LLMs typischerweise laufen haben schnellen direkt angebundenen Speicher. Der HAILO-8 hat unter anderem nicht genügend Speicher, um diese Modelle laden zu können. \u003c\/p\u003e\n\u003cp\u003eHAILO hat ein zukünftiges Produkt, den HAILO-10 angekündigt. Dieser wird eine Speicherschnittstelle haben, und auch GenAI Anwendungen wie LLMs besser unterstützen.\u003c\/p\u003e\n\u003ch3\u003eKann ich damit Modelle trainieren?\u003c\/h3\u003e\n\u003cp\u003eNein, der HAILO-8 ist ausschließlich für die Inferenz (int8) gedacht. Zum Training von Modellen wird typischerweise eine klassische GPU eingesetzt.\u003c\/p\u003e\n\u003cp\u003eHAILO bietet hier Unterstützung mit einer Reihe von vorgebauten Docker-Containern, mit denen Modelle trainiert und auch angepasst werden können.\u003c\/p\u003e\n\u003cp\u003e\u003cimg src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-SW.jpg?v=1722464870\" alt=\"\" width=\"543\" height=\"241\" data-mce-src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-SW.jpg?v=1722464870\"\u003e\u003c\/p\u003e\n\u003cp\u003eDas Model Build Environment wird wie im Diagramm gezeigt auf einem eigenen dafür vorgesehenen Computer betrieben, der über die notwendigen technischen Parameter verfügt. HAILO-8 selbst ist für Edge-Anwendungen gedacht, für die Inferenz, zusammen mit der HailoRT Runtime.\u003c\/p\u003e\n\u003cp\u003e\u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eWir unterstützen gerne bei technischen Fragen zu Modellen.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003ePhysikalische Abmessungen\u003c\/h3\u003e\n\u003cp\u003eAlle Abmessungen in mm. Nur als Referenz, nicht für 3D-Modellierung geeignet.\u003c\/p\u003e\n\u003cp\u003e\u003cimg height=\"359\" width=\"537\" src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-Century-0804-mechanical.jpg?v=1723070247\" alt=\"\"\u003e\u003cimg\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cimg\u003e\u003c\/p\u003e\n\u003ch3\u003eMisc\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eHailo SKUs \/ alternative Bezeichnungen: \n\u003cul\u003e\n\u003cli\u003eHFR18B4I1XA = Hailo-8, Century-0804 PCIe Starter Kit- industrial \u003cbr\u003eTemp. -40 to +80°C\u003c\/li\u003e\n\u003cli\u003eHFR18B4I1XA\/HAI\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003eHS Code: 85176200\u003c\/li\u003e\n\u003cli\u003eCountry of origin: Taiwan\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eauf dieser Seite bestellen Sie ein Stück, wenden Sie sich bei Großbedarf gerne an uns\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003eLead Time (Nachlieferzeit): aktuell 12 Wochen\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003ch2\u003eEnglish Description\u003c\/h2\u003e\n\u003cp\u003eHailo-8 is a modern AI accelerator chip designed for deep neural networks, particularly suited for vision applications. This is the Century 0804 PCI-Express variant of the Hailo-8 AI Processor (multiple HAILO-8). A host CPU is required for operation.\u003c\/p\u003e\n\u003ch3\u003eTechnical Specifications\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eModel Number\u003c\/strong\u003e: 0804\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003ePerformance\u003c\/strong\u003e: Up to 104 TOPS\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eForm Factor\u003c\/strong\u003e: PCIe CEM single slot low profile\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eInterface\u003c\/strong\u003e: PCIe Gen 3, 16-lanes\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eDimensions\u003c\/strong\u003e: 68.89 mm (2.712”) x 167.64 mm (6.6”)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eTDP\u003c\/strong\u003e: 45W (includes heatsink)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003ePower Supply\u003c\/strong\u003e: Requires 12V from PCIe slot\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eNote\u003c\/strong\u003e: Includes an additional ATX power supply connector that must be used if the required power is not provided through the PCIe slot.\u003c\/p\u003e\n\u003ch3\u003eSoftware Support (Inferencing)\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eExecutes deep learning neural networks with high performance efficiency\u003c\/li\u003e\n\u003cli\u003eParticularly suited for CNNs (Computer Vision applications)\u003c\/li\u003e\n\u003cli\u003eAllows processing of multiple models \u0026amp; streams in parallel\u003c\/li\u003e\n\u003cli\u003eSupports Linux and Windows\u003c\/li\u003e\n\u003cli\u003eCompatible with TensorFlow, TensorFlow Lite, Keras, PyTorch, ONNX\u003c\/li\u003e\n\u003cli\u003eCompatible with ARM and x86 systems\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eAdditional Information\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eCE \u0026amp; FCC Class A certified\u003c\/li\u003e\n\u003cli\u003eOperating Temperature: -40°C to +85°C (ambient temperature) for the HFR18B4I1XA variant\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eConsulting through buyzero\u003c\/h3\u003e\n\u003cp\u003eWe will assess whether your model can run on the HAILO-8 and if you can implement your project with the help of HAILO-8. Please contact us for assistance.\u003c\/p\u003e\n\u003ch3\u003eFAQ\u003c\/h3\u003e\n\u003cp\u003e\u003cstrong\u003eWhat are example applications for this module?\u003c\/strong\u003e This module can accelerate deep learning algorithms, particularly CNNs (convolutional neural networks). Examples include:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003ePose estimation\u003c\/li\u003e\n\u003cli\u003eObject detection with bounding boxes (e.g., identifying bicycles in images)\u003c\/li\u003e\n\u003cli\u003eSegmentation (marking areas of an image occupied by a banana)\u003c\/li\u003e\n\u003cli\u003eLicense plate recognition\u003c\/li\u003e\n\u003cli\u003eFace recognition\u003c\/li\u003e\n\u003cli\u003eAnd more.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eCan I run models compiled for HAILO-8L on a HAILO-8?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eYes, models compiled for the HAILO-8L will run on a HAILO-8.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eI need more TOPS for a complex application; what can I do?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eThis HAILO-8 Century-0804 PCIe card offers 104 TOPS. We also provide a solution with 52 TOPS, the Biscotti module, which utilizes two HAILO-8 modules and features an EDSFF E1.S connector for use in storage servers. This allows the Biscotti dual HAILO module to be used in clusters, scaling up to 1600 TOPS in a 19” server.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eIs the HAILO-8 a good alternative to Google Coral?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eYes, the HAILO-8 is a good alternative for users with higher performance requirements compared to the Google Coral series. Google Coral is better suited for applications where 4 TOPS of computing power are sufficient due to its lower cost.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eCan I run LLMs on the HAILO-8, e.g., LLAMA?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eNo, the HAILO-8 is not designed for that. GPUs typically used for LLMs have fast, directly attached memory. The HAILO-8 does not have sufficient memory to load these models. HAILO has announced a future product, the HAILO-10, which will feature a memory interface and better support for GenAI applications like LLMs.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eCan I train models with it?\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eNo, the HAILO-8 is exclusively for inference (int8). For training models, traditional GPUs are typically used. HAILO offers support with a range of pre-built Docker containers for model training and adaptation.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eMiscellaneous\u003c\/strong\u003e Hailo SKUs \/ alternative designations:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eHFR18B4I1XA = Hailo-8, Century-0804 PCIe Starter Kit - industrial\u003c\/li\u003e\n\u003cli\u003eTemperature Range: -40 to +80°C\u003c\/li\u003e\n\u003cli\u003eHS Code: 85176200\u003c\/li\u003e\n\u003cli\u003eCountry of Origin: Taiwan\u003c\/li\u003e\n\u003cli\u003eTo order a single piece, please contact us for bulk requests.\u003c\/li\u003e\n\u003cli\u003eLead Time: currently 12 weeks.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c!----\u003e","brand":"Hailo","offers":[{"title":"Default Title","offer_id":45726100488459,"sku":"Hailo-HFR18B4I1XA-010","price":739.0,"currency_code":"EUR","in_stock":false}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/Hailo-8-Century_res.png?v=1723068750"},{"product_id":"hailo-15h-ai-vision-processor-single-board-computer-kit-20-tops","title":"Hailo-15H AI Vision Processor Single Board Computer Kit (20 TOPS)","description":"\u003cp\u003eHailo-15H ist ein moderner AI-Vision Prozessor für Deep Neural Networks. Dieses Evaluation Kit ermöglicht Ihnen den Hailo-15H für Ihre Anwendung zu testen.\u003c\/p\u003e\n\u003cp\u003eAuf der Platine dieses AI Vision Single Board Computer Kits werden dazu eine Vielzahl von praktischen Schnittstellen exponiert.  \u003c\/p\u003e\n\u003ch3\u003eTechnische Daten\u003c\/h3\u003e\n\u003ch3\u003eHAILO-15H SoC\u003c\/h3\u003e\n\u003cp\u003eIm folgenden die technischen Daten zu dem SoC. Auf dem Single Board Computer Kit sind einige der Schnittstellen exponiert - exakte Beschreibung dafür folgt. \u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003ePerformance: bis zu \u003cstrong\u003e20 TOPS\u003c\/strong\u003e\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eApplication Processor: Quad-Core ARM A53 bis zu 1.3 GHz 12 kDMIPs\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eVision Sub-System\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eISP: bis zu 12MP Auflösung, 600 Mpixel\/s \u003c\/li\u003e\n\u003cli\u003eRGGB \u0026amp; RCCB CFAs Unterstützung\u003c\/li\u003e\n\u003cli\u003eWide dynamic range (für Verarbeitung von Aufnahmen mit schlechten Beleuchtungsverhältnissen)\u003c\/li\u003e\n\u003cli\u003eErweiterte Rauschreduktion: 2DNR, 3DNR, Chroma NR\u003c\/li\u003e\n\u003cli\u003eVideo Encoder (HEVC \u0026amp; AVC) H.265\/H.264, mehrere Streams\u003c\/li\u003e\n\u003cli\u003eBildstabilisierung, Lens Shading \u0026amp; Verzerrungskorrektur, Digitalzoom, Flip \u0026amp; Rotate\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eSensor-Schnittstellen\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eVideo In: Dual MIPI CSI, DVP 24bit\u003c\/li\u003e\n\u003cli\u003eVideo Out: MIPI DSI\u003c\/li\u003e\n\u003cli\u003eI2C x 4\u003c\/li\u003e\n\u003cli\u003eI2S x2 in \/ x 2 out\u003c\/li\u003e\n\u003cli\u003eSPI x 4 \u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cb\u003eSpeicherschnittstellen\u003c\/b\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eLPDDR4\/4X\u003cb\u003e \u003c\/b\u003e32bit @4266 MT\/s\u003c\/li\u003e\n\u003cli\u003eQSPI\u003c\/li\u003e\n\u003cli\u003eSDIO 3.0\/eMMc5.1 (bis zu HS200)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eDSP vision processing sub-system\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eVector DSP, 256 MACs @700 MHz, supports up to 350 GOPs\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003ePeripherie\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003ePCIe Gen 3.0 x 4 lanes (Endpoint \/ RC)\u003c\/li\u003e\n\u003cli\u003e10 \/ 100 \/ 1000 Ethernet mit RMII \/ RGMII\u003c\/li\u003e\n\u003cli\u003eUSB 3.1 Gen2 Host \/ Device 2.0 Host\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eSicherheit\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eSecure boot\u003c\/li\u003e\n\u003cli\u003eSecure debug\u003c\/li\u003e\n\u003cli\u003eHardware beschleunigte Cryptobibliothek (Hardware accelerated Crypto Library)\u003c\/li\u003e\n\u003cli\u003eTrustZone, TRNG, Firewall\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eHinweis: möglicherweise sind nicht alle diese Schnittstellen auf dem HAILO-15H Single Board Computer Kit exponiert.\u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eDer SoC ist bereits auf dem Single Board Computer verlötet. Die zusätzliche Abbildung dient der Illustration.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eHinweis: \u003c\/strong\u003e\u003c\/p\u003e\n\u003cp\u003eEs sind neben dem Hailo-15H noch weitere Vision Prozessoren verfügbar - \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003ebitte fragen Sie bei uns ggf. an\u003c\/a\u003e:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eHAILO-15H: 20 TOPS\u003c\/li\u003e\n\u003cli\u003eHAILO-15M: 11 TOPS\u003c\/li\u003e\n\u003cli\u003eHAILO-15L: 7 TOPS (\u003cem\u003emit Quad-Core ARM A53 bis 1.1 GHz, 10.1 kDMIPs\u003c\/em\u003e)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eWir führen ebenso das gesamte andere \u003ca href=\"https:\/\/buyzero.de\/collections\/hailo\" data-mce-href=\"https:\/\/buyzero.de\/collections\/hailo\"\u003eHAILO-Sortiment\u003c\/a\u003e (HAILO-8, HAILO-8L, sowie weitere Varianten, wie bspw. \u003ca href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\" data-mce-href=\"https:\/\/buyzero.de\/collections\/hailo\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\"\u003eBiscotti \u003c\/a\u003emit 52 TOPS)\u003cstrong\u003e\u003c\/strong\u003e\u003c\/p\u003e\n\u003ch3\u003eSoftwareunterstützung (Inferencing)\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eYocto-basierende Linux Distribution\u003c\/li\u003e\n\u003cli\u003eführt Deep Learning Neural Networks mit hoher Leistungseffizienz aus\u003c\/li\u003e\n\u003cli\u003ebesonders gut für CNNs geeignet (Computer Vision Anwendungen)\u003c\/li\u003e\n\u003cli\u003eermöglicht parallel mehrere Modelle \u0026amp; Streams zu prozessieren\u003c\/li\u003e\n\u003cli\u003eUnterstützt TensorFlow, TensorFlow Lite, Keras, PyTorch, ONNX \u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eDokumentation \u0026amp; Downloads\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/hailo15_product_brief_1.0.pdf?v=1723237170\" rel=\"noopener\" target=\"_blank\" data-mce-href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/hailo15_product_brief_1.0.pdf?v=1723237170\"\u003eHAILO-15 Product brief (PDF)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/\"\u003eHailo Developer Zone\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/software-downloads\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/software-downloads\/\"\u003eHailo Software Downloads\u003c\/a\u003e - alles was benötigt wird um Hailo AI Prozessoren zu installieren und zu betreiben\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/documentation\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/documentation\/\"\u003eHailo Dokumentation und Datenblätter\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/hailo.ai\/products\/hailo-software\/model-explorer\/\" data-mce-href=\"https:\/\/hailo.ai\/products\/hailo-software\/model-explorer\/\"\u003eHailo Model Explorer\u003c\/a\u003e - ermöglicht das passendste AI Modell als Basis für Ihre Anwendung zu wählen\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/community.hailo.ai\/\" data-mce-href=\"https:\/\/community.hailo.ai\/\"\u003eHailo Community\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/github.com\/hailo-ai\" data-mce-href=\"https:\/\/github.com\/hailo-ai\"\u003eHailo auf GitHub\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eBeratung durch buyzero\u003c\/h3\u003e\n\u003cp\u003eWir beraten Sie ob Ihr Modell auf dem HAILO-15 lauffähig ist, und ob Sie Ihr Projekt mit Hilfe von HAILO-15 umsetzen können. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eKontaktieren Sie uns dazu bitte.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003eFAQ\u003c\/h3\u003e\n\u003ch3\u003eWas sind Beispielanwendungen für diesen SoC?\u003c\/h3\u003e\n\u003cp\u003eMan kann mit diesem SoC sogenannte Deep Learning Algorithmen, insbesondere CNNs (convolutional neural networks), beschleunigen. \u003c\/p\u003e\n\u003cp\u003eDazu gehören:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003ePose Estimation - Schätzung der Pose eines Menschen\u003c\/li\u003e\n\u003cli\u003eObjekterkennung mit Bounding Boxes (bspw. wo ist ein Fahrrad im Bild, und was ist es)\u003c\/li\u003e\n\u003cli\u003eSegmentierung - markiere die Bereiche eines Bildes die eine Banane einnimmt\u003c\/li\u003e\n\u003cli\u003eNummernschilderkennung\u003c\/li\u003e\n\u003cli\u003eGesichtserkennung\u003c\/li\u003e\n\u003cli\u003eu.v.m.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eDer Hailo-15H SoC eignet sich besonders gut für den Einsatz in Kameras, bspw. für Kamerahersteller, die Kameras mit AI-Features auf den Markt bringen möchten. \u003c\/p\u003e\n\u003ch3\u003eIch benötige mehr TOPS, da ich eine komplexe Anwendung habe, was kann ich tun?\u003c\/h3\u003e\n\u003cp\u003eDer HAILO-15H Vision Processor hat \u003cstrong\u003e20 TOPS\u003c\/strong\u003e. \u003c\/p\u003e\n\u003cp\u003eWir bieten in unserem Shop auch eine Lösung mit \u003cstrong\u003e52 TOPS\u003c\/strong\u003e - das\u003ca href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\" data-mce-href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\"\u003e Biscotti Modul\u003c\/a\u003e an. Es nutzt dazu zwei HAILO-8 Module, und hat einen EDSFF \u003cstrong\u003eE1.S\u003c\/strong\u003e Anschluss - der in Storage Servern zum Einsatz kommt. \u003c\/p\u003e\n\u003cp\u003eDadurch kann das \u003ca href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\" data-mce-href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\"\u003eBiscotti Dual HAILO Modul\u003c\/a\u003e auch in Clustern verbaut werden, und in einem 19'' Server \u003cstrong\u003ebspw. auf 1600 TOPS\u003c\/strong\u003e skaliert werden. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eWir stehen gerne bei Fragen zur Verfügung!\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003eKann ich LLMs auf dem HAILO-15 ausführen, bpsw. LLAMA?\u003c\/h3\u003e\n\u003cp\u003eLLMs = Large Language Modelle (so etwas wie ChatGPT \/ GPT4-o, bzw. LLAMA, Falcon, usw.)\u003c\/p\u003e\n\u003cp\u003eDer HAILO-15 ist sehr bedingt für kleine Language Models geignet. \u003c\/p\u003e\n\u003cp\u003eHAILO hat ein zukünftiges Produkt, den HAILO-10 angekündigt. Dieser wird eine Speicherschnittstelle und eine optimierte Architektur haben, und auch GenAI Anwendungen wie LLMs besser unterstützen.\u003c\/p\u003e\n\u003ch3\u003eKann ich damit Modelle trainieren?\u003c\/h3\u003e\n\u003cp\u003eNein, der HAILO-15 ist ausschließlich für die Inferenz (int8) gedacht. Zum Training von Modellen wird typischerweise eine klassische GPU eingesetzt.\u003c\/p\u003e\n\u003cp\u003eHAILO bietet hier Unterstützung mit einer Reihe von vorgebauten Docker-Containern, mit denen Modelle trainiert und auch angepasst werden können.\u003c\/p\u003e\n\u003cp\u003e\u003cimg src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-SW.jpg?v=1722464870\" alt=\"\" width=\"543\" height=\"241\" data-mce-src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HAILO-SW.jpg?v=1722464870\"\u003e\u003c\/p\u003e\n\u003cp\u003eDas Model Build Environment wird wie im Diagramm gezeigt auf einem eigenen dafür vorgesehenen Computer betrieben, der über die notwendigen technischen Parameter verfügt. HAILO-15 selbst ist für Edge-Anwendungen gedacht, für die Inferenz, zusammen mit der HailoRT Runtime.\u003c\/p\u003e\n\u003cp\u003e\u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eWir unterstützen gerne bei technischen Fragen zu Modellen.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch2\u003eMisc\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003eHailo SKUs \/ alternative Bezeichnungen: \n\u003cul\u003e\n\u003cli\u003e\n\u003cspan\u003eHSB2HA1C4GA ES \u003c\/span\u003e= Hailo-15H Single Board Computer Kit\u003c\/li\u003e\n\u003cli\u003e\n\u003cspan\u003eHSB2HA1C4GA ES\u003c\/span\u003e\/HAI\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003eHS Code: 85340090\u003c\/li\u003e\n\u003cli\u003eCountry of origin: Taiwan\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eauf dieser Seite bestellen Sie ein Stück, wenden Sie sich bei Großbedarf gerne an uns\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003eLead Time (Nachlieferzeit): aktuell 12 Wochen\u003c\/li\u003e\n\u003cli\u003eRoHS compliant\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003ch2\u003eEnglish Description\u003c\/h2\u003e\n\u003cp\u003eDiscover the Hailo-15H, a modern AI vision processor for deep neural networks. This evaluation kit allows you to comprehensively test the Hailo-15H for your specific applications. The board of this AI Vision Single Board Computer Kit features numerous practical interfaces.\u003c\/p\u003e\n\u003ch3\u003eSpecifications\u003c\/h3\u003e\n\u003ch3\u003e\u003cstrong\u003eHAILO-15H SoC:\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003ePerformance:\u003c\/strong\u003e\u003cspan\u003e \u003c\/span\u003eUp to 20 TOPS\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eApplication Processor:\u003c\/strong\u003e\u003cspan\u003e \u003c\/span\u003eQuad-Core ARM A53 up to 1.3 GHz, 12 kDMIPs\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003e\u003cstrong\u003eVision Sub-System:\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eISP: Up to 12MP resolution, 600 Mpixel\/s\u003c\/li\u003e\n\u003cli\u003eSupport for RGGB \u0026amp; RCCB CFAs\u003c\/li\u003e\n\u003cli\u003eWide dynamic range: For low-light conditions\u003c\/li\u003e\n\u003cli\u003eAdvanced noise reduction: 2DNR, 3DNR, Chroma NR\u003c\/li\u003e\n\u003cli\u003eVideo Encoder: HEVC \u0026amp; AVC (H.265\/H.264), multiple streams\u003c\/li\u003e\n\u003cli\u003eImage stabilization, lens shading \u0026amp; distortion correction, digital zoom, flip \u0026amp; rotate\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003e\u003cstrong\u003eSensor Interfaces:\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eVideo In: Dual MIPI CSI, DVP 24bit\u003c\/li\u003e\n\u003cli\u003eVideo Out: MIPI DSI\u003c\/li\u003e\n\u003cli\u003eI2C x 4\u003c\/li\u003e\n\u003cli\u003eI2S x 2 in \/ x 2 out\u003c\/li\u003e\n\u003cli\u003eSPI x 4\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003e\u003cstrong\u003eMemory Interfaces:\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eLPDDR4\/4X 32bit @4266 MT\/s\u003c\/li\u003e\n\u003cli\u003eQSPI\u003c\/li\u003e\n\u003cli\u003eSDIO 3.0\/eMMc5.1 (up to HS200)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003e\u003cstrong\u003eDSP Vision Processing Sub-System:\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eVector DSP:\u003c\/strong\u003e\u003cspan\u003e \u003c\/span\u003e256 MACs @700 MHz, supports up to 350 GOPs\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003e\u003cstrong\u003ePeripherals:\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003ePCIe Gen 3.0 x 4 lanes (Endpoint \/ RC)\u003c\/li\u003e\n\u003cli\u003e10 \/ 100 \/ 1000 Ethernet with RMII \/ RGMII\u003c\/li\u003e\n\u003cli\u003eUSB 3.1 Gen2 Host \/ Device 2.0 Host\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003e\u003cstrong\u003eSecurity:\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eSecure boot\u003c\/li\u003e\n\u003cli\u003eSecure debug\u003c\/li\u003e\n\u003cli\u003eHardware accelerated crypto library\u003c\/li\u003e\n\u003cli\u003eTrustZone, TRNG, Firewall\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eNote:\u003c\/strong\u003e\u003cspan\u003e \u003c\/span\u003eNot all interfaces are exposed on the HAILO-15H Single Board Computer Kit.\u003c\/p\u003e\n\u003cp\u003eThe SoC is already soldered onto the single board computer. The image serves for illustration purposes.\u003c\/p\u003e\n\u003ch3\u003eSoftware Support (Inferencing)\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eYocto-based Linux distribution\u003c\/li\u003e\n\u003cli\u003eSupports deep learning neural networks with high performance efficiency\u003c\/li\u003e\n\u003cli\u003eIdeal for CNNs (computer vision applications)\u003c\/li\u003e\n\u003cli\u003eEnables parallel processing of multiple models \u0026amp; streams\u003c\/li\u003e\n\u003cli\u003eSupports TensorFlow, TensorFlow Lite, Keras, PyTorch, ONNX\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eDocumentation \u0026amp; Downloads\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/hailo8_m.2_et_product_brief_2.1.pdf?v=1722549683\" rel=\"noopener\" data-mce-href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/hailo8_m.2_et_product_brief_2.1.pdf?v=1722549683\" target=\"_blank\"\u003eHAILO-15 Product brief (PDF)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/\"\u003eHailo Developer Zone\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/software-downloads\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/software-downloads\/\"\u003eHailo Software Downloads\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/documentation\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/documentation\/\"\u003eHailo Documentation and datasheets\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/hailo.ai\/products\/hailo-software\/model-explorer\/\" data-mce-href=\"https:\/\/hailo.ai\/products\/hailo-software\/model-explorer\/\"\u003eHailo Model Explorer\u003c\/a\u003e - choose the right model for your application\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/community.hailo.ai\/\" data-mce-href=\"https:\/\/community.hailo.ai\/\"\u003eHailo Community\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/github.com\/hailo-ai\" data-mce-href=\"https:\/\/github.com\/hailo-ai\"\u003eHailo on GitHub\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eConsulting by buyzero\u003c\/h3\u003e\n\u003cp\u003eWe advise you on whether your model can run on the HAILO-15 and whether you can implement your project with the HAILO-15. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003ePlease contact us.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003eExample Applications\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003ePose Estimation: Estimation of a person's pose\u003c\/li\u003e\n\u003cli\u003eObject Detection: With bounding boxes (e.g., locating a bicycle in the image)\u003c\/li\u003e\n\u003cli\u003eSegmentation: Marking areas of an image (e.g., a banana)\u003c\/li\u003e\n\u003cli\u003eLicense Plate Recognition\u003c\/li\u003e\n\u003cli\u003eFace Recognition\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003e\u003cstrong\u003eHailo SKUs \/ alternative designations:\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eHSB2HA1C4GA ES = Hailo-15H Single Board Computer Kit\u003c\/li\u003e\n\u003cli\u003eHSB2HA1C4GA ES\/HAI\u003c\/li\u003e\n\u003cli\u003eHS Code: 85340090\u003c\/li\u003e\n\u003cli\u003eCountry of origin: Taiwan\u003c\/li\u003e\n\u003cli\u003eLead Time: 12 weeks\u003c\/li\u003e\n\u003cli\u003eRoHS compliant\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c!----\u003e","brand":"Hailo","offers":[{"title":"Default Title","offer_id":45734210470155,"sku":"Hailo-HSB2HA1C4GA_ES-011","price":475.0,"currency_code":"EUR","in_stock":false}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/Hailo-15EvaluationKit_fromside_a52e648e-bf2e-4d68-9d7a-bee221dcae83.png?v=1723237622"},{"product_id":"hailo-imx334-reference-sensor-module","title":"Hailo IMX334 Reference Sensor Module","description":"\u003cp\u003eIMX334 ist ein Sony Kamerasensor - dieser Artikel ist eine Referenzimplementation von Hailo dazu.\u003c\/p\u003e\n\u003cp\u003eWichtig: Es handelt sich hierbei um ein Sensormodul, das zusätzlich einen passenden Host und AI-Accelerator (bspw. HAILO-8 oder HAILO-15) zum Anschließen benötigt. Das Modul verfügt demnach über keine KI-Algorithmusbeschleunigung, es handelt sich um einen reinen Sensor.\u003c\/p\u003e\n\u003ch2\u003eTechnische Daten\u003c\/h2\u003e\n\u003ch3\u003eHailo IMX334 Reference Sensor Module \u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eSony Modellnummer: IMX334\u003c\/li\u003e\n\u003cli\u003eTBD\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003eHinweise\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003e\u003cspan style=\"font-size: 0.875rem;\"\u003eZertifizierung: TBD\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003cspan style=\"font-size: 0.875rem;\"\u003eBetriebstemperatur: TBD\u003c\/span\u003e\u003cbr\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003eDokumentation \u0026amp; Downloads\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/\"\u003eHailo Developer Zone\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/software-downloads\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/software-downloads\/\"\u003eHailo Software Downloads\u003c\/a\u003e - alles was benötigt wird um Hailo AI Prozessoren zu installieren und zu betreiben\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/documentation\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/documentation\/\"\u003eHailo Dokumentation und Datenblätter\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/hailo.ai\/products\/hailo-software\/model-explorer\/\" data-mce-href=\"https:\/\/hailo.ai\/products\/hailo-software\/model-explorer\/\"\u003eHailo Model Explorer\u003c\/a\u003e - ermöglicht das passendste AI Modell als Basis für Ihre Anwendung zu wählen\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/community.hailo.ai\/\" data-mce-href=\"https:\/\/community.hailo.ai\/\"\u003eHailo Community\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/github.com\/hailo-ai\" data-mce-href=\"https:\/\/github.com\/hailo-ai\"\u003eHailo auf GitHub\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003eBeratung durch buyzero\u003c\/h2\u003e\n\u003cp\u003eWir beraten Sie ob Ihr Modell auf dem HAILO-8 lauffähig ist, und ob Sie Ihr Projekt mit Hilfe von HAILO-8 umsetzen können, und ob Sie dieses IMX334 Sensormodul dazu benötigen. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eKontaktieren Sie uns dazu bitte.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch2\u003eFAQ\u003c\/h2\u003e\n\u003ch3\u003eWas sind Beispielanwendungen für dieses Modul?\u003c\/h3\u003e\n\u003cp\u003e\u003cspan style=\"font-size: 0.875rem;\"\u003eTBD\u003c\/span\u003e\u003c\/p\u003e\n\u003ch3\u003ePhysikalische Abmessungen\u003c\/h3\u003e\n\u003cp\u003eAlle Abmessungen in mm. Nur als Referenz, nicht für 3D-Modellierung geeignet.\u003c\/p\u003e\n\u003cp\u003eTBD\u003c\/p\u003e\n\u003cp\u003e\u003cimg\u003e\u003c\/p\u003e\n\u003ch2\u003eMisc\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003eHailo SKUs \/ alternative Bezeichnungen: \n\u003cul\u003e\n\u003cli\u003eHSMLI33411 = Hailo IMX334 Reference Sensor Module\u003c\/li\u003e\n\u003cli\u003eHSMLI33411\/HAI\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003eHS Code: 85299092\u003c\/li\u003e\n\u003cli\u003eCountry of origin: China\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eauf dieser Seite bestellen Sie ein Stück, wenden Sie sich bei Großbedarf gerne an uns\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003eLead Time (Nachlieferzeit): aktuell 12 Wochen\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003c!----\u003e","brand":"Hailo","offers":[{"title":"Default Title","offer_id":45737364553995,"sku":"Hailo-HSMLI33411-013","price":519.0,"currency_code":"EUR","in_stock":true}]},{"product_id":"hailo-imx678-reference-sensor-module","title":"Hailo IMX678 Reference Sensor Module","description":"\u003cp\u003eIMX678 ist ein Sony Kamerasensor - dieser Artikel ist eine Referenzimplementation von Hailo dazu.\u003c\/p\u003e\n\u003cp\u003eWichtig: Es handelt sich hierbei um ein Sensormodul, das zusätzlich einen passenden Host und AI-Accelerator (bspw. HAILO-8 oder HAILO-15) zum Anschließen benötigt. Das Modul verfügt demnach über keine KI-Algorithmusbeschleunigung, es handelt sich um einen reinen Sensor.\u003c\/p\u003e\n\u003ch2\u003eTechnische Daten\u003c\/h2\u003e\n\u003ch3\u003eHailo IMX678 Reference Sensor Module \u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eSony Modellnummer: IMX678 \u003c\/li\u003e\n\u003cli\u003eTBD\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003eHinweise\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003e\u003cspan style=\"font-size: 0.875rem;\"\u003eZertifizierung: TBD\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003cspan style=\"font-size: 0.875rem;\"\u003eBetriebstemperatur: TBD\u003c\/span\u003e\u003cbr\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003eDokumentation \u0026amp; Downloads\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/\"\u003eHailo Developer Zone\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/software-downloads\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/software-downloads\/\"\u003eHailo Software Downloads\u003c\/a\u003e - alles was benötigt wird um Hailo AI Prozessoren zu installieren und zu betreiben\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/hailo.ai\/developer-zone\/documentation\/\" data-mce-href=\"https:\/\/hailo.ai\/developer-zone\/documentation\/\"\u003eHailo Dokumentation und Datenblätter\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/hailo.ai\/products\/hailo-software\/model-explorer\/\" data-mce-href=\"https:\/\/hailo.ai\/products\/hailo-software\/model-explorer\/\"\u003eHailo Model Explorer\u003c\/a\u003e - ermöglicht das passendste AI Modell als Basis für Ihre Anwendung zu wählen\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/community.hailo.ai\/\" data-mce-href=\"https:\/\/community.hailo.ai\/\"\u003eHailo Community\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/github.com\/hailo-ai\" data-mce-href=\"https:\/\/github.com\/hailo-ai\"\u003eHailo auf GitHub\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003eBeratung durch buyzero\u003c\/h2\u003e\n\u003cp\u003eWir beraten Sie ob Ihr Modell auf dem HAILO-8 lauffähig ist, und ob Sie Ihr Projekt mit Hilfe von HAILO-8 umsetzen können, und ob Sie dieses IMX678 Sensormodul dazu benötigen. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eKontaktieren Sie uns dazu bitte.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch2\u003eFAQ\u003c\/h2\u003e\n\u003ch3\u003eWas sind Beispielanwendungen für dieses Modul?\u003c\/h3\u003e\n\u003cp\u003e\u003cspan style=\"font-size: 0.875rem;\"\u003eTBD\u003c\/span\u003e\u003c\/p\u003e\n\u003ch3\u003ePhysikalische Abmessungen\u003c\/h3\u003e\n\u003cp\u003eAlle Abmessungen in mm. Nur als Referenz, nicht für 3D-Modellierung geeignet.\u003c\/p\u003e\n\u003cp\u003eTBD\u003c\/p\u003e\n\u003cp\u003e\u003cimg\u003e\u003c\/p\u003e\n\u003ch2\u003eMisc\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003eHailo SKUs \/ alternative Bezeichnungen: \n\u003cul\u003e\n\u003cli\u003eHSMLI67811 = Hailo IMX678 Reference Sensor Module\u003c\/li\u003e\n\u003cli\u003eHSMLI67811\/HAI\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003eHS Code: 85299092\u003c\/li\u003e\n\u003cli\u003eCountry of origin: China\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\" data-mce-href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eauf dieser Seite bestellen Sie ein Stück, wenden Sie sich bei Großbedarf gerne an uns\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003eLead Time (Nachlieferzeit): aktuell 12 Wochen\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003c!----\u003e","brand":"Hailo","offers":[{"title":"Default Title","offer_id":45737389129995,"sku":"Hailo-HSMLI67811-012","price":519.0,"currency_code":"EUR","in_stock":true}]},{"product_id":"coral-ai-accelerator-module-100-stuck","title":"Coral AI Accelerator Module (100 Stück)","description":"\u003cp\u003eEine Verpackungseinheit Coral AI Accelerator Module, 1000 Stück auf einer Rolle. \u003c\/p\u003e\n\u003cp\u003eHinweis: aktuell warten wir auf Lead Time Informationen. Es ist allerdings eine verbindliche Vorbestellung möglich.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eBezeichnungen: \u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eHersteller-SKU: G313-06329-00\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eName: Coral Accelerator Module\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eASUS part-number: 90AN01G0-B0XAY0\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eMouser Teilenummer: \u003cspan\u003e212-G313-06329-00\u003c\/span\u003e\n\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eRS Bestellnummer: 215-4731 \/ 215-4732 \/ 215-4732P \/ 74945150 \/ 72324825\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003eEAN: N\/A\u003cbr\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eDas Accelerator Module ist ein SMT-Modul (surface mount), das die Edge TPU und seine eigene Stromversorgungssteuerung enthält. Es bietet beschleunigtes Inferencing für TensorFlow Lite Modelle auf Ihrer kundenspezifischen PCB Hardware.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eFührt ML-Inferencing mit hoher Geschwindigkeit durch\u003c\/strong\u003e\u003cbr\u003e\u003c\/p\u003e\n\u003cp\u003eDie Edge TPU ist in der Lage, 4 Billionen Operationen pro Sekunde (4 TOPS) auszuführen und verbraucht dabei 2 Watt Strom - das sind 2 TOPS pro Watt. So kann sie z. B. modernste mobile Bildverarbeitungsmodelle wie MobileNet v2 mit fast 400 Bildern pro Sekunde ausführen, und das auf energiesparende Weise. \u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eUnterstützt TensorFlow Lite\u003c\/strong\u003e\u003cbr\u003e\u003c\/p\u003e\n\u003cp\u003eSie müssen keine Modelle von Grund auf neu erstellen. TensorFlow Lite-Modelle können so kompiliert werden, dass sie auf der Edge TPU laufen.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eTechnische Eckdaten:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eAbmessungen 15,0 x 10,0 x 1,5 mm\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eChipsatz Google Edge TPU und PMIC\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eMontageart SMT, 120-Pin LGA\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eSerielle Schnittstelle PCIe Gen 2 oder USB 2.0.\u003c\/li\u003e\n\u003cli\u003eUSB 3.0 ebenso verfügbar, benötigt aber spezielle Designüberlegungen - kontaktieren Sie uns bei Interesse\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eNach dem Öffnen der Verpackung sollte sie bei ≤30 °C \/ ≤60 % relativer Luftfeuchtigkeit gelagert und innerhalb von 168 Stunden verwendet werden. \u003c\/p\u003e\n\u003cp\u003e\u003ca href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/Coral-Accelerator-Module-datasheet.pdf?v=1724935289\" rel=\"noopener\" data-mce-href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/Coral-Accelerator-Module-datasheet.pdf?v=1724935289\" target=\"_blank\"\u003e\u003cstrong\u003eDatenblatt (PDF)\u003c\/strong\u003e\u003c\/a\u003e\u003cstrong\u003e\u003c\/strong\u003e\u003c\/p\u003e","brand":"Coral by Google","offers":[{"title":"Default Title","offer_id":45804189024523,"sku":"G313-06329-00-AcceleratorModule-VPE[100]","price":4399.99,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/Coral-Accelerator-100.png?v=1724935875"},{"product_id":"coral-ai-accelerator-module-10-stuck","title":"Coral AI Accelerator Module (10 Stück)","description":"\u003cp\u003eEine Verpackungseinheit Coral AI Accelerator Module, 10 Stück auf einer Rolle. \u003c\/p\u003e\n\u003cp\u003eHinweis: aktuell warten wir auf Lead Time Informationen. Es ist allerdings eine verbindliche Vorbestellung möglich.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eBezeichnungen: \u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eHersteller-SKU: G313-06329-00\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eName: Coral Accelerator Module\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eASUS part-number: 90AN01G0-B0XAY0\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eMouser Teilenummer: \u003cspan\u003e212-G313-06329-00\u003c\/span\u003e\n\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eRS Bestellnummer: 215-4731 \/ 215-4732 \/ 215-4732P \/ 74945150 \/ 72324825\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003eEAN: N\/A\u003cbr\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eDas Accelerator Module ist ein SMT-Modul (surface mount), das die Edge TPU und seine eigene Stromversorgungssteuerung enthält. Es bietet beschleunigtes Inferencing für TensorFlow Lite Modelle auf Ihrer kundenspezifischen PCB Hardware.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eFührt ML-Inferencing mit hoher Geschwindigkeit durch\u003c\/strong\u003e\u003cbr\u003e\u003c\/p\u003e\n\u003cp\u003eDie Edge TPU ist in der Lage, 4 Billionen Operationen pro Sekunde (4 TOPS) auszuführen und verbraucht dabei 2 Watt Strom - das sind 2 TOPS pro Watt. So kann sie z. B. modernste mobile Bildverarbeitungsmodelle wie MobileNet v2 mit fast 400 Bildern pro Sekunde ausführen, und das auf energiesparende Weise. \u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eUnterstützt TensorFlow Lite\u003c\/strong\u003e\u003cbr\u003e\u003c\/p\u003e\n\u003cp\u003eSie müssen keine Modelle von Grund auf neu erstellen. TensorFlow Lite-Modelle können so kompiliert werden, dass sie auf der Edge TPU laufen.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eTechnische Eckdaten:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eAbmessungen 15,0 x 10,0 x 1,5 mm\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eChipsatz Google Edge TPU und PMIC\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eMontageart SMT, 120-Pin LGA\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eSerielle Schnittstelle PCIe Gen 2 oder USB 2.0.\u003c\/li\u003e\n\u003cli\u003eUSB 3.0 ebenso verfügbar, benötigt aber spezielle Designüberlegungen - kontaktieren Sie uns bei Interesse\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eNach dem Öffnen der Verpackung sollte sie bei ≤30 °C \/ ≤60 % relativer Luftfeuchtigkeit gelagert und innerhalb von 168 Stunden verwendet werden. \u003c\/p\u003e\n\u003cp\u003e\u003ca href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/Coral-Accelerator-Module-datasheet.pdf?v=1724935289\" rel=\"noopener\" target=\"_blank\"\u003e\u003cstrong\u003eDatenblatt (PDF)\u003c\/strong\u003e\u003c\/a\u003e\u003cstrong\u003e\u003c\/strong\u003e\u003c\/p\u003e","brand":"Coral by Google","offers":[{"title":"Default Title","offer_id":45804212519179,"sku":"G313-06329-00-AcceleratorModule-VPE[10]","price":439.99,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/Coral-Accelerator-10.png?v=1724936129"},{"product_id":"akida-pcie-board","title":"Akida™ PCIe Board","description":"\u003ch3\u003eTechnische Spezifikationen\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eProzessor:\u003c\/strong\u003e ARM Cortex-M4 32-Bit @ 300MHz (Teilblock von Akida)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eRAM:\u003c\/strong\u003e 256M x 16 Bytes LPDDR4 SDRAM @ 2400MT\/s\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eFLASH:\u003c\/strong\u003e Quad SPI 128Mb NOR @ 12,5MHz\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eÜberwachung:\u003c\/strong\u003e Onboard Akida-Core-Strommonitor\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eKompatibilität:\u003c\/strong\u003e Eine x86-64 PC-Architektur, wie sie in jedem Intel-basierten Computer, etwa mit i5-, i7- oder i9-Prozessor, zu finden ist. Oder eine aarch64 Maschinenarchitektur, wie sie beispielsweise im Raspberry Pi 4 (IO-Motherboard + CS-Daughterboard) verwendet wird.\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eOS: \u003c\/strong\u003eLinux Ubuntu 16.04, 18.04 and 20.04\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eGPIO:\u003c\/strong\u003e 2 LEDs\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eSchnittstellen:\u003c\/strong\u003e 5GT\/s PCI Express 2.0 x 1-Lane\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eAbmessungen:\u003c\/strong\u003e 40mm x 76mm x 5,3mm (ohne PCIe-Rückwandhalterung)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eGewicht:\u003c\/strong\u003e 15g (ohne PCIe-Rückwandhalterung)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eBefestigung:\u003c\/strong\u003e Kleiner Formfaktor PCIe-Rückwandhalterung im Lieferumfang enthalten (1,6\" x 3\")\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eInstallation und Einrichtung\u003c\/h3\u003e\n\u003col\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eAkida PCIe-Karte einbauen:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eStecken Sie Ihre Akida PCIe-Karte in Ihr System ein.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eInstallation überprüfen:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eÖffnen Sie das Terminal und überprüfen Sie, ob die PCIe-Karte erkannt wird, indem Sie den Befehl \u003ccode\u003elspci | grep Co-processor\u003c\/code\u003e ausführen.\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eErwartete Ausgabe:\u003c\/strong\u003e \u003ccode\u003eCo-processor: Device 1e7c:bca1 (rev 01)\u003c\/code\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eAkida-Treiber herunterladen:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eKlonen Sie das Akida-Treiber-Repository von GitHub mit: \u003ccode\u003egit clone https:\/\/github.com\/Brainchip-Inc\/akida_dw_edma\u003c\/code\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eTreiber installieren:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eBefolgen Sie die Anweisungen in der README.md-Datei oder verwenden Sie die folgenden Befehle:\n\u003cul\u003e\n\u003cli\u003eNotwendige Pakete installieren: \u003ccode\u003esudo apt install build-essential linux-headers-$(uname -r)\u003c\/code\u003e\n\u003c\/li\u003e\n\u003cli\u003eWechseln Sie in das Verzeichnis des geklonten Repositories: \u003ccode\u003ecd akida_dw_edma\u003c\/code\u003e\n\u003c\/li\u003e\n\u003cli\u003eFühren Sie das Installationsskript aus: \u003ccode\u003esudo .\/install.sh\u003c\/code\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eHinweis:\u003c\/strong\u003e Diese Schritte entfernen alle alten Treiberversionen, installieren die neue, konfigurieren die Module zum Laden beim Booten und gewähren allen Benutzern Lese-\/Schreibzugriff auf \/dev\/akida*.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eAkida-Paket herunterladen:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eInstallieren Sie das Akida-Paket in Ihrer Python-Umgebung mit: \u003ccode\u003epip install akida\u003c\/code\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eAkida-Gerät überprüfen:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eÜberprüfen Sie, ob das Akida-Gerät erkannt wird, indem Sie den Befehl \u003ccode\u003eakida devices\u003c\/code\u003e ausführen.\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eErwartete Ausgabe:\u003c\/strong\u003e \u003ccode\u003eAvailable devices PCIe\/NSoC_v2\u003c\/code\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003c\/ol\u003e\n\u003cp\u003e\u003cstrong\u003eHinweis:\u003c\/strong\u003e Sollten Sie auf Probleme stoßen, beachten Sie bitte die Troubleshooting-Richtlinien im Benutzerhandbuch.\u003c\/p\u003e\n\u003ch3\u003eDokumente:\u003cbr\u003e\n\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003ca rel=\"noopener\" href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/PCIe-user-guide.pdf?v=1725024916\" target=\"_blank\"\u003eBenutzerhandbuch\u003c\/a\u003e\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003e\u003ca rel=\"noopener\" href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/PCIe-installation-guide.pdf?v=1725024915\" target=\"_blank\"\u003eInstallationsanleitung\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003eEnglish Description\u003cbr\u003e\u003cbr\u003eTechnical Specifications\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eProcessor:\u003c\/strong\u003e ARM Cortex-M4 32-bit @ 300MHz (Subblock of Akida)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eRAM:\u003c\/strong\u003e 256M x 16 bytes LPDDR4 SDRAM @ 2400MT\/s\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eFLASH:\u003c\/strong\u003e Quad SPI 128Mb NOR @ 12.5MHz\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eMonitoring:\u003c\/strong\u003e Onboard Akida core current monitor\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eCompatibility:\u003c\/strong\u003e An x86-64 PC architecture, such as any intel, i5, i7, i9 based computer. Or an aarch64 machine architecture such as a Raspberry Pi 4 (IO mother board + CS daughter board).\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eOS: \u003c\/strong\u003eLinux Ubuntu 16.04, 18.04 and 20.04\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eGPIO:\u003c\/strong\u003e 2 LED's\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eInterfaces:\u003c\/strong\u003e 5GT\/s PCI Express 2.0 x 1-lane\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eDimensions:\u003c\/strong\u003e 40mm x 76mm x 5.3mm (excluding PCIe rear panel bracket)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eWeight:\u003c\/strong\u003e 15g (excluding PCIe rear panel bracket)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eBracket:\u003c\/strong\u003e Small form factor PCIe rear panel bracket included (1.6\" x 3\")\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eInstallation and Setup\u003c\/h3\u003e\n\u003col\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eInsert the Akida PCIe Card:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003ePlug in your Akida PCIe card into your system.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eVerify Installation:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eOpen Terminal and check if the PCIe card is recognized by running the command: \u003ccode\u003elspci | grep Co-processor\u003c\/code\u003e.\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eExpected Output:\u003c\/strong\u003e \u003ccode\u003eCo-processor: Device 1e7c:bca1 (rev 01)\u003c\/code\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eGet the Akida Driver:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eClone the Akida driver repository from GitHub using: \u003ccode\u003egit clone https:\/\/github.com\/Brainchip-Inc\/akida_dw_edma\u003c\/code\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eInstall the Driver:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eFollow the instructions in the README.md file or use the following commands:\n\u003cul\u003e\n\u003cli\u003eInstall necessary packages: \u003ccode\u003esudo apt install build-essential linux-headers-$(uname -r)\u003c\/code\u003e\n\u003c\/li\u003e\n\u003cli\u003eChange directory to the cloned repository: \u003ccode\u003ecd akida_dw_edma\u003c\/code\u003e\n\u003c\/li\u003e\n\u003cli\u003eRun the installation script: \u003ccode\u003esudo .\/install.sh\u003c\/code\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eNote:\u003c\/strong\u003e These steps will remove any old driver versions, install the new one, configure the modules to load at boot, and provide read\/write access to \/dev\/akida* for all users.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eDownload Akida Package:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eInstall the Akida package in your Python environment using: \u003ccode\u003epip install akida\u003c\/code\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eVerify Akida Device:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eCheck if the Akida device is recognized by running: \u003ccode\u003eakida devices\u003c\/code\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eExpected Output:\u003c\/strong\u003e \u003ccode\u003eAvailable devices PCIe\/NSoC_v2\u003c\/code\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003c\/ol\u003e\n\u003cp\u003e\u003cstrong\u003eNote:\u003c\/strong\u003e If you encounter any issues, refer to the Troubleshooting guidelines in the user guide.\u003cbr\u003e\u003c\/p\u003e\n\u003ch3\u003eDocuments:\u003cbr\u003e\n\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003ca rel=\"noopener\" href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/PCIe-user-guide.pdf?v=1725024916\" target=\"_blank\"\u003eUser guide\u003c\/a\u003e\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003e\u003ca rel=\"noopener\" href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/PCIe-installation-guide.pdf?v=1725024915\" target=\"_blank\"\u003eInstallation guide\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e","brand":"BrainChip","offers":[{"title":"Default Title","offer_id":45806716125451,"sku":"BC-PCIe-001","price":799.0,"currency_code":"EUR","in_stock":false}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/Screenshotfrom2024-08-3014-47-09.png?v=1725022062"},{"product_id":"pineboards-hatdrive-ai-nvme-coral-edge-tpu-fur-raspberry-pi-5","title":"Pineboards HatDrive! AI (NVMe + Coral Edge TPU) für Raspberry Pi 5","description":"\u003cp\u003e\u003cstrong\u003eEinführung des HatDrive! AI\u003c\/strong\u003e - neues Board von Pineboards, das entwickelt wurde, um Ihren Raspberry Pi 5 in die Welt der künstlichen Intelligenz und des Hochgeschwindigkeits-Speichers zu führen. Diese Erweiterungsplatine kombiniert einzigartig die Unterstützung für ein NVMe-Laufwerk mit einem speziellen M.2 E-Key-Steckplatz für das Google Coral Edge TPU und macht sie zu einem unverzichtbaren Werkzeug für KI-Enthusiasten und -Profis gleichermaßen.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eHauptmerkmale und Spezifikationen:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eExklusiv für Raspberry Pi 5 entwickelt:\u003c\/strong\u003e Das HatDrive! AI ist so konzipiert, dass es nahtlos mit dem Raspberry Pi 5 integriert werden kann, um eine perfekte Passform und optimale Leistung zu bieten.\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eNVMe-Laufwerkskompatibilität:\u003c\/strong\u003e Unterstützt ein NVMe-Laufwerk in den Größen 2230 und 2242 und bietet schnelle und zuverlässige Speicheroptionen für anspruchsvolle Anwendungen und Projekte.\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eASMedia PCIe Switch Integration:\u003c\/strong\u003e Die Platine integriert einen ASMedia PCIe Switch (Gen2-Variante), der zuverlässige und effiziente Datenübertragungen zwischen den angeschlossenen Geräten ermöglicht.\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eGoogle Coral Edge TPU Unterstützung:\u003c\/strong\u003e Verfügt über einen M.2 E-Key 2230-Steckplatz speziell für das Google Coral Edge TPU, um effiziente KI-Computing-Funktionen direkt zur Hand zu haben.\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eEinfache Installation:\u003c\/strong\u003e Mit einem benutzerfreundlichen Design ermöglicht das HatDrive! AI eine schnelle und unkomplizierte Installation sowohl des NVMe-Laufwerks als auch des Google Coral Edge TPU.\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eHochwertige Konstruktion:\u003c\/strong\u003e Hergestellt aus hochwertigen Materialien und Komponenten, gewährleistet das HatDrive! AI Langlebigkeit und langfristige Zuverlässigkeit für all Ihre KI-Projekte.\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eVielseitige Anwendung:\u003c\/strong\u003e Ob Sie KI-Modelle entwickeln, maschinelles Lernen durchführen oder einfach schnellen Speicher benötigen, das HatDrive! AI ist Ihre bevorzugte Lösung.\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eUmfassendes Zubehörkit:\u003c\/strong\u003e Wird mit allen notwendigen Montagematerialien und Zubehörteilen geliefert, sodass Sie alles haben, was Sie benötigen, um ohne Verzögerung zu starten. \u003cstrong\u003e\u003cspan style=\"background-color: rgb(255, 255, 0);\"\u003eCoral Edge TPU nicht im Lieferumfang enthalten! \u003c\/span\u003e\u003c\/strong\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eDas HatDrive! AI stellt einen bedeutenden Fortschritt dar, um KI-Technologie zugänglicher und integrierter in das Raspberry Pi-Ökosystem zu machen. Durch die Kombination der Geschwindigkeit von NVMe-Speicher mit der Leistung des Google Coral Edge TPU eröffnet dieses Board neue Möglichkeiten für KI-Forschung, -Entwicklung und -Anwendung.\u003c\/p\u003e\n\u003cp\u003eHier geht's zum \u003ca href=\"https:\/\/buyzero.de\/products\/google-coral-m-2-accelerator-with-dual-edge-tpu?_pos=3\u0026amp;_psq=edge+tpu\u0026amp;_ss=e\u0026amp;_v=1.0\"\u003eGoogle Coral M.2 Accelerator with Dual Edge TPU\u003c\/a\u003e. \u003c\/p\u003e","brand":"Pineboards","offers":[{"title":"Default Title","offer_id":45831239368971,"sku":"PINE-BM2L-AIS","price":47.69,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/ID_281997_orig.jpg?v=1725465602"},{"product_id":"hatdrive-ai-coral-edge-tpu-bundle","title":"HatDrive! AI Coral Edge TPU Bundle","description":"\u003cp\u003e\u003cstrong\u003eHatDrive! AI Coral Edge TPU Bundle\u003c\/strong\u003e von Pineboards kombiniert einzigartig die Unterstützung für ein NVMe-Laufwerk mit dem Google Coral Edge TPU und macht es zu einem unverzichtbaren Werkzeug für KI-Enthusiasten und -Profis.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eHauptmerkmale und Spezifikationen:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eExklusiv für Raspberry Pi 5 entwickelt:\u003c\/strong\u003e Das HatDrive! AI ist so konzipiert, dass es nahtlos mit dem Raspberry Pi 5 integriert werden kann, um eine perfekte Passform und optimale Leistung zu bieten.\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eEnthält Google Coral Edge TPU:\u003c\/strong\u003e Beinhaltet ein M.2 E-Key Google Coral Edge TPU, das effiziente KI-Computing-Funktionen direkt zur Hand bietet.\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eNVMe-Laufwerkskompatibilität:\u003c\/strong\u003e Unterstützt ein NVMe-Laufwerk in den Größen 2230 und 2242, was schnelle und zuverlässige Speicheroptionen für anspruchsvolle Anwendungen und Projekte bietet.\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eASMedia PCIe Switch Integration:\u003c\/strong\u003e Die Platine integriert einen ASMedia PCIe Switch (Gen2-Variante), der zuverlässige und effiziente Datenübertragungen zwischen den angeschlossenen Geräten ermöglicht.\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eEinfache Installation:\u003c\/strong\u003e Mit einem benutzerfreundlichen Design ermöglicht das HatDrive! AI eine schnelle und unkomplizierte Installation sowohl des NVMe-Laufwerks als auch des Google Coral Edge TPU.\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eHochwertige Konstruktion:\u003c\/strong\u003e Hergestellt aus hochwertigen Materialien und Komponenten, gewährleistet das HatDrive! AI Langlebigkeit und langfristige Zuverlässigkeit für all Ihre KI-Projekte.\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eVielseitige Anwendung:\u003c\/strong\u003e Ob Sie KI-Modelle entwickeln, maschinelles Lernen durchführen oder einfach schnellen Speicher benötigen, das HatDrive! AI ist Ihre bevorzugte Lösung.\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eUmfassendes Zubehörkit:\u003c\/strong\u003e Wird mit allen notwendigen Montagematerialien und Zubehörteilen geliefert, sodass Sie alles haben, was Sie benötigen, um ohne Verzögerung zu starten.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eDas HatDrive! AI stellt einen bedeutenden Fortschritt dar, um KI-Technologie zugänglicher und integrierter in das Raspberry Pi-Ökosystem zu machen. Durch die Kombination der Geschwindigkeit von NVMe-Speicher mit der Leistung des Google Coral Edge TPU eröffnet dieses Board neue Möglichkeiten für KI-Forschung, -Entwicklung und -Anwendung.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eWichtiger Hinweis:\u003c\/strong\u003e Bitte beachten Sie, dass das Booten von NVMe-Speicher über einen PCIe-Switch derzeit nicht unterstützt wird. Benutzer, die NVMe-Speicher nutzen möchten, sollten diese Einschränkung bei der Planung ihrer Projekte berücksichtigen.\u003cbr\u003e\u003cbr\u003e\u003c\/p\u003e\n\u003ch3\u003eEnglish Description\u003c\/h3\u003e\n\u003cp\u003e\u003cstrong\u003eHatDrive! AI Coral Edge TPU Bundle\u003c\/strong\u003e from Pineboards uniquely combines support for an NVMe drive with the Google Coral Edge TPU, making it an indispensable tool for AI enthusiasts and professionals alike.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eKey Features and Specifications:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eDesigned Exclusively for Raspberry Pi 5:\u003c\/strong\u003e The HatDrive! AI is crafted to seamlessly integrate with the Raspberry Pi 5, providing a perfect fit and optimal performance.\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eIncludes Google Coral Edge TPU:\u003c\/strong\u003e Includes an M.2 E-Key Google Coral Edge TPU, enabling efficient AI computing capabilities right at your fingertips.\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eNVMe Drive Compatibility:\u003c\/strong\u003e Supports one NVMe drive in sizes 2230 and 2242, offering fast and reliable storage options for demanding applications and projects.\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eASMedia PCIe Switch Integration:\u003c\/strong\u003e The board incorporates an ASMedia PCIe Switch (Gen2 variant), facilitating reliable and efficient data transfer between connected devices.\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eEasy Installation:\u003c\/strong\u003e With a user-friendly design, the HatDrive! AI allows for quick and straightforward installation of both the NVMe drive and the Google Coral Edge TPU.\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eHigh-Quality Construction:\u003c\/strong\u003e Built with premium materials and components, the HatDrive! AI ensures durability and long-term reliability for all your AI ventures.\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eVersatile Application:\u003c\/strong\u003e Whether you're developing AI models, running machine learning algorithms, or simply need high-speed storage, the HatDrive! AI is your go-to solution.\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eComprehensive Accessory Kit:\u003c\/strong\u003e Comes equipped with all necessary mounting hardware and accessories, ensuring you have everything needed to get started without delay.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eThe HatDrive! AI represents a significant leap forward in making AI technology more accessible and integrated with the Raspberry Pi ecosystem. By combining the speed of NVMe storage with the power of the Google Coral Edge TPU, this board opens up new possibilities for AI research, development, and application.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eImportant Notice:\u003c\/strong\u003e Please be aware that booting from NVMe storage through a PCIe switch is currently not supported. Users planning to utilize NVMe storage should consider this limitation when designing their projects.\u003c\/p\u003e","brand":"Pineboards","offers":[{"title":"Default Title","offer_id":45831255425291,"sku":"PINE-BM2L-AIS-TPU","price":78.59,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/ID_281993_orig.jpg?v=1725466136"},{"product_id":"raspberry-pi-ai-hat-13-26-tops","title":"Raspberry Pi AI HAT+ 13\/26 TOPS","description":"\u003cp\u003eDie neuen Raspberry Pi AI HATs sind die Fortsetzung unserer erfolgreichen Partnerschaft mit Hailo fort. Wir bringen zwei neue AI-Produkte auf den Markt.\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eDer Raspberry Pi AI HAT+ 13 TOPS, basierend auf dem Hailo 8L\u003cbr\u003eBeschleuniger. Gedacht als Nachfolger und Ersatz für das Raspberry Pi AI Kit, das wir Anfang des Jahres auf den Markt gebracht haben.\u003c\/li\u003e\n\u003cli\u003eDer Raspberry Pi AI HAT+ 26 TOPS, basierend auf dem leistungsfähigeren\u003cbr\u003eHailo 8 Beschleuniger.\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003eBeide Produkte werden mit einem 16mm Stacking Header und\u003cbr\u003eAbstandshalter\/Schrauben geliefert, damit der HAT+ mit dem aktiven Kühler in einen Raspberry Pi 5 eingebaut werden kann.\u003c\/li\u003e\n\u003cli\u003eMaße: 56.7 mm x 65.1 mm x 5.5 mm\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eHier geht's zum \u003ca href=\"https:\/\/buyzero.de\/products\/raspberry-pi-ai-hat-2-hailo-10h-ki-beschleuniger-8-gb-ram?_pos=2\u0026amp;_psq=AI+HAT%2B2\u0026amp;_ss=e\u0026amp;_v=1.0\"\u003eRaspberry Pi AI HAT+ 2 – Hailo‑10H KI-Beschleuniger 8 GB RAM.\u003c\/a\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eEnglish Description:\u003c\/strong\u003e\u003cbr\u003eThe new Raspberry Pi AI HATs continue of our successful partnership\u003cbr\u003ewith Hailo. We are launching two new AI products.\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eThe Raspberry Pi AI HAT+ 13 TOPS, based on the Hailo 8L\u003cbr\u003eaccelerator. Intended as a successor to, and replacement for, the\u003cbr\u003eRaspberry Pi AI Kit that we launched earlier this year.\u003c\/li\u003e\n\u003cli\u003eThe Raspberry Pi AI HAT+ 26 TOPS, based on the more powerful\u003cbr\u003eHailo 8 accelerator.\u003c\/li\u003e\n\u003cli\u003eBoth products are supplied with a 16mm stacking header and\u003cbr\u003espacers\/screws to enable the HAT+ to be fitted to a Raspberry Pi 5\u003cbr\u003ewith the active cooler in place.\u003c\/li\u003e\n\u003cli\u003eDimensions: 56.7 mm x 65.1 mm x 5.5 mm\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eKEY DATA\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e13 TOPS SKU: SC1430\u003c\/li\u003e\n\u003cli\u003e26 TOPS SKU: SC1468\u003c\/li\u003e\n\u003c\/ul\u003e","brand":"Raspberry Pi","offers":[{"title":"13 TOPS","offer_id":45993772056843,"sku":"RP-SC1430-AI-HAT-13tops","price":79.61,"currency_code":"EUR","in_stock":true},{"title":"26 TOPS","offer_id":45993772089611,"sku":"RP-SC1468-AI-HAT-26tops","price":125.05,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/RP-SC1468-AI-HAT-26tops.png?v=1731577970"},{"product_id":"axelera-ai-quad-core-metis-pcie-accelerator-card-214-tops","title":"Axelera AI 4GB Quad-Core Metis PCIe Accelerator card (214 TOPS)","description":"\u003cp\u003e\u003cem\u003eYou can find the english description of the Axelera Metis PCIe Accelerator card below.\u003c\/em\u003e\u003c\/p\u003e\n\u003cp\u003eDie Axelera Metis AIPU (AI Processing Unit) ist ein leistungsfähiger KI-Beschleunigerchip für Deep Neural Networks, mit speziellem Fokus auf Computer Vision Anwendungen. \u003c\/p\u003e\n\u003cp\u003eMetis ist besonders für den Betrieb von großen Vision-Netzwerken, hohen Framerates, oder den Betrieb vieler Kamerastreams und\/oder Vision-Netzwerke gleichzeitig geeignet. Gemäß Axelera AI wird diese Leistung mit besonders hoher Effizienz erreicht, d.h. geringer Leistungsaufnahme. \u003c\/p\u003e\n\u003cp\u003eDas ist die PCI-Express Variante des Metis AI Coprocessors. Zum Betrieb wird eine Host-CPU benötigt.\u003c\/p\u003e\n\u003ch3\u003eTechnische Daten\u003c\/h3\u003e\n\u003ch3\u003eAxelera AI PCIe AI accelerator card, quad-core Metis AIPU\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eModellnummer: AXE-BME20P1AA04A01\u003c\/li\u003e\n\u003cli\u003ePerformance: bis zu \u003cstrong\u003e214 TOPS \u003c\/strong\u003e(INT8)\u003c\/li\u003e\n\u003cli\u003eFormfaktor: PCIe single slot, HHHL (half height, half length)\u003c\/li\u003e\n\u003cli\u003eInterface: PCIe Gen 3, 4-lanes (4 GB\/s bidirektional)\u003c\/li\u003e\n\u003cli\u003eOn-Board RAM: 4 GB DRAM\u003c\/li\u003e\n\u003cli\u003eBetriebstemperatur: -20 bis +70°C\u003c\/li\u003e\n\u003cli\u003eTypische Leistungsaufnahme: 4-8 W\u003c\/li\u003e\n\u003cli\u003eSicherheitsfeatures: Secure Boot, Root of Trust\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eHinweis: auf Anfrage bieten wir auch eine Variante dieser Karte mit \u003cstrong\u003e16 GB DRAM \u003c\/strong\u003ean.\u003c\/p\u003e\n\u003ch3\u003eSoftwareunterstützung (Inferencing)\u003c\/h3\u003e\n\u003cp\u003eAxelera stellt für die Softwareintegration ihre Lösung Voyager SDK zur Verfügung. \u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eführt Deep Learning Neural Networks mit hoher Leistungseffizienz aus\u003c\/li\u003e\n\u003cli\u003ebesonders gut für CNNs geeignet (Computer Vision Anwendungen)\u003c\/li\u003e\n\u003cli\u003eermöglicht parallel mehrere Modelle \u0026amp; Streams zu prozessieren\u003c\/li\u003e\n\u003cli\u003eLinux, Windows\u003c\/li\u003e\n\u003cli\u003eGroßer Modellzoo, unter anderem für:\n\u003cul\u003e\n\u003cli\u003eImage classification (ResNet-50, MobileNetv2)\u003c\/li\u003e\n\u003cli\u003eObject detection (MobileNetv2-SSD, YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOv9)\u003c\/li\u003e\n\u003cli\u003eSegmentation (DeepLabv3, YOLOv8-seg, U-Net)\u003c\/li\u003e\n\u003cli\u003ePoste estimation (Yolov8-pose)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003eUnterstützt PyTorch, ONNX und TensorFlow (via ONNX)\u003c\/li\u003e\n\u003cli\u003eKompatibel mit ARM und x86 Systemen.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eDer Compiler unterstützt Pytorch und ONNX Modelle. Quantisierung (Quantization) und Graph-Optimierung (Graph optimization) werden dabei automatisch durchgeführt, um optimale Performance und Genauigkeit zu erzielen.\u003c\/p\u003e\n\u003cp\u003e\u003cimg\u003e\u003cimg alt=\"\" src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/voyager-sdk-parts.jpg?v=1737893893\" width=\"539\" height=\"253\"\u003e\u003c\/p\u003e\n\u003cp\u003e  \u003c\/p\u003e\n\u003ch3\u003eEinsatzgebiete\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eSicherheit (Security)\u003c\/li\u003e\n\u003cli\u003eIndustrie 4.0 (Industry 4.0)\u003c\/li\u003e\n\u003cli\u003eRetail\u003c\/li\u003e\n\u003cli\u003eMobility\u003c\/li\u003e\n\u003cli\u003eLogistik (Logistics)\u003c\/li\u003e\n\u003cli\u003eRobotik (Robotics)\u003c\/li\u003e\n\u003cli\u003eMedizinischer Bereich (Medical)\u003c\/li\u003e\n\u003cli\u003eGastgewerbe, Hotellerie (Hospitality)\u003c\/li\u003e\n\u003cli\u003eVersorgungsbetriebe (utilities) - bspw. Wasseraufbereitung, Energieversorgungsunternehmen\u003c\/li\u003e\n\u003cli\u003eAgrikultur (Agritech)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eDokumentation \u0026amp; Downloads\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/www.axelera.ai\/customer-portal\"\u003eAxelera AI Kundenportal\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/www.axelera.ai\/blog\"\u003eAxelera AI Blog\u003c\/a\u003e \u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/github.com\/axelera-ai\"\u003eAxelera AI auf Github\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eBeratung durch buyzero\u003c\/h3\u003e\n\u003cp\u003eWir beraten Sie ob Ihr Modell auf dem Axelera AI Metis Chip lauffähig ist, und ob Sie Ihr Projekt mit Hilfe von Axelera AI umsetzen können. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eKontaktieren Sie uns dazu bitte.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003eFAQ\u003c\/h3\u003e\n\u003ch3\u003eWas sind Beispielanwendungen für dieses Modul?\u003c\/h3\u003e\n\u003cp\u003eMan kann mit diesem Modul sogenannte Deep Learning Algorithmen, insbesondere CNNs (convolutional neural networks), beschleunigen. \u003c\/p\u003e\n\u003cp\u003eDazu gehören:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003ePose Estimation - Schätzung der Pose eines Menschen\u003c\/li\u003e\n\u003cli\u003eObjekterkennung mit Bounding Boxes (bspw. wo ist ein Fahrrad im Bild, und was ist es)\u003c\/li\u003e\n\u003cli\u003eSegmentierung - markiere die Bereiche eines Bildes die eine Banane einnimmt\u003c\/li\u003e\n\u003cli\u003eNummernschilderkennung\u003c\/li\u003e\n\u003cli\u003eGesichtserkennung\u003c\/li\u003e\n\u003cli\u003eu.v.m.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eKann ich Modelle die auf NVIDIA laufen mit diesem Chip laufen lassen? Was sind die Vorteile von Axelera vs. NVIDIA?\u003c\/h3\u003e\n\u003cp\u003eIm einzelnen müssen Modelle und Software-Stacks portiert werden (und bspw. quantisiert werden, von fp32 auf int8). Das ist vor allem interessant bei Anwendungen in denen Sie in industriellen Temperaturbereichen arbeiten, oder ein beschränktes Power-Budget haben. \u003c\/p\u003e\n\u003cp\u003eWir beraten Sie ob Ihr Modell auf dem Axelera AI Metis Chip lauffähig ist, und ob Sie Ihr Projekt mit Hilfe von Axelera AI umsetzen können. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eKontaktieren Sie uns dazu bitte.\u003c\/a\u003e\u003c\/p\u003e\n\u003cp\u003eWeitere Vorteile sind die Langzeitverfügbarkeit, der industrielle Fokus von Axelera, sowie die Verfügbarkeit von kompakteren Lösungen (M.2) mit höheren TOPS vs. bspw. der NVIDIA Jetson Plattform.  \u003c\/p\u003e\n\u003ch3\u003eIch benötige mehr TOPS, da ich eine komplexe Anwendung habe, was kann ich tun?\u003c\/h3\u003e\n\u003cp\u003eAxelera bereitet eine Karte mit vier Metis Chips vor - \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eKontaktieren Sie uns dazu bitte\u003c\/a\u003e, falls Sie dazu weitere Informationen haben möchten. Eine weitere Alternative ist ein Cluster aus Biscotti-Modulen (die auf HAILO-8 basieren):\u003c\/p\u003e\n\u003cp\u003eWir bieten in unserem Shop eine Lösung mit \u003cstrong\u003e52 TOPS\u003c\/strong\u003e - das\u003ca href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\"\u003e Biscotti Modul\u003c\/a\u003e an. Es nutzt dazu zwei HAILO-8 Module, und hat einen EDSFF \u003cstrong\u003eE1.S\u003c\/strong\u003e Anschluss - der in Storage Servern zum Einsatz kommt. \u003c\/p\u003e\n\u003cp\u003eDadurch kann das \u003ca href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\"\u003eBiscotti Dual HAILO Modul\u003c\/a\u003e auch in Clustern verbaut werden, und in einem 19'' Server \u003cstrong\u003ebspw. auf 1600 TOPS\u003c\/strong\u003e skaliert werden.\u003c\/p\u003e\n\u003cp\u003eIn Kooperation mit dem Hersteller Unigen können wir mit einer Lead Time von ca. 6 Monaten auch Axelera-Cluster für Sie realisieren.\u003c\/p\u003e\n\u003cp\u003e\u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eWir stehen gerne bei Fragen zur Verfügung, kontaktieren Sie uns um uns Ihre Anforderungen zu schildern!\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003eIst Axelera AI \/ der Metis Chip eine gute Alternative zum Google Coral? \u003c\/h3\u003e\n\u003cp\u003eGoogle Coral hat 4 TOPS (8 TOPS in der Dual Edge Variante). Bei Anwendungen die bislang dezentral viele Coral Chips eingesetzt haben, könnte Axelera Metis eine interessante Alternative sein.\u003c\/p\u003e\n\u003cp\u003eFür ein Upgrade mit weniger Leistungsbedarf empfehlen wir HAILO-8 in die engere Auswahl zu ziehen (13 TOPS - 26 TOPS). \u003c\/p\u003e\n\u003ch3\u003eKann ich LLMs auf Axelera Metis ausführen, bpsw. LLAMA?\u003c\/h3\u003e\n\u003cp\u003eLLMs = Large Language Modelle (so etwas wie ChatGPT \/ GPT4-o, bzw. LLAMA, Falcon, usw.)\u003c\/p\u003e\n\u003cp\u003eNein, dafür ist der Axelera Metis Chip nicht ausgelegt. \u003c\/p\u003e\n\u003ch3\u003eKann ich damit Modelle trainieren?\u003c\/h3\u003e\n\u003cp\u003eNein, Axelera Metis ist ausschließlich für die Inferenz (int8) gedacht. Zum Training von Modellen wird typischerweise eine klassische GPU eingesetzt.\u003c\/p\u003e\n\u003cp\u003e\u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eWir unterstützen gerne bei technischen Fragen zu Modellen.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003eMisc\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eAxelera SKUs \/ alternative Bezeichnungen: \n\u003cul\u003e\n\u003cli\u003e\u003cspan\u003eAXE-BME20P1AA04A01\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003ePCIe AI accelerator card. Powered by quad-core Metis AIPU\u003cbr\u003e\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eMetis Omega PCIe Board\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eAD-PEG-AM1A (A96BD002***)\u003c\/span\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003eHS Code: 85176200\u003c\/li\u003e\n\u003cli\u003eCountry of origin: ?\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eauf dieser Seite bestellen Sie ein Stück, wenden Sie sich bei Großbedarf gerne an uns\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003eLead Time (Nachlieferzeit): aktuell ? Wochen\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003ch2\u003eEnglish Description\u003c\/h2\u003e\n\u003cp\u003e\u003c!----\u003e\u003c\/p\u003e\n\u003cp\u003eThe Axelera \u003cstrong\u003eMetis AIPU (AI Processing Unit)\u003c\/strong\u003e is a powerful AI accelerator chip designed for deep neural networks, with a specific focus on computer vision applications.\u003c\/p\u003e\n\u003cp\u003eMetis is particularly suited for operating large vision networks, achieving high frame rates, or managing multiple camera streams and\/or vision networks simultaneously. According to Axelera AI, this performance is achieved with exceptional efficiency, meaning low power consumption.\u003c\/p\u003e\n\u003cp\u003eThis is the PCI-Express version of the Metis AI coprocessor and requires a host CPU for operation.\u003c\/p\u003e\n\u003chr\u003e\n\u003ch3\u003e\u003cstrong\u003eSpecifications\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eModel:\u003c\/strong\u003e Axelera AI PCIe AI Accelerator Card, quad-core Metis AIPU\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eModel Number:\u003c\/strong\u003e AXE-BME20P1AA04A01\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003ePerformance:\u003c\/strong\u003e Up to 214 TOPS (INT8)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eForm Factor:\u003c\/strong\u003e PCIe single slot, HHHL (half height, half length)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eInterface:\u003c\/strong\u003e PCIe Gen 3, 4 lanes (4 GB\/s bidirectional)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eOn-Board RAM:\u003c\/strong\u003e 4 GB DRAM (16 GB variant available upon request)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eOperating Temperature:\u003c\/strong\u003e -20 to +70°C\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eTypical Power Consumption:\u003c\/strong\u003e 4-8 W\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eSecurity Features:\u003c\/strong\u003e Secure Boot, Root of Trust\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003chr\u003e\n\u003ch3\u003e\u003cstrong\u003eSoftware Support (Inferencing)\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cp\u003eAxelera provides its \u003cstrong\u003eVoyager SDK\u003c\/strong\u003e for seamless software integration:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eExecutes deep learning neural networks with high performance efficiency\u003c\/li\u003e\n\u003cli\u003eOptimized for CNNs (Computer Vision Applications)\u003c\/li\u003e\n\u003cli\u003eAllows parallel processing of multiple models and streams\u003c\/li\u003e\n\u003cli\u003eSupported Platforms: Linux, Windows\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eModel Zoo includes:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eImage Classification:\u003c\/strong\u003e ResNet-50, MobileNetv2\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eObject Detection:\u003c\/strong\u003e MobileNetv2-SSD, YOLO (v5–v9)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eSegmentation:\u003c\/strong\u003e DeepLabv3, YOLOv8-seg, U-Net\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003ePose Estimation:\u003c\/strong\u003e YOLOv8-pose\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eSupported Frameworks:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003ePyTorch, ONNX, TensorFlow (via ONNX)\u003c\/li\u003e\n\u003cli\u003eCompatible with ARM and x86 systems\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eThe compiler supports PyTorch and ONNX models, with automatic quantization and graph optimization for optimal performance and accuracy.\u003c\/p\u003e\n\u003chr\u003e\n\u003ch3\u003e\u003cstrong\u003eApplications\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003cstrong\u003eSecurity\u003c\/strong\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cstrong\u003eIndustry 4.0\u003c\/strong\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cstrong\u003eRetail\u003c\/strong\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cstrong\u003eMobility\u003c\/strong\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cstrong\u003eLogistics\u003c\/strong\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cstrong\u003eRobotics\u003c\/strong\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cstrong\u003eMedical\u003c\/strong\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cstrong\u003eHospitality\u003c\/strong\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eUtilities\u003c\/strong\u003e (e.g., water treatment, energy providers)\u003c\/li\u003e\n\u003cli\u003e\u003cstrong\u003eAgriculture\u003c\/strong\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003chr\u003e\n\u003ch3\u003e\u003cstrong\u003eDocumentation \u0026amp; Downloads\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/www.axelera.ai\/customer-portal\"\u003eAxelera AI Customer Portal\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/www.axelera.ai\/blog\"\u003eAxelera AI Blog\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/github.com\/axelera-ai\"\u003eAxelera AI GitHub\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003chr\u003e\n\u003ch3\u003e\u003cstrong\u003eConsulting Services\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cp\u003eWe offer guidance on whether your model can run on the Axelera AI Metis chip and if your project can be implemented with Axelera AI. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003ePlease contact us for details\u003c\/a\u003e.\u003c\/p\u003e\n\u003chr\u003e\n\u003ch3\u003e\u003cstrong\u003eFAQs\u003c\/strong\u003e\u003c\/h3\u003e\n\u003ch4\u003eWhat are example applications for this module?\u003c\/h4\u003e\n\u003cp\u003eThis module can accelerate deep learning algorithms, especially CNNs. Example use cases:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003ePose estimation (detecting human body positions)\u003c\/li\u003e\n\u003cli\u003eObject detection with bounding boxes (e.g., identifying a bicycle in an image)\u003c\/li\u003e\n\u003cli\u003eImage segmentation (marking regions occupied by objects, such as a banana)\u003c\/li\u003e\n\u003cli\u003eLicense plate recognition\u003c\/li\u003e\n\u003cli\u003eFacial recognition\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch4\u003eCan I run models designed for NVIDIA on this chip? What are the advantages of Axelera vs. NVIDIA?\u003c\/h4\u003e\n\u003cp\u003eModels and software stacks must be ported (e.g., quantized from FP32 to INT8). This is particularly appealing for applications requiring industrial temperature ranges or limited power budgets.\u003cbr\u003eKey benefits of Axelera:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eLong-term availability\u003c\/li\u003e\n\u003cli\u003eIndustrial focus\u003c\/li\u003e\n\u003cli\u003eCompact solutions (e.g., M.2 modules with higher TOPS compared to NVIDIA Jetson platforms)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eContact us for more information and advice.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch4\u003eI need more TOPS for a complex application. What can I do?\u003c\/h4\u003e\n\u003cp\u003eAxelera is developing a card with four Metis chips. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eContact us for more information.\u003c\/a\u003e\u003cbr\u003eAlternatively, you can scale using \u003ca href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\"\u003eBiscotti modules \u003c\/a\u003e(based on HAILO-8), with solutions offering up to \u003cstrong\u003e1600 TOPS\u003c\/strong\u003e in server clusters.\u003c\/p\u003e\n\u003ch4\u003eIs Axelera AI\/Metis a good alternative to Google Coral?\u003c\/h4\u003e\n\u003cp\u003eGoogle Coral offers 4 TOPS (8 TOPS in the Dual Edge variant). Axelera Metis is an interesting alternative for applications previously using decentralized Coral setups. For upgrades requiring less power, consider HAILO-8 (13–26 TOPS).\u003c\/p\u003e\n\u003ch4\u003eCan I run LLMs like LLAMA on Axelera Metis?\u003c\/h4\u003e\n\u003cp\u003eNo, the Metis chip is not designed for LLMs. \u003c\/p\u003e\n\u003ch4\u003eCan I use this for training models?\u003c\/h4\u003e\n\u003cp\u003eNo, the Metis chip is exclusively for inference (INT8). Model training typically requires a GPU.\u003c\/p\u003e\n\u003chr\u003e\n\u003ch3\u003e\u003cstrong\u003eMiscellaneous\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eSKU\/Alternative Designations:\u003c\/strong\u003e\n\u003cul\u003e\n\u003cli\u003eAXE-BME20P1AA04A01\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003ePCIe AI accelerator card. Powered by quad-core Metis AIPU\u003cbr\u003e\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eMetis Omega PCIe Board\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eA96BD002467\u003c\/span\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eHS Code:\u003c\/strong\u003e 85176200\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eLead Time:\u003c\/strong\u003e Currently ? weeks\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eFor bulk orders, \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eplease contact us\u003c\/a\u003e.\u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e","brand":"Axelera AI","offers":[{"title":"Default Title","offer_id":46507991138571,"sku":"AXE-BME20P1AA04A01-4GB-PCIe","price":389.0,"currency_code":"EUR","in_stock":false}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/Axelera-PCIe-card-AXE_C01_PCIe_Front.png?v=1743494724"},{"product_id":"axelera-ai-1gb-quad-core-metis-m-2-m-key-accelerator-card-214-tops","title":"Axelera AI 1GB Quad-Core Metis M.2 M-Key Accelerator card (214 TOPS)","description":"\u003ch2 data-start=\"474\" data-end=\"552\"\u003eAxelera Metis M.2 AI Edge Accelerator – Höchstleistung für Computer Vision\u003c\/h2\u003e\n\u003cp data-start=\"554\" data-end=\"940\"\u003eDie \u003cstrong data-start=\"558\" data-end=\"604\"\u003eAxelera Metis M.2 AI Edge Accelerator Card\u003c\/strong\u003e ist ein kompakter und besonders effizienter \u003cstrong data-start=\"649\" data-end=\"669\"\u003eKI-Beschleuniger\u003c\/strong\u003e für anspruchsvolle \u003cstrong data-start=\"689\" data-end=\"720\"\u003eComputer Vision Anwendungen\u003c\/strong\u003e. Mit bis zu \u003cstrong data-start=\"733\" data-end=\"752\"\u003e214 TOPS (INT8)\u003c\/strong\u003e Rechenleistung im \u003cstrong data-start=\"771\" data-end=\"800\"\u003eM.2-2280 M-Key Formfaktor\u003c\/strong\u003e ermöglicht die Karte die parallele Verarbeitung zahlreicher Bild- und Videostreams – bei einer typischen Leistungsaufnahme von nur 4–8 W.\u003c\/p\u003e\n\u003cp data-start=\"942\" data-end=\"1356\"\u003eDie speziell entwickelte \u003cstrong data-start=\"967\" data-end=\"1002\"\u003eMetis AI Processing Unit (AIPU)\u003c\/strong\u003e ist für hohe Performance bei gleichzeitig niedriger Energieaufnahme optimiert. Sie eignet sich ideal für \u003cstrong data-start=\"1108\" data-end=\"1183\"\u003eIndustrie 4.0, Robotik, Logistik, Sicherheitssysteme und Medizintechnik\u003c\/strong\u003e. Dank industrietauglichem Temperaturbereich (-40 bis +85 °C) und \u003cstrong data-start=\"1249\" data-end=\"1274\"\u003eLangzeitverfügbarkeit\u003c\/strong\u003e ist das Modul die perfekte Wahl für langlebige B2B-Anwendungen im Edge-Bereich.\u003c\/p\u003e\n\u003cp data-start=\"1358\" data-end=\"1375\"\u003e\u003cstrong data-start=\"1358\" data-end=\"1373\"\u003eHighlights:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul data-start=\"1376\" data-end=\"1612\"\u003e\n\u003cli data-start=\"1376\" data-end=\"1415\"\u003e\n\u003cp data-start=\"1378\" data-end=\"1415\"\u003eBis zu 214 TOPS INT8 Rechenleistung\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"1416\" data-end=\"1465\"\u003e\n\u003cp data-start=\"1418\" data-end=\"1465\"\u003eEnergieeffizient: nur 4–8 W Leistungsaufnahme\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"1466\" data-end=\"1524\"\u003e\n\u003cp data-start=\"1468\" data-end=\"1524\"\u003eIndustrietauglicher Temperaturbereich (-40 bis +85 °C)\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"1525\" data-end=\"1564\"\u003e\n\u003cp data-start=\"1527\" data-end=\"1564\"\u003eKompakter M.2-2280 M-Key Formfaktor\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"1565\" data-end=\"1612\"\u003e\n\u003cp data-start=\"1567\" data-end=\"1612\"\u003eOptimiert für \u003cstrong data-start=\"1581\" data-end=\"1610\"\u003eEdge AI \u0026amp; Computer Vision\u003cbr\u003e\u003c\/strong\u003e\u003c\/p\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2 data-start=\"312\" data-end=\"333\"\u003eProduktvarianten\u003c\/h2\u003e\n\u003cp data-start=\"335\" data-end=\"424\"\u003eDie \u003cstrong data-start=\"339\" data-end=\"385\"\u003eAxelera Metis M.2 AI Edge Accelerator Card\u003c\/strong\u003e ist in zwei Ausführungen erhältlich:\u003c\/p\u003e\n\u003cul data-start=\"426\" data-end=\"922\"\u003e\n\u003cli data-start=\"426\" data-end=\"644\"\u003e\n\u003cp data-start=\"428\" data-end=\"644\"\u003e\u003cstrong data-start=\"428\" data-end=\"467\"\u003eMit passivem Kühlkörper (Heatsink):\u003c\/strong\u003e\u003cbr data-start=\"467\" data-end=\"470\"\u003eGeeignet für Systeme ohne zusätzliche Luftführung. Die Wärme wird zuverlässig über den Kühlkörper abgeführt, was eine stabile Performance auch bei Dauerlast sicherstellt.\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"646\" data-end=\"922\"\u003e\n\u003cp data-start=\"648\" data-end=\"922\"\u003e\u003cstrong data-start=\"648\" data-end=\"668\"\u003eOhne Kühlkörper:\u003c\/strong\u003e\u003cbr data-start=\"668\" data-end=\"671\"\u003eIdeal für Embedded- oder OEM-Lösungen, bei denen bereits eine eigene Kühlstrategie integriert ist (z. B. Gehäuselüfter, Heatpipes oder aktive Kühlmodule). Diese Variante spart Bauhöhe und ermöglicht eine flexiblere Integration in kompakte Systeme.\u003c\/p\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp data-start=\"924\" data-end=\"1132\"\u003eBeide Varianten basieren auf derselben \u003cstrong data-start=\"963\" data-end=\"989\"\u003eMetis AIPU Architektur\u003c\/strong\u003e und bieten bis zu \u003cstrong data-start=\"1008\" data-end=\"1027\"\u003e214 TOPS (INT8)\u003c\/strong\u003e Leistung. Die Wahl hängt primär von den thermischen Anforderungen und der geplanten Einbauumgebung ab.\u003c\/p\u003e\n\u003ch2 data-start=\"1908\" data-end=\"1930\"\u003eTechnische Daten\u003c\/h2\u003e\n\u003cdiv class=\"_tableContainer_1rjym_1\"\u003e\n\u003cdiv class=\"group _tableWrapper_1rjym_13 flex w-fit flex-col-reverse\" tabindex=\"-1\"\u003e\n\u003ctable data-start=\"1932\" data-end=\"2540\" class=\"w-fit min-w-(--thread-content-width)\"\u003e\n\u003cthead data-start=\"1932\" data-end=\"1974\"\u003e\n\u003ctr data-start=\"1932\" data-end=\"1974\"\u003e\n\u003cth data-start=\"1932\" data-end=\"1957\" data-col-size=\"sm\"\u003eMerkmal\u003c\/th\u003e\n\u003cth data-start=\"1957\" data-end=\"1974\" data-col-size=\"md\"\u003eSpezifikation\u003c\/th\u003e\n\u003c\/tr\u003e\n\u003c\/thead\u003e\n\u003ctbody data-start=\"2019\" data-end=\"2540\"\u003e\n\u003ctr data-start=\"2019\" data-end=\"2067\"\u003e\n\u003ctd data-start=\"2019\" data-end=\"2045\" data-col-size=\"sm\"\u003eModellnummer\u003c\/td\u003e\n\u003ctd data-start=\"2045\" data-end=\"2067\" data-col-size=\"md\"\u003eAXE-BME20M1AB01A01\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr data-start=\"2068\" data-end=\"2118\"\u003e\n\u003ctd data-start=\"2068\" data-end=\"2094\" data-col-size=\"sm\"\u003eArchitektur\u003c\/td\u003e\n\u003ctd data-start=\"2094\" data-end=\"2118\" data-col-size=\"md\"\u003eQuad-Core Metis AIPU\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr data-start=\"2119\" data-end=\"2171\"\u003e\n\u003ctd data-start=\"2119\" data-end=\"2145\" data-col-size=\"sm\"\u003ePerformance\u003c\/td\u003e\n\u003ctd data-start=\"2145\" data-end=\"2171\" data-col-size=\"md\"\u003eBis zu 214 TOPS (INT8)\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr data-start=\"2172\" data-end=\"2216\"\u003e\n\u003ctd data-start=\"2172\" data-end=\"2198\" data-col-size=\"sm\"\u003eFormfaktor\u003c\/td\u003e\n\u003ctd data-start=\"2198\" data-end=\"2216\" data-col-size=\"md\"\u003eM.2 2280 M-Key\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr data-start=\"2217\" data-end=\"2289\"\u003e\n\u003ctd data-start=\"2217\" data-end=\"2243\" data-col-size=\"sm\"\u003eSchnittstelle\u003c\/td\u003e\n\u003ctd data-start=\"2243\" data-end=\"2289\" data-col-size=\"md\"\u003ePCIe Gen 3, 4 Lanes (4 GB\/s bidirektional)\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr data-start=\"2290\" data-end=\"2329\"\u003e\n\u003ctd data-start=\"2290\" data-end=\"2316\" data-col-size=\"sm\"\u003eOn-Board Speicher\u003c\/td\u003e\n\u003ctd data-start=\"2316\" data-end=\"2329\" data-col-size=\"md\"\u003e1 GB DRAM\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr data-start=\"2330\" data-end=\"2374\"\u003e\n\u003ctd data-start=\"2330\" data-end=\"2356\" data-col-size=\"sm\"\u003eBetriebstemperatur\u003c\/td\u003e\n\u003ctd data-start=\"2356\" data-end=\"2374\" data-col-size=\"md\"\u003e-40 bis +85 °C\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr data-start=\"2375\" data-end=\"2418\"\u003e\n\u003ctd data-start=\"2375\" data-end=\"2401\" data-col-size=\"sm\"\u003eLeistungsaufnahme\u003c\/td\u003e\n\u003ctd data-start=\"2401\" data-end=\"2418\" data-col-size=\"md\"\u003e4–8 W typisch\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr data-start=\"2419\" data-end=\"2475\"\u003e\n\u003ctd data-start=\"2419\" data-end=\"2445\" data-col-size=\"sm\"\u003eSicherheitsfeatures\u003c\/td\u003e\n\u003ctd data-start=\"2445\" data-end=\"2475\" data-col-size=\"md\"\u003eSecure Boot, Root of Trust\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr data-start=\"2476\" data-end=\"2540\"\u003e\n\u003ctd data-start=\"2476\" data-end=\"2502\" data-col-size=\"sm\"\u003eKompatibilität\u003c\/td\u003e\n\u003ctd data-start=\"2502\" data-end=\"2540\" data-col-size=\"md\"\u003eARM \u0026amp; x86 Systeme, Linux \u0026amp; Windows\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003c\/tbody\u003e\n\u003c\/table\u003e\n\u003c\/div\u003e\n\u003c\/div\u003e\n\u003ch3\u003eSoftwareunterstützung (Inferencing)\u003c\/h3\u003e\n\u003cp data-start=\"217\" data-end=\"387\"\u003eFür die Softwareintegration stellt Axelera das \u003cstrong data-start=\"264\" data-end=\"279\"\u003eVoyager SDK\u003c\/strong\u003e bereit. Damit können Entwickler Deep Learning Modelle schnell und effizient auf der Metis AIPU einsetzen.\u003c\/p\u003e\n\u003cp data-start=\"389\" data-end=\"413\"\u003e\u003cstrong data-start=\"389\" data-end=\"411\"\u003eLeistungsmerkmale:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul data-start=\"414\" data-end=\"701\"\u003e\n\u003cli data-start=\"414\" data-end=\"479\"\u003e\n\u003cp data-start=\"416\" data-end=\"479\"\u003eFührt \u003cstrong data-start=\"422\" data-end=\"446\"\u003eDeep Neural Networks\u003c\/strong\u003e mit hoher Energieeffizienz aus\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"480\" data-end=\"548\"\u003e\n\u003cp data-start=\"482\" data-end=\"548\"\u003eBesonders optimiert für \u003cstrong data-start=\"506\" data-end=\"546\"\u003eCNNs und Computer Vision Anwendungen\u003c\/strong\u003e\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"549\" data-end=\"620\"\u003e\n\u003cp data-start=\"551\" data-end=\"620\"\u003eUnterstützt parallele Verarbeitung mehrerer \u003cstrong data-start=\"595\" data-end=\"618\"\u003eModelle und Streams\u003c\/strong\u003e\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"621\" data-end=\"656\"\u003e\n\u003cp data-start=\"623\" data-end=\"656\"\u003eLäuft auf \u003cstrong data-start=\"633\" data-end=\"654\"\u003eLinux und Windows\u003c\/strong\u003e\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"657\" data-end=\"701\"\u003e\n\u003cp data-start=\"659\" data-end=\"701\"\u003eKompatibel mit \u003cstrong data-start=\"674\" data-end=\"699\"\u003eARM- und x86-Systemen\u003c\/strong\u003e\u003c\/p\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp data-start=\"703\" data-end=\"742\"\u003e\u003cstrong data-start=\"703\" data-end=\"740\"\u003eFramework- \u0026amp; Modellunterstützung:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul data-start=\"743\" data-end=\"933\"\u003e\n\u003cli data-start=\"743\" data-end=\"789\"\u003e\n\u003cp data-start=\"745\" data-end=\"789\"\u003e\u003cstrong data-start=\"745\" data-end=\"756\"\u003ePyTorch\u003c\/strong\u003e und \u003cstrong data-start=\"761\" data-end=\"769\"\u003eONNX\u003c\/strong\u003e nativ unterstützt\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"790\" data-end=\"817\"\u003e\n\u003cp data-start=\"792\" data-end=\"817\"\u003e\u003cstrong data-start=\"792\" data-end=\"806\"\u003eTensorFlow\u003c\/strong\u003e via ONNX\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"818\" data-end=\"933\"\u003e\n\u003cp data-start=\"820\" data-end=\"933\"\u003eAutomatische \u003cstrong data-start=\"833\" data-end=\"864\"\u003eQuantisierung (FP32 → INT8)\u003c\/strong\u003e und \u003cstrong data-start=\"869\" data-end=\"890\"\u003eGraph-Optimierung\u003c\/strong\u003e für maximale Performance und Genauigkeit\u003c\/p\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp data-start=\"935\" data-end=\"976\"\u003e\u003cstrong data-start=\"935\" data-end=\"974\"\u003eBeispiel-Modelle aus dem Modellzoo:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul data-start=\"977\" data-end=\"1183\"\u003e\n\u003cli data-start=\"977\" data-end=\"1025\"\u003e\n\u003cp data-start=\"979\" data-end=\"1025\"\u003eImage Classification: ResNet-50, MobileNetv2\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"1026\" data-end=\"1103\"\u003e\n\u003cp data-start=\"1028\" data-end=\"1103\"\u003eObject Detection: MobileNetv2-SSD, YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOv9\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"1104\" data-end=\"1150\"\u003e\n\u003cp data-start=\"1106\" data-end=\"1150\"\u003eSegmentation: DeepLabv3, YOLOv8-seg, U-Net\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"1151\" data-end=\"1183\"\u003e\n\u003cp data-start=\"1153\" data-end=\"1183\"\u003ePose Estimation: YOLOv8-pose\u003c\/p\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cimg\u003e\u003cimg alt=\"\" src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/voyager-sdk-parts.jpg?v=1737893893\" width=\"539\" height=\"253\"\u003e\u003c\/p\u003e\n\u003ch2 data-start=\"3506\" data-end=\"3529\"\u003eEinsatzbereiche\u003c\/h2\u003e\n\u003cul data-start=\"3531\" data-end=\"3755\"\u003e\n\u003cli data-start=\"3531\" data-end=\"3570\"\u003e\n\u003cp data-start=\"3533\" data-end=\"3570\"\u003eIndustrie 4.0 \u0026amp; Automatisierung\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"3571\" data-end=\"3615\"\u003e\n\u003cp data-start=\"3573\" data-end=\"3615\"\u003eSicherheits- und Überwachungssysteme\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"3616\" data-end=\"3650\"\u003e\n\u003cp data-start=\"3618\" data-end=\"3650\"\u003eRobotik \u0026amp; autonome Systeme\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"3651\" data-end=\"3684\"\u003e\n\u003cp data-start=\"3653\" data-end=\"3684\"\u003eSmart Mobility \u0026amp; Logistik\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"3685\" data-end=\"3722\"\u003e\n\u003cp data-start=\"3687\" data-end=\"3722\"\u003eMedizinische Bildverarbeitung\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"3723\" data-end=\"3755\"\u003e\n\u003cp data-start=\"3725\" data-end=\"3755\"\u003eAgritech \u0026amp; Smart Farming\u003c\/p\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eBeratung durch buyzero\u003c\/h3\u003e\n\u003cp\u003eWir beraten Sie ob Ihr Modell auf dem Axelera AI Metis Chip lauffähig ist, und ob Sie Ihr Projekt mit Hilfe von Axelera AI umsetzen können. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eKontaktieren Sie uns dazu bitte.\u003c\/a\u003e\u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e","brand":"Axelera AI","offers":[{"title":"Ohne cooling","offer_id":52424065286411,"sku":"AXE-BME20M1AB01A01-1GB-M.2-M-QuadCoreMetis-2","price":279.0,"currency_code":"EUR","in_stock":false},{"title":"Mit active cooling","offer_id":52424065253643,"sku":"AXE-BME20M1AB01A01-1GB-M.2-M-QuadCoreMetis-1","price":289.0,"currency_code":"EUR","in_stock":false}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/Axelera-M2_2280_Front.png?v=1737897006"},{"product_id":"axelera-metis-lenovo-eval-system","title":"Axelera Metis Lenovo Eval System","description":"\u003cp\u003e\u003cem\u003eYou can find the english description of the Axelera Metis Lenovo Eval System below.\u003c\/em\u003e\u003c\/p\u003e\n\u003cp\u003eDie Axelera Metis AIPU (AI Processing Unit) ist ein leistungsfähiger KI-Beschleunigerchip für Deep Neural Networks, mit speziellem Fokus auf Computer Vision Anwendungen. \u003c\/p\u003e\n\u003cp\u003eMetis ist besonders für den Betrieb von großen Vision-Netzwerken, hohen Framerates, oder den Betrieb vieler Kamerastreams und\/oder Vision-Netzwerke gleichzeitig geeignet. Gemäß Axelera AI wird diese Leistung mit besonders hoher Effizienz erreicht, d.h. geringer Leistungsaufnahme. \u003c\/p\u003e\n\u003cp\u003eDas ist die PCI-Express Variante des Metis AI Coprocessors. Zum Betrieb wird eine Host-CPU benötigt, diese ist hier enthalten.\u003c\/p\u003e\n\u003ch3\u003eTechnische Daten\u003c\/h3\u003e\n\u003ch3\u003eAxelera AI PCIe AI accelerator card, quad-core Metis AIPU\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eModellnummer: AXE-SAALN010\u003c\/li\u003e\n\u003cli\u003ePerformance: bis zu \u003cstrong\u003e214 TOPS \u003c\/strong\u003e(INT8)\u003c\/li\u003e\n\u003cli\u003eFormfaktor: PCIe single slot, HHHL (half height, half length)\u003c\/li\u003e\n\u003cli\u003eInterface: PCIe Gen 3, 4-lanes (4 GB\/s bidirektional)\u003c\/li\u003e\n\u003cli\u003eOn-Board RAM: 4 GB DRAM\u003c\/li\u003e\n\u003cli\u003eBetriebstemperatur: -20 bis +70°C\u003c\/li\u003e\n\u003cli\u003eTypische Leistungsaufnahme: 4-8 W\u003c\/li\u003e\n\u003cli\u003eSicherheitsfeatures: Secure Boot, Root of Trust\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eHinweis: auf Anfrage bieten wir auch eine Variante dieser Karte mit \u003cstrong\u003e16 GB DRAM \u003c\/strong\u003ean.\u003c\/p\u003e\n\u003ch3\u003eSoftwareunterstützung (Inferencing)\u003c\/h3\u003e\n\u003cp\u003eAxelera stellt für die Softwareintegration ihre Lösung Voyager SDK zur Verfügung. \u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eführt Deep Learning Neural Networks mit hoher Leistungseffizienz aus\u003c\/li\u003e\n\u003cli\u003ebesonders gut für CNNs geeignet (Computer Vision Anwendungen)\u003c\/li\u003e\n\u003cli\u003eermöglicht parallel mehrere Modelle \u0026amp; Streams zu prozessieren\u003c\/li\u003e\n\u003cli\u003eLinux, Windows\u003c\/li\u003e\n\u003cli\u003eGroßer Modellzoo, unter anderem für:\n\u003cul\u003e\n\u003cli\u003eImage classification (ResNet-50, MobileNetv2)\u003c\/li\u003e\n\u003cli\u003eObject detection (MobileNetv2-SSD, YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOv9)\u003c\/li\u003e\n\u003cli\u003eSegmentation (DeepLabv3, YOLOv8-seg, U-Net)\u003c\/li\u003e\n\u003cli\u003ePoste estimation (Yolov8-pose)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003eUnterstützt PyTorch, ONNX und TensorFlow (via ONNX)\u003c\/li\u003e\n\u003cli\u003eKompatibel mit ARM und x86 Systemen.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eDer Compiler unterstützt Pytorch und ONNX Modelle. Quantisierung (Quantization) und Graph-Optimierung (Graph optimization) werden dabei automatisch durchgeführt, um optimale Performance und Genauigkeit zu erzielen.\u003c\/p\u003e\n\u003cp\u003e\u003cimg\u003e\u003cimg alt=\"\" src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/voyager-sdk-parts.jpg?v=1737893893\" width=\"539\" height=\"253\"\u003e\u003c\/p\u003e\n\u003cp\u003e  \u003c\/p\u003e\n\u003ch3\u003eEinsatzgebiete\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eSicherheit (Security)\u003c\/li\u003e\n\u003cli\u003eIndustrie 4.0 (Industry 4.0)\u003c\/li\u003e\n\u003cli\u003eRetail\u003c\/li\u003e\n\u003cli\u003eMobility\u003c\/li\u003e\n\u003cli\u003eLogistik (Logistics)\u003c\/li\u003e\n\u003cli\u003eRobotik (Robotics)\u003c\/li\u003e\n\u003cli\u003eMedizinischer Bereich (Medical)\u003c\/li\u003e\n\u003cli\u003eGastgewerbe, Hotellerie (Hospitality)\u003c\/li\u003e\n\u003cli\u003eVersorgungsbetriebe (utilities) - bspw. Wasseraufbereitung, Energieversorgungsunternehmen\u003c\/li\u003e\n\u003cli\u003eAgrikultur (Agritech)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eDokumentation \u0026amp; Downloads\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/www.axelera.ai\/customer-portal\"\u003eAxelera AI Kundenportal\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/www.axelera.ai\/blog\"\u003eAxelera AI Blog\u003c\/a\u003e \u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/github.com\/axelera-ai\"\u003eAxelera AI auf Github\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eBeratung durch buyzero\u003c\/h3\u003e\n\u003cp\u003eWir beraten Sie ob Ihr Modell auf dem Axelera AI Metis Chip lauffähig ist, und ob Sie Ihr Projekt mit Hilfe von Axelera AI umsetzen können. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eKontaktieren Sie uns dazu bitte.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003eFAQ\u003c\/h3\u003e\n\u003ch3\u003eWas sind Beispielanwendungen für dieses Modul?\u003c\/h3\u003e\n\u003cp\u003eMan kann mit diesem Modul sogenannte Deep Learning Algorithmen, insbesondere CNNs (convolutional neural networks), beschleunigen. \u003c\/p\u003e\n\u003cp\u003eDazu gehören:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003ePose Estimation - Schätzung der Pose eines Menschen\u003c\/li\u003e\n\u003cli\u003eObjekterkennung mit Bounding Boxes (bspw. wo ist ein Fahrrad im Bild, und was ist es)\u003c\/li\u003e\n\u003cli\u003eSegmentierung - markiere die Bereiche eines Bildes die eine Banane einnimmt\u003c\/li\u003e\n\u003cli\u003eNummernschilderkennung\u003c\/li\u003e\n\u003cli\u003eGesichtserkennung\u003c\/li\u003e\n\u003cli\u003eu.v.m.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eKann ich Modelle die auf NVIDIA laufen mit diesem Chip laufen lassen? Was sind die Vorteile von Axelera vs. NVIDIA?\u003c\/h3\u003e\n\u003cp\u003eIm einzelnen müssen Modelle und Software-Stacks portiert werden (und bspw. quantisiert werden, von fp32 auf int8). Das ist vor allem interessant bei Anwendungen in denen Sie in industriellen Temperaturbereichen arbeiten, oder ein beschränktes Power-Budget haben. \u003c\/p\u003e\n\u003cp\u003eWir beraten Sie ob Ihr Modell auf dem Axelera AI Metis Chip lauffähig ist, und ob Sie Ihr Projekt mit Hilfe von Axelera AI umsetzen können. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eKontaktieren Sie uns dazu bitte.\u003c\/a\u003e\u003c\/p\u003e\n\u003cp\u003eWeitere Vorteile sind die Langzeitverfügbarkeit, der industrielle Fokus von Axelera, sowie die Verfügbarkeit von kompakteren Lösungen (M.2) mit höheren TOPS vs. bspw. der NVIDIA Jetson Plattform.  \u003c\/p\u003e\n\u003ch3\u003eIch benötige mehr TOPS, da ich eine komplexe Anwendung habe, was kann ich tun?\u003c\/h3\u003e\n\u003cp\u003eAxelera bereitet eine Karte mit vier Metis Chips vor - \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eKontaktieren Sie uns dazu bitte\u003c\/a\u003e, falls Sie dazu weitere Informationen haben möchten. Eine weitere Alternative ist ein Cluster aus Biscotti-Modulen (die auf HAILO-8 basieren):\u003c\/p\u003e\n\u003cp\u003eWir bieten in unserem Shop eine Lösung mit \u003cstrong\u003e52 TOPS\u003c\/strong\u003e - das\u003ca href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\"\u003e Biscotti Modul\u003c\/a\u003e an. Es nutzt dazu zwei HAILO-8 Module, und hat einen EDSFF \u003cstrong\u003eE1.S\u003c\/strong\u003e Anschluss - der in Storage Servern zum Einsatz kommt. \u003c\/p\u003e\n\u003cp\u003eDadurch kann das \u003ca href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\"\u003eBiscotti Dual HAILO Modul\u003c\/a\u003e auch in Clustern verbaut werden, und in einem 19'' Server \u003cstrong\u003ebspw. auf 1600 TOPS\u003c\/strong\u003e skaliert werden.\u003c\/p\u003e\n\u003cp\u003eIn Kooperation mit dem Hersteller Unigen können wir mit einer Lead Time von ca. 6 Monaten auch Axelera-Cluster für Sie realisieren.\u003c\/p\u003e\n\u003cp\u003e\u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eWir stehen gerne bei Fragen zur Verfügung, kontaktieren Sie uns um uns Ihre Anforderungen zu schildern!\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003eIst Axelera AI \/ der Metis Chip eine gute Alternative zum Google Coral? \u003c\/h3\u003e\n\u003cp\u003eGoogle Coral hat 4 TOPS (8 TOPS in der Dual Edge Variante). Bei Anwendungen die bislang dezentral viele Coral Chips eingesetzt haben, könnte Axelera Metis eine interessante Alternative sein.\u003c\/p\u003e\n\u003cp\u003eFür ein Upgrade mit weniger Leistungsbedarf empfehlen wir HAILO-8 in die engere Auswahl zu ziehen (13 TOPS - 26 TOPS). \u003c\/p\u003e\n\u003ch3\u003eKann ich LLMs auf Axelera Metis ausführen, bpsw. LLAMA?\u003c\/h3\u003e\n\u003cp\u003eLLMs = Large Language Modelle (so etwas wie ChatGPT \/ GPT4-o, bzw. LLAMA, Falcon, usw.)\u003c\/p\u003e\n\u003cp\u003eNein, dafür ist der Axelera Metis Chip nicht ausgelegt.\u003c\/p\u003e\n\u003ch3\u003eKann ich damit Modelle trainieren?\u003c\/h3\u003e\n\u003cp\u003eNein, Axelera Metis ist ausschließlich für die Inferenz (int8) gedacht. Zum Training von Modellen wird typischerweise eine klassische GPU eingesetzt.\u003c\/p\u003e\n\u003cp\u003e\u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eWir unterstützen gerne bei technischen Fragen zu Modellen.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003eMisc\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eAxelera SKUs \/ alternative Bezeichnungen: \n\u003cul\u003e\n\u003cli\u003e\u003cspan\u003eAXE-BME20P1AA04A01\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003ePCIe AI accelerator card. Powered by quad-core Metis AIPU\u003cbr\u003e\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eMetis Omega PCIe Board\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eAD-PEG-AM1A (A96BD002***)\u003c\/span\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003eHS Code: 85176200\u003c\/li\u003e\n\u003cli\u003eCountry of origin: ?\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eauf dieser Seite bestellen Sie ein Stück, wenden Sie sich bei Großbedarf gerne an uns\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003eLead Time (Nachlieferzeit): aktuell ? Wochen\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003ch2\u003eEnglish Description\u003c\/h2\u003e\n\u003cp\u003e\u003c!----\u003e\u003c\/p\u003e\n\u003cp\u003eThe Axelera \u003cstrong\u003eMetis AIPU (AI Processing Unit)\u003c\/strong\u003e is a powerful AI accelerator chip designed for deep neural networks, with a specific focus on computer vision applications.\u003c\/p\u003e\n\u003cp\u003eMetis is particularly suited for operating large vision networks, achieving high frame rates, or managing multiple camera streams and\/or vision networks simultaneously. According to Axelera AI, this performance is achieved with exceptional efficiency, meaning low power consumption.\u003c\/p\u003e\n\u003cp\u003eThis is the PCI-Express version of the Metis AI coprocessor and requires a host CPU for operation.\u003c\/p\u003e\n\u003chr\u003e\n\u003ch3\u003e\u003cstrong\u003eSpecifications\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eModel:\u003c\/strong\u003e Axelera AI PCIe AI Accelerator Card, quad-core Metis AIPU\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eModel Number:\u003c\/strong\u003e AXE-BME20P1AA04A01\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003ePerformance:\u003c\/strong\u003e Up to 214 TOPS (INT8)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eForm Factor:\u003c\/strong\u003e PCIe single slot, HHHL (half height, half length)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eInterface:\u003c\/strong\u003e PCIe Gen 3, 4 lanes (4 GB\/s bidirectional)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eOn-Board RAM:\u003c\/strong\u003e 4 GB DRAM (16 GB variant available upon request)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eOperating Temperature:\u003c\/strong\u003e -20 to +70°C\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eTypical Power Consumption:\u003c\/strong\u003e 4-8 W\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eSecurity Features:\u003c\/strong\u003e Secure Boot, Root of Trust\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003chr\u003e\n\u003ch3\u003e\u003cstrong\u003eSoftware Support (Inferencing)\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cp\u003eAxelera provides its \u003cstrong\u003eVoyager SDK\u003c\/strong\u003e for seamless software integration:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eExecutes deep learning neural networks with high performance efficiency\u003c\/li\u003e\n\u003cli\u003eOptimized for CNNs (Computer Vision Applications)\u003c\/li\u003e\n\u003cli\u003eAllows parallel processing of multiple models and streams\u003c\/li\u003e\n\u003cli\u003eSupported Platforms: Linux, Windows\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eModel Zoo includes:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eImage Classification:\u003c\/strong\u003e ResNet-50, MobileNetv2\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eObject Detection:\u003c\/strong\u003e MobileNetv2-SSD, YOLO (v5–v9)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eSegmentation:\u003c\/strong\u003e DeepLabv3, YOLOv8-seg, U-Net\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003ePose Estimation:\u003c\/strong\u003e YOLOv8-pose\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eSupported Frameworks:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003ePyTorch, ONNX, TensorFlow (via ONNX)\u003c\/li\u003e\n\u003cli\u003eCompatible with ARM and x86 systems\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eThe compiler supports PyTorch and ONNX models, with automatic quantization and graph optimization for optimal performance and accuracy.\u003c\/p\u003e\n\u003chr\u003e\n\u003ch3\u003e\u003cstrong\u003eApplications\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003cstrong\u003eSecurity\u003c\/strong\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cstrong\u003eIndustry 4.0\u003c\/strong\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cstrong\u003eRetail\u003c\/strong\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cstrong\u003eMobility\u003c\/strong\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cstrong\u003eLogistics\u003c\/strong\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cstrong\u003eRobotics\u003c\/strong\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cstrong\u003eMedical\u003c\/strong\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cstrong\u003eHospitality\u003c\/strong\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eUtilities\u003c\/strong\u003e (e.g., water treatment, energy providers)\u003c\/li\u003e\n\u003cli\u003e\u003cstrong\u003eAgriculture\u003c\/strong\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003chr\u003e\n\u003ch3\u003e\u003cstrong\u003eDocumentation \u0026amp; Downloads\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/www.axelera.ai\/customer-portal\"\u003eAxelera AI Customer Portal\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/www.axelera.ai\/blog\"\u003eAxelera AI Blog\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/github.com\/axelera-ai\"\u003eAxelera AI GitHub\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003chr\u003e\n\u003ch3\u003e\u003cstrong\u003eConsulting Services\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cp\u003eWe offer guidance on whether your model can run on the Axelera AI Metis chip and if your project can be implemented with Axelera AI. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003ePlease contact us for details\u003c\/a\u003e.\u003c\/p\u003e\n\u003chr\u003e\n\u003ch3\u003e\u003cstrong\u003eFAQs\u003c\/strong\u003e\u003c\/h3\u003e\n\u003ch4\u003eWhat are example applications for this module?\u003c\/h4\u003e\n\u003cp\u003eThis module can accelerate deep learning algorithms, especially CNNs. Example use cases:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003ePose estimation (detecting human body positions)\u003c\/li\u003e\n\u003cli\u003eObject detection with bounding boxes (e.g., identifying a bicycle in an image)\u003c\/li\u003e\n\u003cli\u003eImage segmentation (marking regions occupied by objects, such as a banana)\u003c\/li\u003e\n\u003cli\u003eLicense plate recognition\u003c\/li\u003e\n\u003cli\u003eFacial recognition\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch4\u003eCan I run models designed for NVIDIA on this chip? What are the advantages of Axelera vs. NVIDIA?\u003c\/h4\u003e\n\u003cp\u003eModels and software stacks must be ported (e.g., quantized from FP32 to INT8). This is particularly appealing for applications requiring industrial temperature ranges or limited power budgets.\u003cbr\u003eKey benefits of Axelera:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eLong-term availability\u003c\/li\u003e\n\u003cli\u003eIndustrial focus\u003c\/li\u003e\n\u003cli\u003eCompact solutions (e.g., M.2 modules with higher TOPS compared to NVIDIA Jetson platforms)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eContact us for more information and advice.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch4\u003eI need more TOPS for a complex application. What can I do?\u003c\/h4\u003e\n\u003cp\u003eAxelera is developing a card with four Metis chips. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eContact us for more information.\u003c\/a\u003e\u003cbr\u003eAlternatively, you can scale using \u003ca href=\"https:\/\/buyzero.de\/products\/biscotti-e1-s-dual-ai-prozessor-modul-52-tops-hailo-8-e1-s\"\u003eBiscotti modules \u003c\/a\u003e(based on HAILO-8), with solutions offering up to \u003cstrong\u003e1600 TOPS\u003c\/strong\u003e in server clusters.\u003c\/p\u003e\n\u003ch4\u003eIs Axelera AI\/Metis a good alternative to Google Coral?\u003c\/h4\u003e\n\u003cp\u003eGoogle Coral offers 4 TOPS (8 TOPS in the Dual Edge variant). Axelera Metis is an interesting alternative for applications previously using decentralized Coral setups. For upgrades requiring less power, consider HAILO-8 (13–26 TOPS).\u003c\/p\u003e\n\u003ch4\u003eCan I run LLMs like LLAMA on Axelera Metis?\u003c\/h4\u003e\n\u003cp\u003eNo, the Metis chip is not designed for LLMs.\u003c\/p\u003e\n\u003ch4\u003eCan I use this for training models?\u003c\/h4\u003e\n\u003cp\u003eNo, the Metis chip is exclusively for inference (INT8). Model training typically requires a GPU.\u003c\/p\u003e\n\u003chr\u003e\n\u003ch3\u003e\u003cstrong\u003eMiscellaneous\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eSKU\/Alternative Designations:\u003c\/strong\u003e\n\u003cul\u003e\n\u003cli\u003eAXE-BME20P1AA04A01\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003ePCIe AI accelerator card. Powered by quad-core Metis AIPU\u003cbr\u003e\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eMetis Omega PCIe Board\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eA96BD002467\u003c\/span\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eHS Code:\u003c\/strong\u003e 85176200\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eLead Time:\u003c\/strong\u003e Currently ? weeks\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eFor bulk orders, \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eplease contact us\u003c\/a\u003e.\u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e","brand":"Axelera AI","offers":[{"title":"Default Title","offer_id":51175255671051,"sku":"AXE-SAALN010-Lenovo","price":1545.0,"currency_code":"EUR","in_stock":false}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/axelera-ai-metis-pcie-lenovo.webp?v=1743494724"},{"product_id":"axelera-metis-compute-board","title":"Axelera Metis Compute Board","description":"\u003cp\u003e\u003cem\u003eYou can find the english description of the Axelera Metis Compute Board below.\u003c\/em\u003e\u003c\/p\u003e\n\u003cp\u003eEin kompakter, energieeffizienter Single Board Computer (SBC) und eine vollständige IoT-Plattform, die für die Ausführung von KI-Anwendungen entwickelt wurde, die intensive Rechenressourcen auf Geräten am Rande des Netzwerks erfordern. Dieses komplette KI-Beschleunigungssystem wird mit dem Voyager SDK geliefert, das die App-Entwicklung mit Konnektivitäts- und Speicheroptionen für fast alle Anwendungsfälle vereinfacht.\u003c\/p\u003e\n\u003cp\u003eHauptvorteile:\u003c\/p\u003e\n\u003cp\u003e SBC mit integriertem Metis AI-Beschleuniger: Ein Single-Board-Computer (SBC), der auf einer Metis AIPU mit einer Vier-Lane-PCIe-Verbindung zur CPU basiert, ermöglicht die Ausführung von Hochleistungs-Inferenzaufgaben, die für die Ausführung von Multi-Stream- und Multi-Modell-Anwendungen geeignet sind.\u003cbr\u003eLokale Berechnungen für Edge\/IoT-Geräte: Kompakter Formfaktor-SBC für geringe Systemkomplexität. Mit außergewöhnlicher Energieeffizienz ist das Metis Compute Board für Geräte am Rande der Welt konzipiert, die intensive Rechenressourcen benötigen.\u003cbr\u003eARM-basierter Anwendungsprozessor: Mit zwei Quad-Core-ARM-Cortex-CPUs für die allgemeine Verarbeitung ist das Board leistungsstark genug, um nahezu jeden Anwendungsfall zu unterstützen und gleichzeitig die Kompatibilität mit verschiedenen Anwendungsanforderungen zu gewährleisten.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eReichlich vorhandener Speicher\u003c\/strong\u003e: 16 GB LPDDR4x für die CPU und zusätzlich 4 GB LPDDR4x für die Metis AIPU.\u003cbr\u003e\u003cstrong\u003eBreites Spektrum an Schnittstellen:\u003c\/strong\u003e Zahlreiche Anschlussmöglichkeiten, darunter vier USB-Anschlüsse, ein HDMI 2.0-Anschluss und zwei Gigabit-LAN-Anschlüsse für Netzwerke und Peripheriegeräte. Weitere Schnittstellenmöglichkeiten sind: UART-, I2C- und GPIO-Optionen erleichtern die Verbindung und Integration mit Sensoren und anderen Peripheriegeräten.\u003cbr\u003e\u003cstrong\u003eKomplette Entwicklungsumgebung: \u003c\/strong\u003eMit einem Board Support Package (BSP) und dem Axelera Voyager SDK bildet das Metis Compute Board eine vollständige Plattform, die die Bereitstellung beschleunigt, den Entwicklungsaufwand reduziert und die Systemintegration vereinfacht.\u003cbr\u003e\u003cstrong\u003eSkalierbare Plattform:\u003c\/strong\u003e Die Metis-Plattform ist so konzipiert, dass sie an die sich entwickelnden KI-Anforderungen angepasst werden kann. Mit seiner einzigartigen Architektur, die auf RISC-V und D-IMC (Digital In-Memory Compute) basiert, wird der Modell-Zoo von Axelera AI kontinuierlich weiterentwickelt, um die neuesten und anspruchsvollsten neuronalen Netzwerke zu unterstützen.\u003c\/p\u003e\n\u003ch3\u003e\n\u003cbr\u003eEinfach zu integrieren\u003c\/h3\u003e\n\u003cp\u003eDer Metis SBC ist als komplettes System für eine mühelose Bereitstellung konzipiert. Mit einem vorkonfigurierten Board Support Package (BSP), das auf Yocto basiert, unterstützt er Industriestandard-Frameworks und APIs, so dass Entwickler sofort loslegen können. Ergänzt durch das Voyager SDK vereinfacht das Board den Einsatz und die Optimierung von KI-Modellen, ermöglicht ein schnelles Prototyping und verkürzt die Time-to-Market. Ganz gleich, ob Sie TensorFlow-, PyTorch- oder ONNX-Modelle verwenden, das Voyager SDK bietet die Tools, die Sie für einen schnellen Einstieg und eine sichere Skalierung benötigen.\u003c\/p\u003e\n\u003ch3\u003eTechnische Daten\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eModel:\u003c\/strong\u003e Axelera Metis Compute Board with Arm-based RK3588\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eModel Number:\u003c\/strong\u003e AXE-BME20S1AI04A01\u003c\/li\u003e\n\u003cli\u003e\n\u003cb\u003eCPU: \u003c\/b\u003eRK3588 with 16GB of LPDDR4 (featuring a quad-core Cortex-A76 + quad-core Cortex-A55)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eAI Accelerator\u003c\/strong\u003e: Metis AIPU with 4GB of LPDDR4X\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eStorage:\u003c\/strong\u003e 64GB onboard eMMC, 2x SATA ports, MicroSD slot\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eNetwork:\u003c\/strong\u003e 2x Gigabit LAN\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eExpansion Slots: \u003c\/strong\u003e1x M.2 E key, 1x M.2 B key\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eOther IO:\u003c\/strong\u003e GPIOs, UART, ADC, I2C, SPI\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eUSB Ports:\u003c\/strong\u003e 4x USB3.1 Gen1, 1x USB-C, 3x USB 2.0 headers\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eVideo Interfaces:\u003c\/strong\u003e HDMI 2.0, Display port (up to 4,096 x 2,160 @ 24 Hz)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003ePower Input:\u003c\/strong\u003e 12 V DC input\u003cstrong\u003e\u003c\/strong\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eOperating Temperature:\u003c\/strong\u003e -20 to +70°C\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eDimensions: \u003c\/strong\u003emini-ITX 170x170mm\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cbr\u003e\u003c\/p\u003e\n\u003ch3\u003eSoftwareunterstützung (Inferencing)\u003c\/h3\u003e\n\u003cp\u003eAxelera stellt für die Softwareintegration ihre Lösung Voyager SDK zur Verfügung. \u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eführt Deep Learning Neural Networks mit hoher Leistungseffizienz aus\u003c\/li\u003e\n\u003cli\u003ebesonders gut für CNNs geeignet (Computer Vision Anwendungen)\u003c\/li\u003e\n\u003cli\u003eermöglicht parallel mehrere Modelle \u0026amp; Streams zu prozessieren\u003c\/li\u003e\n\u003cli\u003eLinux, Windows\u003c\/li\u003e\n\u003cli\u003eGroßer Modellzoo, unter anderem für:\n\u003cul\u003e\n\u003cli\u003eImage classification (ResNet-50, MobileNetv2)\u003c\/li\u003e\n\u003cli\u003eObject detection (MobileNetv2-SSD, YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOv9)\u003c\/li\u003e\n\u003cli\u003eSegmentation (DeepLabv3, YOLOv8-seg, U-Net)\u003c\/li\u003e\n\u003cli\u003ePoste estimation (Yolov8-pose)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003eUnterstützt PyTorch, ONNX und TensorFlow (via ONNX)\u003c\/li\u003e\n\u003cli\u003eKompatibel mit ARM und x86 Systemen.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eDer Compiler unterstützt Pytorch und ONNX Modelle. Quantisierung (Quantization) und Graph-Optimierung (Graph optimization) werden dabei automatisch durchgeführt, um optimale Performance und Genauigkeit zu erzielen.\u003c\/p\u003e\n\u003cp\u003e\u003cimg\u003e\u003cimg alt=\"\" src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/voyager-sdk-parts.jpg?v=1737893893\" width=\"539\" height=\"253\"\u003e\u003c\/p\u003e\n\u003cp\u003e  \u003c\/p\u003e\n\u003ch3\u003eEinsatzgebiete\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eSicherheit (Security)\u003c\/li\u003e\n\u003cli\u003eIndustrie 4.0 (Industry 4.0)\u003c\/li\u003e\n\u003cli\u003eRetail\u003c\/li\u003e\n\u003cli\u003eMobility\u003c\/li\u003e\n\u003cli\u003eLogistik (Logistics)\u003c\/li\u003e\n\u003cli\u003eRobotik (Robotics)\u003c\/li\u003e\n\u003cli\u003eMedizinischer Bereich (Medical)\u003c\/li\u003e\n\u003cli\u003eGastgewerbe, Hotellerie (Hospitality)\u003c\/li\u003e\n\u003cli\u003eVersorgungsbetriebe (utilities) - bspw. Wasseraufbereitung, Energieversorgungsunternehmen\u003c\/li\u003e\n\u003cli\u003eAgrikultur (Agritech)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eBeratung durch buyzero\u003c\/h3\u003e\n\u003cp\u003eWir beraten Sie ob Ihr Modell auf dem Axelera AI Metis Chip lauffähig ist, und ob Sie Ihr Projekt mit Hilfe von Axelera AI umsetzen können. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eKontaktieren Sie uns dazu bitte.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003eMisc\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eSKU\/Alternative Designations:\u003c\/strong\u003e\n\u003cul\u003e\n\u003cli\u003eAXE-BME20P1AA04A01\/AXE-SBC-RK3588-A10\u003cspan\u003e\u003cbr\u003e\u003c\/span\u003e\n\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eMetis SBC with Rockchip RK3588\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eT2MITU007814\u003c\/span\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eHS Code:\u003c\/strong\u003e 85176200\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eauf dieser Seite bestellen Sie ein Stück, wenden Sie sich bei Großbedarf gerne an uns\u003c\/a\u003e\u003cbr\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003ch2\u003eEnglish Description\u003c\/h2\u003e\n\u003cp\u003e\u003c!----\u003e\u003c\/p\u003e\n\u003cp class=\"p1\"\u003eA compact, power-efficient \u003cstrong\u003eSingle Board Computer (SBC)\u003cspan\u003e \u003c\/span\u003e\u003c\/strong\u003eand complete IoT platform engineered to run AI applications that require intense compute resources on devices at the edge. This complete AI acceleration system comes with the \u003cstrong\u003eVoyager SDK\u003c\/strong\u003e\u003cspan\u003e \u003c\/span\u003ewhich simplifies app development with connectivity and storage options to suit almost all use cases.\u003c\/p\u003e\n\u003cp class=\"MsoNormal\"\u003e\u003cb\u003e\u003cspan lang=\"EN-US\"\u003eKey Benefits:\u003c\/span\u003e\u003c\/b\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli class=\"MsoNormal\"\u003e\n\u003cspan\u003e \u003c\/span\u003e\u003cstrong\u003eSBC with integrated Metis AI accelerator:\u003c\/strong\u003e\u003cspan\u003e \u003c\/span\u003eA single-board computer (SBC) based on a Metis AIPU with a four-lane PCIe connection to the CPU makes it possible to run high-performance inference tasks, suitable for running multi-stream and multi-model applications.\u003c\/li\u003e\n\u003cli class=\"MsoNormal\"\u003e\n\u003cspan\u003e \u003c\/span\u003e\u003cstrong\u003eLocal compute for Edge\/IoT devices:\u003cspan\u003e \u003c\/span\u003e\u003c\/strong\u003eCompact form factor SBC for low system complexity. With exceptional energy efficiency, the Metis Compute Board is designed for devices at the Edge that require intense compute resources.\u003c\/li\u003e\n\u003cli class=\"MsoNormal\"\u003e\n\u003cspan\u003e \u003c\/span\u003e\u003cstrong\u003eARM-based application processor:\u003cspan\u003e \u003c\/span\u003e\u003c\/strong\u003ePowered by two quad-core ARM Cortex CPUs for general-purpose processing, the board is powerful enough to support nearly any use case, while ensuring compatibility with diverse application requirements.\u003c\/li\u003e\n\u003cli class=\"MsoNormal\"\u003e\n\u003cspan\u003e \u003c\/span\u003e\u003cstrong\u003eAbundant Memory: \u003c\/strong\u003e\u003cspan\u003e \u003c\/span\u003e\u003cspan\u003e16GB LPDDR4x dedicated to the CPU, and an added 4GB LPDDR4x for the Metis AIPU.\u003c\/span\u003e\n\u003c\/li\u003e\n\u003cli class=\"MsoNormal\"\u003e\n\u003cspan\u003e \u003c\/span\u003e\u003cstrong\u003eBroad range of interfaces:\u003c\/strong\u003e\u003cspan\u003e \u003c\/span\u003eMultiple connectivity options, including four USB ports, HDMI 2.0 port, and two gigabit LAN ports for networks and peripherals. Other interface capabilities include: UART, I2C, GPIO options make it simple to connect to and integrate with sensors and other peripherals.\u003c\/li\u003e\n\u003cli class=\"MsoNormal\"\u003e\n\u003cspan\u003e \u003c\/span\u003e\u003cstrong\u003eComplete development stack:\u003cspan\u003e \u003c\/span\u003e\u003c\/strong\u003eIncluding a Board Support Package (BSP) and the Axelera Voyager SDK the Metis Compute Board makes a complete platform to accelerate deployment, reduce development overhead, and simplify system integration.\u003c\/li\u003e\n\u003cli class=\"MsoNormal\"\u003e\n\u003cspan\u003e \u003c\/span\u003e\u003cstrong\u003eScalable platform:\u003c\/strong\u003e\u003cspan\u003e \u003c\/span\u003eThe Metis platform is designed to be adaptable to evolving AI needs. With its unique architecture based on RISC-V and D-IMC (digital in-memory compute), Axelera AI’s model zoo is continuously evolving to support the latest and most demanding neural networks.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp class=\"MsoNormal\"\u003e\u003cb\u003e\u003cspan lang=\"EN-GB\"\u003eEasy To Integrate\u003c\/span\u003e\u003c\/b\u003e\u003c\/p\u003e\n\u003cp class=\"p1\"\u003e\u003cstrong\u003eThe Metis SBC\u003c\/strong\u003e\u003cspan\u003e \u003c\/span\u003eis designed as a complete system for effortless deployment. With a pre-configured\u003cspan\u003e \u003c\/span\u003e\u003cstrong\u003eBoard Support Package (BSP)\u003c\/strong\u003e\u003cspan\u003e \u003c\/span\u003ebased on\u003cspan\u003e \u003c\/span\u003e\u003cstrong\u003eYocto\u003c\/strong\u003e, it supports industry-standard frameworks and APIs, ensuring developers can hit the ground running. Complemented by the Voyager SDK, the board simplifies AI model deployment and optimization, enabling fast prototyping and reduced time-to-market. Whether you're running TensorFlow, PyTorch, or ONNX models, the\u003cspan\u003e \u003c\/span\u003e\u003cstrong\u003eVoyager SDK\u003c\/strong\u003e\u003cspan\u003e \u003c\/span\u003eprovides the tools you need to get started quickly and scale confidently.\u003c\/p\u003e\n\u003chr\u003e\n\u003ch3\u003e\u003cstrong\u003eSpecifications\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eModel:\u003c\/strong\u003e Axelera Metis Compute Board with Arm-based RK3588\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eModel Number:\u003c\/strong\u003e AXE-BME20S1AI04A01\u003c\/li\u003e\n\u003cli\u003e\n\u003cb\u003eCPU: \u003c\/b\u003eRK3588 with 16GB of LPDDR4 (featuring a quad-core Cortex-A76 + quad-core Cortex-A55)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eAI Accelerator\u003c\/strong\u003e: Metis AIPU with 4GB of LPDDR4X\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eStorage:\u003c\/strong\u003e 64GB onboard eMMC, 2x SATA ports, MicroSD slot\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eNetwork:\u003c\/strong\u003e 2x Gigabit LAN\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eExpansion Slots: \u003c\/strong\u003e1x M.2 E key, 1x M.2 B key\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eOther IO:\u003c\/strong\u003e GPIOs, UART, ADC, I2C, SPI\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eUSB Ports:\u003c\/strong\u003e 4x USB3.1 Gen1, 1x USB-C, 3x USB 2.0 headers\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eVideo Interfaces:\u003c\/strong\u003e HDMI 2.0, Display port (up to 4,096 x 2,160 @ 24 Hz)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003ePower Input:\u003c\/strong\u003e 12 V DC input\u003cstrong\u003e\u003c\/strong\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eOperating Temperature:\u003c\/strong\u003e -20 to +70°C\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eDimensions: \u003c\/strong\u003emini-ITX 170x170mm\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003chr\u003e\n\u003ch3\u003e\u003cstrong\u003eSoftware Support (Inferencing)\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cp\u003eAxelera provides its \u003cstrong\u003eVoyager SDK\u003c\/strong\u003e for seamless software integration:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eExecutes deep learning neural networks with high performance efficiency\u003c\/li\u003e\n\u003cli\u003eOptimized for CNNs (Computer Vision Applications)\u003c\/li\u003e\n\u003cli\u003eAllows parallel processing of multiple models and streams\u003c\/li\u003e\n\u003cli\u003eSupported Platforms: Linux, Windows\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eModel Zoo includes:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eImage Classification:\u003c\/strong\u003e ResNet-50, MobileNetv2\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eObject Detection:\u003c\/strong\u003e MobileNetv2-SSD, YOLO (v5–v9)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eSegmentation:\u003c\/strong\u003e DeepLabv3, YOLOv8-seg, U-Net\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003ePose Estimation:\u003c\/strong\u003e YOLOv8-pose\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eSupported Frameworks:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003ePyTorch, ONNX, TensorFlow (via ONNX)\u003c\/li\u003e\n\u003cli\u003eCompatible with ARM and x86 systems\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eThe compiler supports PyTorch and ONNX models, with automatic quantization and graph optimization for optimal performance and accuracy.\u003c\/p\u003e\n\u003chr\u003e\n\u003ch3\u003e\u003cstrong\u003eApplications\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003cstrong\u003eSecurity\u003c\/strong\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cstrong\u003eIndustry 4.0\u003c\/strong\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cstrong\u003eRetail\u003c\/strong\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cstrong\u003eMobility\u003c\/strong\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cstrong\u003eLogistics\u003c\/strong\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cstrong\u003eRobotics\u003c\/strong\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cstrong\u003eMedical\u003c\/strong\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cstrong\u003eHospitality\u003c\/strong\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eUtilities\u003c\/strong\u003e (e.g., water treatment, energy providers)\u003c\/li\u003e\n\u003cli\u003e\u003cstrong\u003eAgriculture\u003c\/strong\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003chr\u003e\n\u003ch3\u003e\u003cstrong\u003eDocumentation \u0026amp; Downloads\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/www.axelera.ai\/customer-portal\"\u003eAxelera AI Customer Portal\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/www.axelera.ai\/blog\"\u003eAxelera AI Blog\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/github.com\/axelera-ai\"\u003eAxelera AI GitHub\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003chr\u003e\n\u003ch3\u003e\u003cstrong\u003eConsulting Services\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cp\u003eWe offer guidance on whether your model can run on the Axelera AI Metis chip and if your project can be implemented with Axelera AI. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003ePlease contact us for details\u003c\/a\u003e.\u003c\/p\u003e\n\u003chr\u003e\n\u003ch3\u003e\u003cstrong\u003eFAQs\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003chr\u003e\n\u003ch3\u003e\u003cstrong\u003eMiscellaneous\u003c\/strong\u003e\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eSKU\/Alternative Designations:\u003c\/strong\u003e\n\u003cul\u003e\n\u003cli\u003eAXE-BME20P1AA04A01\/AXE-SBC-RK3588-A10\u003cspan\u003e\u003cbr\u003e\u003c\/span\u003e\n\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eMetis SBC with Rockchip RK3588\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eT2MITU007814\u003c\/span\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eHS Code:\u003c\/strong\u003e 85176200\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eLead Time:\u003c\/strong\u003e Currently ? weeks\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eFor bulk orders, \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eplease contact us\u003c\/a\u003e.\u003c\/p\u003e\n\u003cp\u003e \u003c\/p\u003e","brand":"Axelera AI","offers":[{"title":"Default Title","offer_id":51488691454219,"sku":"AXE- MetisComputeBoard","price":469.0,"currency_code":"EUR","in_stock":false}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/Axelera_2046_clean.webp?v=1748337195"},{"product_id":"asus-ascent-gx10-nvidia-dgx-spark","title":"ASUS Ascent GX10 - NVIDIA DGX Spark 1\/4TB","description":"\u003ch1 dir=\"ltr\"\u003e\u003cspan\u003eASUS Ascent GX10: KI-Supercomputer auf Basis der NVIDIA DGX Spark Plattform 1TB\u003c\/span\u003e\u003c\/h1\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003eDer ASUS Ascent GX10 ist ein kompakter KI-Supercomputer.  Eine großzügige 128GB RAM-Ausstattung ermöglicht die Arbeit mit großen LLMs mit bis zu 200B Parametern. \u003c\/span\u003e\u003c\/p\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003eKern des ASUS Ascent GX10 ist der \u003cspan class=\"fontstyle0\"\u003eNVIDIA® GB10 Grace Blackwell Superchip, mit einer Leistung von 1 Petaflop für KI-Rechnungen (in FP4-Precision).\u003c\/span\u003e\u003cbr\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003eDie NVIDIA DGX Spark Plattform ist besonders für AI-Entwickler und KI-Forschung geeignet. Dank des kompakten Formfaktors findet der ASUS Ascent GX10 auf jedem Schreibtisch Platz.\u003c\/span\u003e\u003c\/p\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003eWesentlicher Teil der Plattform ist der NVIDIA AI Software Stack, der einen schnellen Einstieg mit der am besten unterstützten Plattform in der LLM-Industrie ermöglicht.  Dank der Software-Kompatibilität mit NVIDIA's größeren Plattformen (bspw. H200 \/ B200) können die entwickelten LLM-Lösungen und Anwendungen (bspw. agentic AI) direkt und problemlos skaliert werden. \u003c\/span\u003e\u003c\/p\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003eDank des eingebauten NVIDIA® ConnectX-7 Netzwerklinks können zwei NVIDIA DGX Spark Systeme miteinander verbunden werden, um noch größere Modelle bis zu 405B Parametern zu unterstützen. \u003cbr\u003e\u003cbr\u003e\u003cspan style=\"color: rgb(0, 0, 0); background-color: rgb(255, 255, 0);\"\u003e\u003cstrong\u003eLieferzeit\u003c\/strong\u003e\u003c\/span\u003e\u003cbr data-end=\"124\" data-start=\"121\"\u003e\u003cspan style=\"color: rgb(0, 0, 0); background-color: rgb(255, 255, 0);\"\u003eKleine Mengen \u003cstrong\u003edirekt \u003c\/strong\u003eab Lager in Leipzig, Deutschland. Die Lieferzeit für größere ASUS Ascent GX10 – NVIDIA DGX Spark 1 TB Mengen beträgt in der Regel \u003cstrong\u003e4–6 Wochen ab Bestelleingang.\u003c\/strong\u003e Bitte berücksichtigen Sie dies in Ihrer Projektplanung.\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003ch2 dir=\"ltr\"\u003e\u003cspan\u003eTechnische Daten\u003c\/span\u003e\u003c\/h2\u003e\n\u003cdiv align=\"left\" dir=\"ltr\"\u003e\n\u003ctable style=\"width: 100%; height: 498.313px;\"\u003e\n\u003ccolgroup\u003e \u003ccol style=\"width: 28.9991%;\" width=\"139\"\u003e \u003ccol style=\"width: 70.6385%;\" width=\"421\"\u003e \u003c\/colgroup\u003e\n\u003ctbody\u003e\n\u003ctr style=\"height: 35.5938px;\"\u003e\n\u003ctd style=\"height: 35.5938px;\"\u003e\n\u003cp dir=\"ltr\"\u003e\u003cstrong\u003eMerkmal\u003c\/strong\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003ctd style=\"height: 35.5938px;\"\u003e\n\u003cp dir=\"ltr\"\u003e\u003cstrong\u003eSpezifikation\u003c\/strong\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 35.5938px;\"\u003e\n\u003ctd style=\"height: 35.5938px;\"\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003eKI-Rechenleistung\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003ctd style=\"height: 35.5938px;\"\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e1 Petaflops (FP4, sparse) (NVIDIA Grace Blackwell)\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 35.5938px;\"\u003e\n\u003ctd style=\"height: 35.5938px;\"\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003eRAM\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003ctd style=\"height: 35.5938px;\"\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003e128GB RAM LPDDR5x (Unified memory)\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003eRAM-Bandbreite\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003ctd\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003e\u003cspan dir=\"ltr\" role=\"presentation\"\u003e273 GB\/s (256-bit Speicherinterface)\u003c\/span\u003e\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003eGPU\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003ctd\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003e\u003cspan dir=\"ltr\" role=\"presentation\"\u003eNVIDIA Blackwell Architecture\u003c\/span\u003e\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003eCPU\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003ctd\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003e\u003cspan dir=\"ltr\" role=\"presentation\"\u003e20 core ARM: 10 Cortex-X925 \u003c\/span\u003e\u003cspan dir=\"ltr\" role=\"presentation\"\u003e+ 10 Cortex-A725 ARM\u003c\/span\u003e\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003eSpeicher\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003ctd\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003e1 x M.2 2242\/2230  PCIe Gen5x4  \u003cstrong\u003e1 TB\u003c\/strong\u003e (2TB\/4TB Value \u0026amp; Performance Varianten auf Anfrage), PCIe Gen4 compatible\u003cbr\u003e\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003eWLAN \u0026amp; Bluetooth\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003ctd\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003eAW-EM637 Wi-Fi 7 (Gig+) 2x2 + Bluetooth® 5.3 mit Bluetooth LE\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003eNetzwerk\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003ctd\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003e1 x 10 GBit LAN\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003e1 x ConnectX CX-7 Smart NIC (200 Gbps, 2 x QSFP)\u003cbr\u003e\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003eUSB Ports\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003ctd\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003e3 x USB 3.2 Gen 2x2 Type-C, 20Gbps, alternate mode (DisplayPort 2.1) \u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003e1 x USB 3.2 Gen 2x2 Type-C, 20 Gbps, with PD in(180W EPR PD3.1 SPEC)\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003eWeitere Ports \u0026amp; Features\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003ctd\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003e1 x HDMI 2.1\u003cbr\u003e\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003e1 x Kensington Lock\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003e1 x An\/Aus-Taster\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 35.5938px;\"\u003e\n\u003ctd style=\"height: 35.5938px;\"\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003eBetriebssystem\u003c\/span\u003e\u003cbr\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003ctd style=\"height: 35.5938px;\"\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003eNVIDIA DGX™ OS (Ubuntu Linux)\u003c\/span\u003e\u003cbr\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 35.5938px;\"\u003e\n\u003ctd style=\"height: 35.5938px;\"\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003eAbmessungen\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003ctd style=\"height: 35.5938px;\"\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003e150 x 150 x 51 mm\u003c\/span\u003e \u003cbr\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003eGewicht\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003ctd\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e1,48 kg\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003c\/tbody\u003e\n\u003c\/table\u003e\n\u003c\/div\u003e\n\u003ch2 dir=\"ltr\"\u003e\u003cspan\u003eLieferumfang\u003c\/span\u003e\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli aria-level=\"1\" dir=\"ltr\"\u003e\n\u003cp role=\"presentation\" dir=\"ltr\"\u003e\u003cspan\u003e1 × ASUS Ascent GX 10, 1 TB SSD (auf Basis von NVIDIA DGX Spark)\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli aria-level=\"1\" dir=\"ltr\"\u003e\n\u003cp role=\"presentation\" dir=\"ltr\"\u003e\u003cspan\u003e\u003c\/span\u003eNetzteil\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli aria-level=\"1\" dir=\"ltr\"\u003e\n\u003cp role=\"presentation\" dir=\"ltr\"\u003eNetzkabel (EU) \u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli aria-level=\"1\" dir=\"ltr\"\u003e\n\u003cspan\u003eHinweis: QSFP Kabel für die ConnectX CX-7 Netzwerkschnittstelle, zum Verbinden von zwei NVIDIA DGX Spark Systemen, ist nicht im Lieferumfang enthalten - es ist separat erhältlich. \u003c\/span\u003e\u003cspan\u003ePassende Kabel sind:\u003c\/span\u003e\n\u003cul\u003e\n\u003cli class=\"\"\u003e\u003cspan aria-expanded=\"true\"\u003eDGX Spark Connect Cable: NJAAK-N911\u003c\/span\u003e\u003c\/li\u003e\n\u003cli class=\"\"\u003e\u003cspan aria-expanded=\"false\"\u003eDGX Spark Connect Cable: NJAAK-0006\u003c\/span\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cspan\u003e\u003cstrong\u003eHinweis\u003c\/strong\u003e: bei Bestellung von \u003cstrong\u003ezwei \u003c\/strong\u003eASUS Ascent GX10 1 TB fügen wir im Aktionszeitraum ein kostenfreies QSFP Kabel bei.\u003c\/span\u003e\u003c\/p\u003e\n\u003ch2 dir=\"ltr\"\u003eEinsatzbereiche\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli aria-level=\"1\" dir=\"ltr\"\u003e\n\u003cp role=\"presentation\" dir=\"ltr\"\u003e\u003cspan\u003eIndustrie \u0026amp; Forschung\u003c\/span\u003e\u003cspan\u003e: Entwicklung und Finetuning von AI LLM-Modellen mit bis zu 200B Parametern (bzw. 405B bei Einsatz von zwei ASUS Ascent GX10 \/ DGX Sparks)\u003c\/span\u003e\u003cspan\u003e\u003cbr\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli aria-level=\"1\" dir=\"ltr\"\u003e\n\u003cp role=\"presentation\" dir=\"ltr\"\u003eUniversitäten \u0026amp; Hochschulen: Experimente und Hands-On-Erfahrung für Studenten an großen LLM Modellen \u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli aria-level=\"1\" dir=\"ltr\"\u003e\n\u003cp role=\"presentation\" dir=\"ltr\"\u003eBüros, Geschäftliches Umfeld: Ausführen von Agentic AI, insbesondere für Datenschutz - bspw. für Bearbeiten von Kundenanfragen, offline e-Mailbearbeitung, RAGs mit sensitiven Firmendaten. \u003c\/p\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2 dir=\"ltr\"\u003e\u003cspan\u003eNVIDIA DGX Spark Produktvarianten\u003c\/span\u003e\u003c\/h2\u003e\n\u003cp dir=\"ltr\"\u003eDie NVIDIA DGX Spark Plattform baut im Kern auf NVIDIA Komponenten auf. In jeder Variante ist der Grace Blackwell Superchip GB10, sowie 128 GB RAM mit 273 GB\/s Speicherbandreite verbaut. Die Speicherbandbreite hat dabei den größten Effekt auf Token\/s Durchsatzraten. \u003c\/p\u003e\n\u003cp dir=\"ltr\"\u003eDas Betriebssystem (NVIDIA DGX OS, auf Ubuntu Basis), sowie der NVIDIA AI-Softwarestack ist in jedem Fall der Gleiche.\u003c\/p\u003e\n\u003cp dir=\"ltr\"\u003eVerschiedene Anbieter bauen ein Gehäuse drumherum, und vertreiben das Gerät unter ihrem eigenen Markennamen: \u003c\/p\u003e\n\u003cul\u003e\n\u003cli dir=\"ltr\"\u003eNVIDIA direkt unter \"NVIDIA DGX Spark\" (ehemals Project Digits)\u003c\/li\u003e\n\u003cli dir=\"ltr\"\u003eASUS als \"ASUS Ascent GX10\"\u003c\/li\u003e\n\u003cli dir=\"ltr\"\u003eHP als \"HP ZGX Nano AI Station G1n\"\u003c\/li\u003e\n\u003cli dir=\"ltr\"\u003eDell als \"Dell Pro Max With GB10\"\u003c\/li\u003e\n\u003cli dir=\"ltr\"\u003eLenovo als \"Lenovo ThinkStation PGX\"\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eAus unserer Sicht sind diese Geräte weitgehend vergleichbar was die AI Leistung betrifft. Wir empfehlen Kunden, die Marke ihrer Wahl zu kaufen, und vor allem auf weitere Faktoren wie Service durch die jeweilige Marke zu achten. \u003c\/p\u003e\n\u003cp\u003eAls ASUS IoT Partner bieten wir in unserem Shop die ASUS Ascent GX10 Variante des NVIDIA DGX Spark an. ASUS Stärke is besonders optimierte Kühlkonzepte aufzubauen, was sie auch bei dem DGX Spark in Form des ASUS Ascent GX10 umgesetzt haben. \u003c\/p\u003e\n\u003ch2\u003eSoftware-Stack \/ unterstützte Software\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eNVIDIA DGX OS\u003c\/strong\u003e (Betriebssystem, auf Basis von Ubuntu)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eNVIDIA NIM\u003c\/strong\u003e (Microservices als Bausteine für AI Lösungen)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eNVIDIA AI Blueprints\u003c\/strong\u003e (Beispielanwendungen, bspw. RAG Workflows)\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003e\u003cstrong\u003ePyTorch \u003c\/strong\u003e(Framework für Machine Learning und Deep Neural Networks)\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eTensorFlow \u003c\/strong\u003e(\u003cspan\u003eFramework für Machine Learning und Deep Neural Networks\u003c\/span\u003e)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eNVIDIA Riva\u003c\/strong\u003e (Spracherkennung, Übersetzung und Sprachausgabe)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eNVIDIA Holoscan\u003c\/strong\u003e (Plattform für Sensor-Daten-Verarbeitung)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eNVIDIA Metropolis \u003c\/strong\u003e(Vision-KI Anwendungsplattform)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eNVIDIA Isaac \u003c\/strong\u003e(Plattform für Entwicklung von Robotern, bspw. autonomen Fahrzeugen)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eCUDA \u003c\/strong\u003e(Toolkit zur Beschleunigung und Parallesierung von Berechnungen auf GPUs)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003ecuDNN \u003c\/strong\u003e(Beschleunigung von Deep Neural Networks auf GPUs)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003ecuBLAS \u003c\/strong\u003e(Lineare Algebra Frameworks zur Beschleunigung von KI und High performance computing (HPC) Anwendungen)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eTensorRT \u003c\/strong\u003e(SDK für high-performance deep learning inferencing)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eNCCL \u003c\/strong\u003e(NVIDIA Collective Communications library, zur Verteilung der Rechenleistung über mehrere Nodes hinweg)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003evLLM + ollama + llama.cpp\u003c\/strong\u003e - Large Language Model Inferencing Frameworks\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e \u003c\/p\u003e\n\u003ch2\u003eWeitere Produktbezeichnungen\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cspan class=\"fontstyle0\"\u003e9L90MS0371M00030\u003c\/span\u003e \u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cspan class=\"fontstyle0\"\u003eASUS Ascent GX10\/GX10-GG0003BN\/NVIDIA GB10\/RAM \u003c\/span\u003e\u003cspan class=\"fontstyle0\"\u003e128GB\/1TB SSD\/ Wi-Fi 7\/EU \u003cbr\u003e\u003c\/span\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e","brand":"ASUS","offers":[{"title":"1TB","offer_id":53110647849227,"sku":"nvidia-dgx-spark-1","price":4699.99,"currency_code":"EUR","in_stock":true},{"title":"4TB","offer_id":53110647881995,"sku":"nvidia-dgx-spark-2","price":6349.99,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/ASUS_Ascent_GX10_with_NVIDIA-Logo.png?v=1758102014"},{"product_id":"nvidia-dgx-spark-4tb","title":"NVIDIA DGX Spark 4TB","description":"\u003ch1 dir=\"ltr\"\u003e\u003cspan\u003eNVIDIA DGX Spark 4 TB: KI-Supercomputer\u003c\/span\u003e\u003c\/h1\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003eDer NVIDIA DGX Spark ist ein kompakter KI-Supercomputer.  Eine großzügige 128GB RAM-Ausstattung ermöglicht die Arbeit mit großen LLMs mit bis zu 200B Parametern. \u003c\/span\u003e\u003c\/p\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003eKern des NVIDIA DGX Spark ist der \u003cspan class=\"fontstyle0\"\u003e\u003cstrong\u003eNVIDIA® GB10 Grace Blackwell Superchip\u003c\/strong\u003e, mit einer Leistung von 1 Petaflop für KI-Rechnungen (in FP4-Precision).\u003c\/span\u003e\u003cbr\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003eDie NVIDIA DGX Spark Plattform ist besonders für AI-Entwickler und KI-Forschung geeignet. Dank des kompakten Formfaktors findet der NVIDIA DGX Spark auf jedem Schreibtisch Platz.\u003c\/span\u003e\u003c\/p\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003eWesentlicher Teil der Plattform ist der NVIDIA AI Software Stack, der einen schnellen Einstieg mit der am besten unterstützten Plattform in der LLM-Industrie ermöglicht.  Dank der Software-Kompatibilität mit NVIDIA's größeren Plattformen (bspw. H200 \/ B200) können die entwickelten LLM-Lösungen und Anwendungen (bspw. agentic AI) direkt und problemlos skaliert werden. \u003c\/span\u003e\u003c\/p\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003eDank des eingebauten NVIDIA® ConnectX-7 Netzwerklinks können zwei NVIDIA DGX Spark Systeme miteinander verbunden werden, um noch größere Modelle bis zu 405B Parametern zu unterstützen. \u003cbr\u003e\u003cbr\u003e\u003cspan style=\"color: rgb(0, 0, 0); background-color: rgb(255, 255, 0);\"\u003e\u003cstrong\u003eLieferzeit\u003c\/strong\u003e\u003c\/span\u003e\u003cbr data-start=\"121\" data-end=\"124\"\u003e\u003cspan style=\"color: rgb(0, 0, 0); background-color: rgb(255, 255, 0);\"\u003eKleine Mengen \u003cstrong\u003edirekt ab Lager in Leipzig\u003c\/strong\u003e, Deutschland. Die Lieferzeit für größere Mengen des NVIDIA DGX Spark 4 TB beträgt in der Regel \u003cstrong\u003e4–6 Wochen ab Bestelleingang.\u003c\/strong\u003e Bitte berücksichtigen Sie dies in Ihrer Projektplanung.\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003ch2 dir=\"ltr\"\u003e\u003cspan\u003eTechnische Daten\u003c\/span\u003e\u003c\/h2\u003e\n\u003cdiv dir=\"ltr\" align=\"left\"\u003e\n\u003ctable style=\"width: 100%; height: 790.334px;\"\u003e\n\u003ccolgroup\u003e \u003ccol width=\"139\" style=\"width: 29.061%;\"\u003e \u003ccol width=\"421\" style=\"width: 70.6022%;\"\u003e \u003c\/colgroup\u003e\n\u003ctbody\u003e\n\u003ctr style=\"height: 35.5972px;\"\u003e\n\u003ctd style=\"height: 35.5972px;\"\u003e\n\u003cp dir=\"ltr\"\u003e\u003cstrong\u003eMerkmal\u003c\/strong\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003ctd style=\"height: 35.5972px;\"\u003e\n\u003cp dir=\"ltr\"\u003e\u003cstrong\u003eSpezifikation\u003c\/strong\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 55.1944px;\"\u003e\n\u003ctd style=\"height: 55.1944px;\"\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003eKI-Rechenleistung (Tensor Performance)\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003ctd style=\"height: 55.1944px;\"\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e1 Petaflops (FP4, sparse) (NVIDIA Grace Blackwell)\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 35.5972px;\"\u003e\n\u003ctd style=\"height: 35.5972px;\"\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003eRAM\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003ctd style=\"height: 35.5972px;\"\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003e128GB RAM LPDDR5x (Unified memory)\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 35.5972px;\"\u003e\n\u003ctd style=\"height: 35.5972px;\"\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003eRAM-Bandbreite\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003ctd style=\"height: 35.5972px;\"\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003e\u003cspan role=\"presentation\" dir=\"ltr\"\u003e273 GB\/s (256-bit Speicherinterface)\u003c\/span\u003e\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 106.792px;\"\u003e\n\u003ctd style=\"height: 106.792px;\"\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003eGPU\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003ctd style=\"height: 106.792px;\"\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003e\u003cspan role=\"presentation\" dir=\"ltr\"\u003eNVIDIA Blackwell Architecture\u003c\/span\u003e\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003e\u003cspan role=\"presentation\" dir=\"ltr\"\u003e5th Generation Tensor Cores\u003c\/span\u003e\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003e\u003cspan role=\"presentation\" dir=\"ltr\"\u003e4th Generation RT Cores\u003c\/span\u003e\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 35.5972px;\"\u003e\n\u003ctd style=\"height: 35.5972px;\"\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003eCPU\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003ctd style=\"height: 35.5972px;\"\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003e\u003cspan role=\"presentation\" dir=\"ltr\"\u003e20 core ARM: 10 Cortex-X925 \u003c\/span\u003e\u003cspan role=\"presentation\" dir=\"ltr\"\u003e+ 10 Cortex-A725 ARM\u003c\/span\u003e\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 35.5972px;\"\u003e\n\u003ctd style=\"height: 35.5972px;\"\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003eSpeicher\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003ctd style=\"height: 35.5972px;\"\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003e1 x 4 TB NVME.M2 mit self encryption, Enterprise Grade Storage\u003cbr\u003e\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 55.1944px;\"\u003e\n\u003ctd style=\"height: 55.1944px;\"\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003eWLAN \u0026amp; Bluetooth\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003ctd style=\"height: 55.1944px;\"\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003eWi-Fi 7 + Bluetooth® 5.3 mit Bluetooth LE\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 71.1944px;\"\u003e\n\u003ctd style=\"height: 71.1944px;\"\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003eNetzwerk\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003ctd style=\"height: 71.1944px;\"\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003e1 x 10 GBit LAN RJ45\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003e1 x ConnectX CX-7 Smart NIC (200 Gbps, 2 x QSFP)\u003cbr\u003e\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 110.389px;\"\u003e\n\u003ctd style=\"height: 110.389px;\"\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003eUSB Ports\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003ctd style=\"height: 110.389px;\"\u003e\n\u003cp dir=\"ltr\"\u003e \u003c\/p\u003e\n4x USB Type C, ein Port davon für Stromversorgung vorgesehen\u003cbr\u003e\n\u003cp dir=\"ltr\"\u003e \u003c\/p\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 106.792px;\"\u003e\n\u003ctd style=\"height: 106.792px;\"\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003eWeitere Ports \u0026amp; Features\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003ctd style=\"height: 106.792px;\"\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003e1 x HDMI 2.1a, mit HDMI multichannel Audio Ausgang\u003cbr\u003e(unterstützt bis zu 8K Display mit 120 Hz und HDR)\u003cbr\u003e1 x NVENC, 1 x NVDEC\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003e1 x Power button\u003c\/span\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 35.5972px;\"\u003e\n\u003ctd style=\"height: 35.5972px;\"\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003eBetriebssystem\u003c\/span\u003e\u003cbr\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003ctd style=\"height: 35.5972px;\"\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003eNVIDIA DGX™ OS (Ubuntu Linux)\u003c\/span\u003e\u003cbr\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 35.5972px;\"\u003e\n\u003ctd style=\"height: 35.5972px;\"\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003eAbmessungen\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003ctd style=\"height: 35.5972px;\"\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e\u003cspan class=\"fontstyle0\"\u003e150 mm L x 150 mm W x 50.5 mm H\u003c\/span\u003e\u003cbr\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr style=\"height: 35.5972px;\"\u003e\n\u003ctd style=\"height: 35.5972px;\"\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003eGewicht\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003ctd style=\"height: 35.5972px;\"\u003e\n\u003cp dir=\"ltr\"\u003e\u003cspan\u003e1,2 kg\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003c\/tbody\u003e\n\u003c\/table\u003e\n\u003c\/div\u003e\n\u003ch2 dir=\"ltr\"\u003e\u003cspan\u003eLieferumfang\u003c\/span\u003e\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli dir=\"ltr\" aria-level=\"1\"\u003e\n\u003cp dir=\"ltr\" role=\"presentation\"\u003e\u003cspan\u003e\u003cstrong\u003e1\u003c\/strong\u003e × NVIDIA DGX Spark mit 4 TB enterprise grade SSD\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli dir=\"ltr\" aria-level=\"1\"\u003e\n\u003cp dir=\"ltr\" role=\"presentation\"\u003e\u003cspan\u003e\u003c\/span\u003eNetzteil\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli dir=\"ltr\" aria-level=\"1\"\u003e\n\u003cp dir=\"ltr\" role=\"presentation\"\u003eNetzkabel (EU) \u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli dir=\"ltr\" aria-level=\"1\"\u003e\u003cspan\u003eHinweis: QSFP Kabel für die ConnectX CX-7 Netzwerkschnittstelle, zum Verbinden von zwei NVIDIA DGX Spark Systemen, ist nicht im Lieferumfang enthalten - es ist separat erhältlich. Passende Kabel sind:\u003c\/span\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cul\u003e\n\u003cli style=\"list-style-type: none;\"\u003e\n\u003cul class=\"productTools-features gray-bullets\"\u003e\n\u003cli class=\"\"\u003e\u003cspan aria-expanded=\"true\"\u003eDGX Spark Connect Cable: NJAAK-N911\u003c\/span\u003e\u003c\/li\u003e\n\u003cli class=\"\"\u003e\u003cspan aria-expanded=\"false\"\u003eDGX Spark Connect Cable: NJAAK-0006\u003c\/span\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cdiv style=\"text-align: start;\"\u003e\u003cimg src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/NVIDIA-DGX-SPARK-DOUBLE-Back_240x240.png?v=1762974315\" alt=\"\" style=\"margin-bottom: 16px; float: none; display: block; margin-left: auto; margin-right: auto;\"\u003e\u003c\/div\u003e\n\u003cp\u003e\u003cspan\u003e\u003cstrong\u003eHinweis\u003c\/strong\u003e: bei Bestellung von \u003cstrong\u003ezwei \u003c\/strong\u003eNVIDIA DGX Spark 4 TB fügen wir im Aktionszeitraum ein kostenfreies QSFP Kabel bei.\u003c\/span\u003e\u003c\/p\u003e\n\u003ch2 dir=\"ltr\"\u003eEinsatzbereiche\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli dir=\"ltr\" aria-level=\"1\"\u003e\n\u003cp dir=\"ltr\" role=\"presentation\"\u003e\u003cspan\u003eIndustrie \u0026amp; Forschung\u003c\/span\u003e\u003cspan\u003e: Entwicklung und Finetuning von AI LLM-Modellen mit bis zu 200B Parametern (bzw. 405B bei Einsatz von zwei NVIDIA DGX Sparks)\u003c\/span\u003e\u003cspan\u003e\u003cbr\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli dir=\"ltr\" aria-level=\"1\"\u003e\n\u003cp dir=\"ltr\" role=\"presentation\"\u003eUniversitäten \u0026amp; Hochschulen: Experimente und Hands-On-Erfahrung für Studenten an großen LLM Modellen \u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli dir=\"ltr\" aria-level=\"1\"\u003e\n\u003cp dir=\"ltr\" role=\"presentation\"\u003eBüros, Geschäftliches Umfeld: Ausführen von Agentic AI, insbesondere für Datenschutz - bspw. für Bearbeiten von Kundenanfragen, offline e-Mailbearbeitung, RAGs mit sensitiven Firmendaten. \u003c\/p\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2 dir=\"ltr\"\u003e\u003cspan\u003eNVIDIA DGX Spark Produktvarianten\u003c\/span\u003e\u003c\/h2\u003e\n\u003cp dir=\"ltr\"\u003eDie NVIDIA DGX Spark Plattform baut im Kern auf NVIDIA Komponenten auf. In jeder Variante ist der Grace Blackwell Superchip GB10, sowie 128 GB RAM mit 273 GB\/s Speicherbandreite verbaut. Die Speicherbandbreite hat dabei den größten Effekt auf Token\/s Durchsatzraten. \u003c\/p\u003e\n\u003cp dir=\"ltr\"\u003eDas Betriebssystem (NVIDIA DGX OS, auf Ubuntu Basis), sowie der NVIDIA AI-Softwarestack ist in jedem Fall der Gleiche.\u003c\/p\u003e\n\u003cp dir=\"ltr\"\u003eVerschiedene Anbieter bauen ein Gehäuse drumherum, und vertreiben das Gerät unter ihrem eigenen Markennamen: \u003c\/p\u003e\n\u003cul\u003e\n\u003cli dir=\"ltr\"\u003eNVIDIA direkt unter \"NVIDIA DGX Spark\" (ehemals Project Digits) \/ DGX Spark Founders Edition\u003c\/li\u003e\n\u003cli dir=\"ltr\"\u003eNVIDIA DGX Spark Founder's Edition\u003c\/li\u003e\n\u003cli dir=\"ltr\"\u003ePNY ist in diesem Fall ein Wiederverkäufer von NVIDIA, d.h. ein PNY DGX Spark ist ein original NVIDIA DGX Spark\u003c\/li\u003e\n\u003cli dir=\"ltr\"\u003e\u003ca href=\"https:\/\/buyzero.de\/products\/asus-ascent-gx10-nvidia-dgx-spark\"\u003eASUS als \"ASUS Ascent GX10\"\u003c\/a\u003e\u003c\/li\u003e\n\u003cli dir=\"ltr\"\u003eHP als \"HP ZGX Nano AI Station G1n\"\u003c\/li\u003e\n\u003cli dir=\"ltr\"\u003eDell als \"Dell Pro Max With GB10\"\u003c\/li\u003e\n\u003cli dir=\"ltr\"\u003eLenovo als \"Lenovo ThinkStation PGX\"\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eAus unserer Sicht sind diese Geräte weitgehend vergleichbar was die AI Leistung betrifft. Wir empfehlen Kunden, die Marke ihrer Wahl zu kaufen, und vor allem auf weitere Faktoren wie Service durch die jeweilige Marke zu achten. \u003c\/p\u003e\n\u003cp\u003eAls ASUS IoT Partner bieten wir in unserem Shop ebenso die \u003ca href=\"https:\/\/buyzero.de\/products\/asus-ascent-gx10-nvidia-dgx-spark\" rel=\"noopener\" target=\"_blank\"\u003eASUS Ascent GX 10 Variante des NVIDIA DGX Spark an\u003c\/a\u003e. ASUS Stärke is besonders optimierte Kühlkonzepte aufzubauen, was sie auch bei dem DGX Spark in Form des \u003ca href=\"https:\/\/buyzero.de\/products\/asus-ascent-gx10-nvidia-dgx-spark\"\u003eASUS Ascent GX 10\u003c\/a\u003e umgesetzt haben. Ein weiterer Vorteil des ASUS Ascent GX10 ist der niedrigere Preis (4 TB Variante des ASUS Ascent GX 10 auf Anfrage, ebenso preisgünstiger).\u003c\/p\u003e\n\u003ch2\u003eSoftware-Stack \/ unterstützte Software\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eNVIDIA DGX OS\u003c\/strong\u003e (Betriebssystem, auf Basis von Ubuntu)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eNVIDIA NIM\u003c\/strong\u003e (Microservices als Bausteine für AI Lösungen)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eNVIDIA AI Blueprints\u003c\/strong\u003e (Beispielanwendungen, bspw. RAG Workflows)\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003e\u003cstrong\u003ePyTorch \u003c\/strong\u003e(Framework für Machine Learning und Deep Neural Networks)\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eTensorFlow \u003c\/strong\u003e(\u003cspan\u003eFramework für Machine Learning und Deep Neural Networks\u003c\/span\u003e)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eNVIDIA Riva\u003c\/strong\u003e (Spracherkennung, Übersetzung und Sprachausgabe)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eNVIDIA Holoscan\u003c\/strong\u003e (Plattform für Sensor-Daten-Verarbeitung)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eNVIDIA Metropolis \u003c\/strong\u003e(Vision-KI Anwendungsplattform)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eNVIDIA Isaac \u003c\/strong\u003e(Plattform für Entwicklung von Robotern, bspw. autonomen Fahrzeugen)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eCUDA \u003c\/strong\u003e(Toolkit zur Beschleunigung und Parallesierung von Berechnungen auf GPUs)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003ecuDNN \u003c\/strong\u003e(Beschleunigung von Deep Neural Networks auf GPUs)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003ecuBLAS \u003c\/strong\u003e(Lineare Algebra Frameworks zur Beschleunigung von KI und High performance computing (HPC) Anwendungen)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eTensorRT \u003c\/strong\u003e(SDK für high-performance deep learning inferencing)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eNCCL \u003c\/strong\u003e(NVIDIA Collective Communications library, zur Verteilung der Rechenleistung über mehrere Nodes hinweg)\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003evLLM + ollama + llama.cpp\u003c\/strong\u003e - Large Language Model Inferencing Frameworks\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003eWeitere Produktbezeichnungen\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cspan class=\"fontstyle0\"\u003eDGXSPARK-FOUNEDIT-EU\u003c\/span\u003e \u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003ePNY Part Number: NVDGXSPARK-PB \u003cspan class=\"fontstyle0\"\u003e\u003c\/span\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cspan class=\"fontstyle0\"\u003ePNY NVIDIA DGX Spark GB10 128GB 1 Petaflop FP4 AI Compute \u003c\/span\u003e\u003cspan class=\"fontstyle0\"\u003e128 Gb memory 4TB enterprise grade storage CX7 networking EU \u003c\/span\u003e\u003cspan class=\"fontstyle0\"\u003ecable\u003c\/span\u003e \u003cspan class=\"fontstyle0\"\u003e\u003c\/span\u003e\n\u003c\/li\u003e\n\u003cli\u003e\u003cspan class=\"fontstyle0\"\u003eNVIDIA DGX Spark Founder's Edition\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan class=\"fontstyle0\"\u003e940-54242-0000\u003cbr\u003e\u003c\/span\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e \u003c\/p\u003e","brand":"NVIDIA","offers":[{"title":"Default Title","offer_id":52681688678667,"sku":"nvidia-dgx-spark","price":6438.99,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/NVIDIA-DGX-SPARK.png?v=1762974223"},{"product_id":"axelera-ai-4gb-quad-core-metis-pcie-accelerator-card-214-tops-mit-active-cooling","title":"Axelera AI 16GB Quad-Core Metis PCIe Accelerator card (856 INT8 TOPS) mit Active-Cooling","description":"\u003ch2 data-end=\"1267\" data-start=\"689\"\u003eAxelera Metis PCIe KI-Beschleuniger für Computer Vision\u003c\/h2\u003e\n\u003cp data-start=\"674\" data-end=\"1258\"\u003eDie \u003cstrong data-start=\"610\" data-end=\"652\"\u003eAxelera Metis PCIe AI Accelerator Card\u003c\/strong\u003e ist ein leistungsstarker \u003cstrong data-start=\"678\" data-end=\"746\"\u003eKI-Beschleuniger für Deep Neural Networks (DNNs) in der Inferenz\u003c\/strong\u003e, speziell für \u003cstrong data-start=\"761\" data-end=\"792\"\u003eComputer-Vision-Anwendungen\u003c\/strong\u003e.\u003c\/p\u003e\n\u003cp data-start=\"674\" data-end=\"1258\"\u003eIm Herzen der Lösung arbeitet die \u003cstrong data-start=\"533\" data-end=\"593\"\u003equad-core Metis AIPU (AI Processing Unit) von Axelera AI\u003c\/strong\u003e, die hohe Rechenleistung bei geringer Leistungsaufnahme kombiniert. Damit eignet sich die PCIe-Karte besonders für industrielle und professionelle Anwendungen mit großen neuronalen Netzen, hohen Framerates oder mehreren parallelen Kamerastreams.\u003c\/p\u003e\n\u003cp data-start=\"851\" data-end=\"865\"\u003eHauptfeatures:\u003c\/p\u003e\n\u003cul data-start=\"867\" data-end=\"1129\"\u003e\n\u003cli data-start=\"867\" data-end=\"931\"\u003e\n\u003cp data-start=\"869\" data-end=\"931\"\u003e\u003cstrong data-start=\"869\" data-end=\"895\"\u003eBis zu 846 TOPS (INT8)\u003c\/strong\u003e bei nur 30–58 W Leistungsaufnahme\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"932\" data-end=\"1008\"\u003e\n\u003cp data-start=\"934\" data-end=\"1008\"\u003eParallele Ausführung \u003cstrong data-start=\"955\" data-end=\"1006\"\u003emehrerer Deep Neural Networks und Kamerastreams\u003c\/strong\u003e\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"1009\" data-end=\"1083\"\u003e\n\u003cp data-start=\"1011\" data-end=\"1083\"\u003e\u003cstrong data-start=\"1011\" data-end=\"1028\"\u003ePCIe Gen3 x16\u003c\/strong\u003e für einfache Integration in \u003cstrong data-start=\"1057\" data-end=\"1081\"\u003eARM- und x86-Systeme\u003c\/strong\u003e\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"1084\" data-end=\"1129\"\u003e\n\u003cp data-start=\"1086\" data-end=\"1129\"\u003e\u003cstrong data-start=\"1086\" data-end=\"1112\"\u003eSingle-Slot-Formfaktor\u003c\/strong\u003e, aktiv gekühlt\u003c\/p\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eTechnische Daten\u003c\/h3\u003e\n\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eMerkmal\u003c\/th\u003e\n\u003cth\u003eSpezifikation\u003c\/th\u003e\n\u003c\/tr\u003e\n\u003c\/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd\u003eProdukt\u003c\/td\u003e\n\u003ctd\u003eAxelera AI PCIe AI Accelerator Card\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd\u003eAIPU\u003c\/td\u003e\n\u003ctd\u003eQuad-core Metis AIPU\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd\u003eModellnummer\u003c\/td\u003e\n\u003ctd\u003eAXE-BME20P4AC16A01\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd\u003ePerformance\u003c\/td\u003e\n\u003ctd\u003eBis zu 846 TOPS (INT8)\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd\u003eFormfaktor\u003c\/td\u003e\n\u003ctd\u003ePCIe Single Slot, Full Height, 3\/4 Length\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd\u003eInterface\u003c\/td\u003e\n\u003ctd\u003ePCIe Gen 3.0 x16 \u003cspan\u003e(16 GB\/s bidirektional)\u003c\/span\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd\u003eSpeicher\u003c\/td\u003e\n\u003ctd\u003e16 GB On-Board DRAM\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd\u003eTypische Leistungsaufnahme\u003c\/td\u003e\n\u003ctd\u003eca. 30 – 58 W\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd\u003eBetriebstemperatur\u003c\/td\u003e\n\u003ctd\u003e0 bis +60 °C\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd\u003eKühlung\u003c\/td\u003e\n\u003ctd\u003eAktive Luftkühlung\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd\u003eSicherheitsfeatures\u003c\/td\u003e\n\u003ctd\u003eSecure Boot, Root of Trust\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd\u003eBetriebssysteme\u003c\/td\u003e\n\u003ctd\u003eLinux, Windows\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd\u003eCPU-Architekturen\u003c\/td\u003e\n\u003ctd\u003eARM, x86\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003c\/tbody\u003e\n\u003c\/table\u003e\n\u003ch3 data-start=\"1299\" data-end=\"1339\"\u003eSoftwareunterstützung \u0026amp; Modellzoo\u003c\/h3\u003e\n\u003cul data-start=\"1341\" data-end=\"1860\"\u003e\n\u003cli data-start=\"1341\" data-end=\"1390\"\u003e\n\u003cp data-start=\"1343\" data-end=\"1390\"\u003e\u003cstrong data-start=\"1343\" data-end=\"1351\"\u003eSDK:\u003c\/strong\u003e Voyager SDK für einfache Integration\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"1391\" data-end=\"1447\"\u003e\n\u003cp data-start=\"1393\" data-end=\"1447\"\u003e\u003cstrong data-start=\"1393\" data-end=\"1408\"\u003eFrameworks:\u003c\/strong\u003e PyTorch, ONNX, TensorFlow (via ONNX)\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"1448\" data-end=\"1670\"\u003e\n\u003cp data-start=\"1450\" data-end=\"1466\"\u003e\u003cstrong data-start=\"1450\" data-end=\"1464\"\u003eModellzoo:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul data-start=\"1469\" data-end=\"1670\"\u003e\n\u003cli data-start=\"1469\" data-end=\"1519\"\u003e\n\u003cp data-start=\"1471\" data-end=\"1519\"\u003e\u003cstrong data-start=\"1471\" data-end=\"1494\"\u003eBildklassifikation:\u003c\/strong\u003e ResNet-50, MobileNetv2\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"1522\" data-end=\"1577\"\u003e\n\u003cp data-start=\"1524\" data-end=\"1577\"\u003e\u003cstrong data-start=\"1524\" data-end=\"1544\"\u003eObjekterkennung:\u003c\/strong\u003e MobileNetv2-SSD, YOLOv5–YOLOv9\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"1580\" data-end=\"1631\"\u003e\n\u003cp data-start=\"1582\" data-end=\"1631\"\u003e\u003cstrong data-start=\"1582\" data-end=\"1600\"\u003eSegmentierung:\u003c\/strong\u003e DeepLabv3, YOLOv8-seg, U-Net\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"1634\" data-end=\"1670\"\u003e\n\u003cp data-start=\"1636\" data-end=\"1670\"\u003e\u003cstrong data-start=\"1636\" data-end=\"1656\"\u003ePose Estimation:\u003c\/strong\u003e YOLOv8-pose\u003c\/p\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"1671\" data-end=\"1755\"\u003e\n\u003cp data-start=\"1673\" data-end=\"1755\"\u003e\u003cstrong data-start=\"1673\" data-end=\"1697\"\u003eCompiler-Funktionen:\u003c\/strong\u003e automatische Quantisierung (INT8) und Graph-Optimierung\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"1756\" data-end=\"1860\"\u003e\n\u003cp data-start=\"1758\" data-end=\"1860\"\u003e\u003cstrong data-start=\"1758\" data-end=\"1771\"\u003eVorteile:\u003c\/strong\u003e hohe Leistungseffizienz, besonders für \u003cstrong data-start=\"1811\" data-end=\"1830\"\u003eComputer Vision\u003c\/strong\u003e, parallele Modellausführung\u003c\/p\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eDer Compiler unterstützt Pytorch und ONNX Modelle. Quantisierung (Quantization) und Graph-Optimierung (Graph optimization) werden dabei automatisch durchgeführt, um optimale Performance und Genauigkeit zu erzielen.\u003c\/p\u003e\n\u003cp\u003e\u003cimg\u003e\u003cimg alt=\"\" src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/voyager-sdk-parts.jpg?v=1737893893\" width=\"539\" height=\"253\"\u003e\u003c\/p\u003e\n\u003ch3 data-start=\"2497\" data-end=\"2519\"\u003eEinsatzbereiche\u003c\/h3\u003e\n\u003cul data-start=\"2521\" data-end=\"2797\"\u003e\n\u003cli data-start=\"2521\" data-end=\"2556\"\u003e\n\u003cp data-start=\"2523\" data-end=\"2556\"\u003eIndustrie 4.0 \/ Automatisierung\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"2557\" data-end=\"2597\"\u003e\n\u003cp data-start=\"2559\" data-end=\"2597\"\u003eSicherheits- und Überwachungssysteme\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"2598\" data-end=\"2628\"\u003e\n\u003cp data-start=\"2600\" data-end=\"2628\"\u003eRobotik \u0026amp; autonome Systeme\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"2629\" data-end=\"2656\"\u003e\n\u003cp data-start=\"2631\" data-end=\"2656\"\u003eLogistik \u0026amp; Supply Chain\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"2657\" data-end=\"2682\"\u003e\n\u003cp data-start=\"2659\" data-end=\"2682\"\u003eRetail \u0026amp; Smart Stores\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"2683\" data-end=\"2722\"\u003e\n\u003cp data-start=\"2685\" data-end=\"2722\"\u003eMedizinische Bildanalyse (Inferenz)\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"2723\" data-end=\"2764\"\u003e\n\u003cp data-start=\"2725\" data-end=\"2764\"\u003eVersorgungsbetriebe (Energie, Wasser)\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"2765\" data-end=\"2797\"\u003e\n\u003cp data-start=\"2767\" data-end=\"2797\"\u003eAgrartechnik \/ Smart Farming\u003c\/p\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3 data-end=\"2414\" data-start=\"2395\"\u003eLieferumfang\u003c\/h3\u003e\n\u003cul data-end=\"2490\" data-start=\"2416\"\u003e\n\u003cli data-end=\"2458\" data-start=\"2416\"\u003e\n\u003cp data-end=\"2458\" data-start=\"2418\"\u003eAxelera Metis PCIe AI Accelerator Card\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-end=\"2490\" data-start=\"2459\"\u003e\n\u003cp data-end=\"2490\" data-start=\"2461\"\u003eVormontierte aktive Kühlung\u003c\/p\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eBeratung durch buyzero\u003c\/h3\u003e\n\u003cp\u003eWir beraten Sie ob Ihr Modell auf dem Axelera AI Metis Chip lauffähig ist, und ob Sie Ihr Projekt mit Hilfe von Axelera AI umsetzen können. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eKontaktieren Sie uns dazu bitte.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch3\u003eMisc\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eAxelera SKUs \/ alternative Bezeichnungen: \n\u003cul\u003e\n\u003cli\u003e\u003cspan\u003eAXE-BME20P1AA04A01\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003ePCIe AI accelerator card. Powered by quad-core Metis AIPU\u003cbr\u003e\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eMetis Omega PCIe Board\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eAD-PEG-AM1A (A96BD002***)\u003c\/span\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/li\u003e\n\u003cli\u003eHS Code: 85176200\u003c\/li\u003e\n\u003cli\u003eCountry of origin: Taiwan\u003c\/li\u003e\n\u003cli\u003e\n\u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eauf dieser Seite bestellen Sie ein Stück, wenden Sie sich bei Großbedarf gerne an uns\u003c\/a\u003e\u003cbr\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e \u003c\/p\u003e","brand":"Axelera AI","offers":[{"title":"Default Title","offer_id":52808380743947,"sku":"AXE-BME20P4AC16A01","price":1460.99,"currency_code":"EUR","in_stock":false}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/Axelera-AI-Metis-PCIex4-Fan-Front_1_f4fb4de1-cae7-4e92-b809-3c8684a2560b.webp?v=1767712742"},{"product_id":"raspberry-pi-ai-hat-2-hailo-10h-ki-beschleuniger-8-gb-ram","title":"Raspberry Pi AI HAT+ 2 – Hailo‑10H KI-Beschleuniger 8 GB RAM","description":"\u003ch1\u003eAI HAT+ 2 für Raspberry Pi 5 – 40 TOPS KI-Leistung \u0026amp; 8 GB RAM\u003c\/h1\u003e\n\u003cp\u003eDer \u003cstrong data-start=\"167\" data-end=\"193\"\u003eRaspberry Pi AI HAT+ 2\u003c\/strong\u003e ist das neueste KI-Add-On für den Raspberry Pi 5, das künstliche Intelligenz direkt am Edge ermöglicht – ohne Cloud-Abhängigkeit. Er erweitert den Raspberry Pi 5 um einen \u003cstrong data-start=\"365\" data-end=\"407\"\u003eHailo-10H AI-Beschleuniger mit 40 TOPS\u003c\/strong\u003e und \u003cstrong data-start=\"412\" data-end=\"444\"\u003e8 GB dediziertem LPDDR4X-RAM\u003c\/strong\u003e, sodass Large Language Models (LLMs), Vision-Language Models (VLMs) und generative KI-Workloads direkt und mit geringerer Latenz verarbeitet werden können. Damit lassen sich lokale KI-Anwendungen wie Sprach- und Bilderkennung, Übersetzungen, visuelle Szenenanalyse und vieles mehr realisieren, ohne die Haupt-CPU des Raspberry Pi zu belasten.\u003c\/p\u003e\n\u003cp\u003eDurch die \u003cstrong data-start=\"837\" data-end=\"859\"\u003ePCIe-Schnittstelle\u003c\/strong\u003e wird die Anbindung an den Raspberry Pi 5 sichergestellt, die automatische Erkennung unter Raspberry Pi OS ist integriert und die Plattform lässt sich nahtlos in bestehende Kamera- und Vision-Frameworks einbinden. Die dedizierte RAM-Erweiterung hebt den AI HAT+ 2 deutlich vom Vorgängermodell ab, das ausschließlich auf die System-RAM des Raspberry Pi zugreift und geringere Modellgrößen unterstützt.\u003c\/p\u003e\n\u003ch3 data-start=\"1299\" data-end=\"1331\"\u003eProduktvorteile im Überblick\u003c\/h3\u003e\n\u003cul data-start=\"1332\" data-end=\"1806\"\u003e\n\u003cli data-start=\"1332\" data-end=\"1476\"\u003e\n\u003cp data-start=\"1334\" data-end=\"1476\"\u003e\u003cstrong data-start=\"1334\" data-end=\"1379\"\u003eGenerative KI-Fähigkeiten direkt vor Ort:\u003c\/strong\u003e LLMs und VLMs lokal ausführen, ohne Internet oder Cloud.\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"1477\" data-end=\"1586\"\u003e\n\u003cp data-start=\"1479\" data-end=\"1586\"\u003e\u003cstrong data-start=\"1479\" data-end=\"1501\"\u003e8 GB on-board RAM:\u003c\/strong\u003e Für größere Modelle und stabile Performance. \u003cspan class=\"\" data-state=\"closed\"\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"1587\" data-end=\"1702\"\u003e\n\u003cp data-start=\"1589\" data-end=\"1702\"\u003e\u003cstrong data-start=\"1589\" data-end=\"1613\"\u003e40 TOPS KI-Leistung:\u003c\/strong\u003e Beschleunigt komplexe neuronale Netze effizient. \u003cspan class=\"\" data-state=\"closed\"\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"1703\" data-end=\"1806\"\u003e\n\u003cp data-start=\"1705\" data-end=\"1806\"\u003e\u003cstrong data-start=\"1705\" data-end=\"1726\"\u003ePCIe-Integration:\u003c\/strong\u003e Nahtlose Verbindung mit Raspberry Pi 5.\u003c\/p\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2 data-start=\"1813\" data-end=\"1867\"\u003eProduktvarianten – Unterschiede zum AI HAT+\u003c\/h2\u003e\n\u003cp data-start=\"1869\" data-end=\"2154\"\u003eBeim AI HAT+ 2 handelt es sich um die Weiterentwicklung des ursprünglichen \u003ca rel=\"noopener\" href=\"https:\/\/buyzero.de\/products\/raspberry-pi-ai-hat-13-26-tops\" target=\"_blank\"\u003e\u003cstrong data-start=\"1944\" data-end=\"1968\"\u003eRaspberry Pi AI HAT+\u003c\/strong\u003e\u003c\/a\u003e, der in Varianten mit \u003cstrong data-start=\"1991\" data-end=\"2028\"\u003e13 TOPS oder 26 TOPS NPU-Leistung\u003c\/strong\u003e erhältlich ist und \u003cstrong data-start=\"2048\" data-end=\"2070\"\u003ekeinen eigenen RAM\u003c\/strong\u003e besitzt, sondern den System-RAM des Pi nutzt.\u003c\/p\u003e\n\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eMerkmal\u003c\/th\u003e\n\u003cth\u003e\u003ca href=\"https:\/\/buyzero.de\/products\/raspberry-pi-ai-hat-13-26-tops\" rel=\"noopener\" target=\"_blank\"\u003e\u003cstrong\u003eAI HAT+\u003c\/strong\u003e\u003c\/a\u003e\u003c\/th\u003e\n\u003cth\u003e\u003cstrong\u003eAI HAT+ 2\u003c\/strong\u003e\u003c\/th\u003e\n\u003c\/tr\u003e\n\u003c\/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd\u003eNPU-Chip\u003c\/td\u003e\n\u003ctd\u003eHailo-8 \/ Hailo-8L\u003c\/td\u003e\n\u003ctd\u003eHailo-10H\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd\u003eAI-Leistung\u003c\/td\u003e\n\u003ctd\u003e13 \/ 26 TOPS\u003c\/td\u003e\n\u003ctd\u003e\u003cstrong\u003e40 TOPS\u003c\/strong\u003e\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd\u003eDedizierter RAM\u003c\/td\u003e\n\u003ctd\u003e❌\u003c\/td\u003e\n\u003ctd\u003e\u003cstrong\u003e✔ 8 GB LPDDR4X\u003c\/strong\u003e\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd\u003eModell-Support\u003c\/td\u003e\n\u003ctd\u003ehauptsächlich Vision\u003c\/td\u003e\n\u003ctd\u003eVision + LLM\/VLM\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr\u003e\n\u003ctd\u003eSchwerpunkt\u003c\/td\u003e\n\u003ctd\u003eBild-KI\u003c\/td\u003e\n\u003ctd\u003eGenerative \u0026amp; multimodale KI\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003c\/tbody\u003e\n\u003c\/table\u003e\n\u003cp\u003eDiese Unterschiede machen den AI HAT+ 2 besonders interessant für KI-Workloads, die \u003cstrong data-start=\"2588\" data-end=\"2636\"\u003egrößere Modelle und multimodale Verarbeitung\u003c\/strong\u003e erfordern und nicht nur Bildanalyse.\u003c\/p\u003e\n\u003ch2 data-start=\"2718\" data-end=\"2746\"\u003eTechnische Daten\u003c\/h2\u003e\n\u003cdiv class=\"TyagGW_tableContainer\"\u003e\n\u003cdiv class=\"group TyagGW_tableWrapper flex flex-col-reverse w-fit\" tabindex=\"-1\"\u003e\n\u003ctable data-start=\"2748\" data-end=\"3210\" class=\"w-fit min-w-(--thread-content-width)\"\u003e\n\u003cthead data-start=\"2748\" data-end=\"2772\"\u003e\n\u003ctr data-start=\"2748\" data-end=\"2772\"\u003e\n\u003cth data-start=\"2748\" data-end=\"2764\" data-col-size=\"sm\"\u003eSpezifikation\u003c\/th\u003e\n\u003cth data-start=\"2764\" data-end=\"2772\" data-col-size=\"md\"\u003eWert\u003c\/th\u003e\n\u003c\/tr\u003e\n\u003c\/thead\u003e\n\u003ctbody data-start=\"2783\" data-end=\"3210\"\u003e\n\u003ctr data-start=\"2783\" data-end=\"2815\"\u003e\n\u003ctd data-start=\"2783\" data-end=\"2802\" data-col-size=\"sm\"\u003eAI-Beschleuniger\u003c\/td\u003e\n\u003ctd data-start=\"2802\" data-end=\"2815\" data-col-size=\"md\"\u003eHailo-10H\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr data-start=\"2816\" data-end=\"2864\"\u003e\n\u003ctd data-start=\"2816\" data-end=\"2835\" data-col-size=\"sm\"\u003eInferenzleistung\u003c\/td\u003e\n\u003ctd data-start=\"2835\" data-end=\"2864\" data-col-size=\"md\"\u003ebis zu \u003cstrong data-start=\"2844\" data-end=\"2862\"\u003e40 TOPS (INT4)\u003c\/strong\u003e\n\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr data-start=\"2865\" data-end=\"2911\"\u003e\n\u003ctd data-start=\"2865\" data-end=\"2880\" data-col-size=\"sm\"\u003eOn-board RAM\u003c\/td\u003e\n\u003ctd data-col-size=\"md\" data-start=\"2880\" data-end=\"2911\"\u003e\u003cstrong data-start=\"2882\" data-end=\"2909\"\u003e8 GB LPDDR4X-4267 SDRAM\u003c\/strong\u003e\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr data-start=\"2912\" data-end=\"2960\"\u003e\n\u003ctd data-start=\"2912\" data-end=\"2924\" data-col-size=\"sm\"\u003eAnschluss\u003c\/td\u003e\n\u003ctd data-start=\"2924\" data-end=\"2960\" data-col-size=\"md\"\u003ePCI Express (nur Raspberry Pi 5)\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr data-start=\"2961\" data-end=\"2996\"\u003e\n\u003ctd data-start=\"2961\" data-end=\"2978\" data-col-size=\"sm\"\u003eKompatibilität\u003c\/td\u003e\n\u003ctd data-col-size=\"md\" data-start=\"2978\" data-end=\"2996\"\u003eRaspberry Pi 5\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr data-start=\"2997\" data-end=\"3056\"\u003e\n\u003ctd data-start=\"2997\" data-end=\"3011\" data-col-size=\"sm\"\u003eIntegration\u003c\/td\u003e\n\u003ctd data-col-size=\"md\" data-start=\"3011\" data-end=\"3056\"\u003eAutomatische Erkennung in Raspberry Pi OS\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr data-start=\"3057\" data-end=\"3093\"\u003e\n\u003ctd data-start=\"3057\" data-end=\"3077\" data-col-size=\"sm\"\u003eTemperaturbereich\u003c\/td\u003e\n\u003ctd data-start=\"3077\" data-end=\"3093\" data-col-size=\"md\"\u003e0 °C – 50 °C\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr data-start=\"3094\" data-end=\"3134\"\u003e\n\u003ctd data-start=\"3094\" data-end=\"3117\" data-col-size=\"sm\"\u003eProduktspezifikation\u003c\/td\u003e\n\u003ctd data-col-size=\"md\" data-start=\"3117\" data-end=\"3134\"\u003eHAT+ Standard\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003ctr data-start=\"3135\" data-end=\"3210\"\u003e\n\u003ctd data-start=\"3135\" data-end=\"3154\" data-col-size=\"sm\"\u003eProduktionsdauer\u003c\/td\u003e\n\u003ctd data-col-size=\"md\" data-start=\"3154\" data-end=\"3171\"\u003ebis mind. 2036\u003c\/td\u003e\n\u003c\/tr\u003e\n\u003c\/tbody\u003e\n\u003c\/table\u003e\n\u003ch2 data-start=\"3217\" data-end=\"3241\"\u003eLieferumfang\u003c\/h2\u003e\n\u003cp data-start=\"3243\" data-end=\"3276\"\u003eIm Lieferumfang enthalten sind:\u003c\/p\u003e\n\u003cul data-start=\"3277\" data-end=\"3561\"\u003e\n\u003cli data-start=\"3277\" data-end=\"3309\"\u003e\n\u003cp data-start=\"3279\" data-end=\"3309\"\u003eRaspberry Pi AI HAT+ 2 Board\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"3310\" data-end=\"3348\"\u003e\n\u003cp data-start=\"3312\" data-end=\"3348\"\u003eOptionaler Heatsink (wärmeleitend)\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"3349\" data-end=\"3374\"\u003e\n\u003cp data-start=\"3351\" data-end=\"3374\"\u003e16 mm Stacking Header\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"3375\" data-end=\"3561\"\u003e\n\u003cp data-start=\"3377\" data-end=\"3561\"\u003eAbstandshalter \u0026amp; Schrauben zur Montage auf Raspberry Pi 5\u003c\/p\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2 data-start=\"3568\" data-end=\"3595\"\u003eEinsatzbereiche\u003c\/h2\u003e\n\u003cp data-start=\"3597\" data-end=\"3689\"\u003eDer AI HAT+ 2 eignet sich ideal für industrielle und professionelle KI-Anwendungen, z. B.:\u003c\/p\u003e\n\u003cul data-start=\"3690\" data-end=\"4185\"\u003e\n\u003cli data-start=\"3690\" data-end=\"3811\"\u003e\n\u003cp data-start=\"3692\" data-end=\"3811\"\u003e\u003cstrong data-start=\"3692\" data-end=\"3725\"\u003eEdge-KI im Produktionsumfeld:\u003c\/strong\u003e lokale Bild- und Sprach-Analyse ohne Cloud. \u003cspan class=\"\" data-state=\"closed\"\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"3812\" data-end=\"3938\"\u003e\n\u003cp data-start=\"3814\" data-end=\"3938\"\u003e\u003cstrong data-start=\"3814\" data-end=\"3847\"\u003eAutonome Überwachungssysteme:\u003c\/strong\u003e Echtzeit-Objekterkennung und Anomalie-Erkennung. \u003cspan class=\"\" data-state=\"closed\"\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"3939\" data-end=\"4066\"\u003e\n\u003cp data-start=\"3941\" data-end=\"4066\"\u003e\u003cstrong data-start=\"3941\" data-end=\"3971\"\u003eRobotik \u0026amp; Automatisierung:\u003c\/strong\u003e KI-Unterstützte Steuerung und intelligente Reaktion. \u003cspan class=\"\" data-state=\"closed\"\u003e\u003c\/span\u003e\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli data-start=\"4067\" data-end=\"4185\"\u003e\n\u003cp data-start=\"4069\" data-end=\"4185\"\u003e\u003cstrong data-start=\"4069\" data-end=\"4098\"\u003eSichere Prozesskontrolle:\u003c\/strong\u003e Datenschutz durch lokale Modellbereitstellung.\u003c\/p\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/div\u003e\n\u003c\/div\u003e","brand":"Raspberry Pi","offers":[{"title":"Default Title","offer_id":52834156413195,"sku":"RP-SC2166-AI-HAT+2","price":198.9,"currency_code":"EUR","in_stock":false}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/AIHAT_2Top.png?v=1768916252"},{"product_id":"supermicro-super-ai-station-ars-511gd-nb-lcc-nvidia-dgx-station-gb300","title":"Supermicro Super AI Station ARS-511GD-NB-LCC (NVIDIA DGX Station GB300)","description":"\u003ch2\u003eProduct features \u003c\/h2\u003e\n\u003cp\u003e\u003cstrong\u003eCPU \u0026amp; GPU\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eProcessor: 1x NVIDIA Grace 72-core Neoverse V2 CPU (ARM-based)\u003c\/li\u003e\n\u003cli\u003eGPU: 1x NVIDIA Blackwell Ultra GPU\u003c\/li\u003e\n\u003cli\u003eMIG: Multi-instance GPU for up to 7 MIGs\u003c\/li\u003e\n\u003cli\u003eoptional: 1x dedicated NVIDIA Blackwell GPU for graphics rendering, e.g. RTX Pro 2000 Blackwell\u003cmeta charset=\"utf-8\"\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eRAM\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003etotal coherent memory: 748GB, linked via NVLink\u003cmeta charset=\"utf-8\"\u003e \u003cspan\u003e®\u003c\/span\u003e-C2C, at 900 GB\/s interconnect bandwidth\u003c\/li\u003e\n\u003cli\u003eCPU memory: 496GB ECC LPDDR5X, 396 GB\/s memory bandwidth\u003c\/li\u003e\n\u003cli\u003eGPU memory: 252GB ECC HBM3e, 7.1 TB\/s memory bandwidth\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eNetworking\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eDual-port QSFP112 400GbE LAN via NVIDIA ConnectX-8 SuperNIC (= 800 Gbit\/s bandwidth total)\u003c\/li\u003e\n\u003cli\u003e1x RJ45 1GbE Dedicated BMC LAN port\u003c\/li\u003e\n\u003cli\u003e1x RJ45 10GbE LAN port\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eStorage\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e4x M.2 PCIe 5.0 x4 NVMe (M-key 2280)\u003c\/li\u003e\n\u003cli\u003epopulated with 3x 2TB Phison SSDs - configurable\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003ePCIe Slots\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e1x PCIe Gen 5 x16 FHFL double-width\u003c\/li\u003e\n\u003cli\u003e2x PCIe Gen 5 x8 (in x16) FHHL \u003c\/li\u003e\n\u003cli\u003e1x M.2 PCIe 5.0 x4 slot (E-Key 2230))\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eFront IO Ports and Connectors\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e2x USB 3.1 Type A\u003c\/li\u003e\n\u003cli\u003epower on\/off button\u003c\/li\u003e\n\u003cli\u003ereset button\u003c\/li\u003e\n\u003cli\u003eHDD activity LED\u003c\/li\u003e\n\u003cli\u003ePower status LED\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eRear IO Ports and Connectors\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e4x USB 3.1 Gen2 Type A (10 Gbit\/s)\u003c\/li\u003e\n\u003cli\u003e1x mini-DP (video port)\u003c\/li\u003e\n\u003cli\u003eaudio ports (3 audio jacks)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eOS \u0026amp; security\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003esecurity hardware: Silicon Root of Trust (RoT) – NIST 800-193 Compliant\u003c\/li\u003e\n\u003cli\u003eBIOS type: AMI 64MB SPI Flash EEPROM\u003cmeta charset=\"utf-8\"\u003e\n\u003c\/li\u003e\n\u003cli\u003eOS: Ubuntu 24.04 LTS with NVIDIA AI Developer Tools\u003c\/li\u003e\n\u003cli\u003epre-installed with essential CUDA-X™ libraries\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eIT manageability and enterprise features\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eout-of-band telemetry via BMC\u003c\/li\u003e\n\u003cli\u003eRedfish API support\u003c\/li\u003e\n\u003cli\u003eNVIDIA Data Center GPU Manager\u003c\/li\u003e\n\u003cli\u003evisibility, monitoring, remote management capabilities\u003c\/li\u003e\n\u003cli\u003ehardware root of trust\u003c\/li\u003e\n\u003cli\u003eenterprise secure boot\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eDimensions, weight, form factor\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eForm factor: 5U rack-mountable desktop tower\u003c\/li\u003e\n\u003cli\u003eheight: 8.6\" (218.4 mm)\u003c\/li\u003e\n\u003cli\u003ewidth: 17.9\" (454.7 mm)\u003c\/li\u003e\n\u003cli\u003edepth: 27.6\" (701 mm)\u003c\/li\u003e\n\u003cli\u003epackage: 25.8\" (H) x 15.3\" (W) x 37.6\" (D)\u003c\/li\u003e\n\u003cli\u003egross weight: 112.4 lbs (51 kg)\u003c\/li\u003e\n\u003cli\u003enet weight: 88 lbs (40 kg)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eSystem cooling\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003ecooling system: closed-loop liquid cooling (suitable for office use)\u003c\/li\u003e\n\u003cli\u003eliquid cooling: Direct to Chip (D2C) Cold Plate\u003c\/li\u003e\n\u003cli\u003e2 x 120mm Fans\u003c\/li\u003e\n\u003cli\u003e1x 80mm Fan\u003c\/li\u003e\n\u003cli\u003e1x 60mm Fan\u003c\/li\u003e\n\u003cli\u003e1x 40mm Fan \u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003ePower supply\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003epower supply: 1x 1600W Titanium Level (94%) power supply, 100 - 240V\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003epower input @ 1300W: 100-114Vac \/ 50-60Hz\u003c\/li\u003e\n\u003cli\u003epower input @ 1600W: 115-240Vac \/ 50-60Hz\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eMisc\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003ecolor: black front + black body\u003c\/li\u003e\n\u003cli\u003eoperating temperature: 10°C to 25°C (50°F to 77°F)\u003c\/li\u003e\n\u003cli\u003estorage temperature: -40°C to 60°C (-40°F to 140°F)\u003c\/li\u003e\n\u003cli\u003eoperating relative humidity: 8% to 90% (non-condensing)\u003c\/li\u003e\n\u003cli\u003estorage relative humidity: 5% to 95% (non-condensing)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003eAI performance\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003eFP4 Tensor core: 20 PFLOPS \/ 15 PFLOPS without sparsity\u003c\/li\u003e\n\u003cli\u003eFP8 \/ FP6 Tensor core: 10 PFLOPS\u003c\/li\u003e\n\u003cli\u003eInt8 Tensor Core: 330 TOPS\u003c\/li\u003e\n\u003cli\u003eFP16\/BF16 Tensor Core: 5 PFLOPS\u003c\/li\u003e\n\u003cli\u003eTF32 Tensor Core: 2.5 PFLOPS\u003c\/li\u003e\n\u003cli\u003eFP32: 80 TFLOPS\u003c\/li\u003e\n\u003cli\u003eFP64 \/ FP64 Tensor Core: 1.3 TFLOPS\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cbr\u003e\u003c\/p\u003e\n\u003ch2\u003eProduct description\u003c\/h2\u003e\n\u003cp\u003eThe Supermicro Super AI Station ARS-511GD-NB-LCC is an NVIDIA DGX Station based on the GB300 superchip. It can be used for running local AI applications for development and production purposes. \u003c\/p\u003e\n\u003cp\u003eExample AI applications include LLM inference for frontier models of up to 1 Trillion parameters, scientific workloads (e.g. BioNeMo), finetuning models, hosting AI agents, and running RAGs for AI-enhanced document workflows. In particular it is well-suited to run MoE (mixture of experts) models. \u003c\/p\u003e\n\u003cp\u003eThanks to its MIG feature and its massive memory throughput it can be run headless to support several colleagues in a local workgroup. \u003c\/p\u003e\n\u003cp\u003eCompared to server systems, or heavy multi-GPU systems, it runs cooler and quieter, and is uniquely suited for office use. Its server-grade management features, such as the integrated BMC, the Redfish API support, and enterprise secure boot allow to integrate it into a corporate IT management landscape.\u003c\/p\u003e\n\u003cp\u003eTwo \u003cmeta charset=\"utf-8\"\u003eARS-511GD-NB-LCC DGX Stations can be joined using the Dual-port QSFP112 400GbE LAN to serve even bigger models, increase precision, or general model performance.\u003c\/p\u003e\n\u003cp\u003eSupermicro offers a special feature: You can use their DGX Station version at your desk, or mount it into a rack with the optional Supermicro DGX Station rack mounting kit.\u003c\/p\u003e\n\u003cp\u003eA 48U sample rack configuration could include 8x the Supermicro ARS-511GD-NB-LCC Super AI Station (this product), two storage servers, two Ethernet switches, and would use 18kW of operating power. \u003c\/p\u003e\n\u003cp\u003eA separately obtainable NVIDIA AI Enterprise software license provides a suite of software tools, libraries, and frameworks to fast-track your AI deployment on the Supermicro DGX station. \u003c\/p\u003e\n\u003ch2\u003eDatasheets, manuals and additional downloads\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/Supermicro-datasheet_Supermicro_Super_AI_Station.pdf?v=1785070755\"\u003eSupermicro Super AI Station ARS-511GD-NB-LCC datasheet\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003eLead time \u0026amp; purchase\u003c\/h2\u003e\n\u003cp\u003eThis product is available on pre-order with a current lead time of about 4-6 weeks. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eContact us to purchase it.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch2\u003eAdditional SKUs and codes \u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cmeta charset=\"utf-8\"\u003e \u003cspan\u003eARS-511GD-NB-LCC\u003c\/span\u003e\u003cspan\u003e \u003c\/span\u003e\n\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eARS-511GD-NB-LCC-01-G2 = Gold Series version with pre-configured components\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eChassis model: CSE-759TS-R0CNBP\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eMotherboard: Super GPU-NVGB300-WSHPM\u003c\/span\u003e\u003c\/li\u003e\n\u003c\/ul\u003e","brand":"Supermicro","offers":[{"title":"Default Title","offer_id":53272198185227,"sku":"supermicro-ARS-511GD-NB-LCC","price":106000.0,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/Supermicro-Super-AI-Station-NVIDIA-DGX-Station-GB-300-ARS-511GD-NB-LCC_angle.jpg?v=1785070028"},{"product_id":"gigabyte-w775-v10-l01-nvidia-dgx-station-gb300","title":"Gigabyte W775-V10-L01 Deskside AI Supercomputer (NVIDIA DGX Station GB300)","description":"\u003ch2\u003eProduct features \u003c\/h2\u003e\n\u003cp\u003e\u003cstrong\u003eCPU \u0026amp; GPU\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eProcessor: 1x NVIDIA Grace\u003cmeta charset=\"utf-8\"\u003e \u003cspan\u003e™\u003c\/span\u003e 72-core Neoverse V2 CPU (ARM-based)\u003c\/li\u003e\n\u003cli\u003eGPU: 1x NVIDIA Blackwell Ultra GPU\u003c\/li\u003e\n\u003cli\u003eMIG: Multi-instance GPU for up to 7 MIGs\u003c\/li\u003e\n\u003cli\u003eoptional: 1x dedicated NVIDIA Blackwell GPU for graphics rendering, e.g. RTX Pro 2000 Blackwell\u003cmeta charset=\"utf-8\"\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eRAM\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003etotal coherent memory: 748GB, linked via NVLink\u003cmeta charset=\"utf-8\"\u003e \u003cspan\u003e®\u003c\/span\u003e-C2C, at 900 GB\/s interconnect bandwidth\u003c\/li\u003e\n\u003cli\u003eCPU memory: 496GB ECC LPDDR5X, 396 GB\/s memory bandwidth\u003c\/li\u003e\n\u003cli\u003eGPU memory: 252GB ECC HBM3e, 7.1 TB\/s memory bandwidth\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eNetworking\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eDual-port QSFP112 400GbE LAN via NVIDIA ConnectX-8 SuperNIC (= 800 Gbit\/s bandwidth total)\u003c\/li\u003e\n\u003cli\u003e1x RJ45 1GbE Dedicated BMC LAN port\u003c\/li\u003e\n\u003cli\u003e1x RJ45 10GbE LAN port\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eStorage\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e2x M.2 PCIe 5.0 x4 NVMe (M-key 2280), from CPU, with software RAID 1 support\u003c\/li\u003e\n\u003cli\u003e2x M.2 PCIe 6.0 x4 NVMe (M-key 2280), from ConnectX-8\u003c\/li\u003e\n\u003cli\u003epopulated with 4x 2TB SSDs - configurable\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003ePCIe Slots\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e1x PCIe Gen 5 x16 FHFL double-width, for GPUs\u003c\/li\u003e\n\u003cli\u003e2x PCIe Gen 5 x8 (in x16) FHHL \u003c\/li\u003e\n\u003cli\u003e1x M.2 PCIe 2.0 x1 slot (E-Key 2230)), for WiFi, from ConnectX-8\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eFront IO Ports and Connectors\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e1x USB 3.2 Gen2 port (Type-C) (5V Output)\u003c\/li\u003e\n\u003cli\u003e2x USB 3.2 Gen1 ports (Type-A)\u003c\/li\u003e\n\u003cli\u003e2x Audio jacks (Audio out\/Mic)\u003c\/li\u003e\n\u003cli\u003e1x power button with LED\u003c\/li\u003e\n\u003cli\u003e1x reset button with storage activity LED\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eRear IO Ports and Connectors\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e4x USB 3.2 Gen2 ports (Type-A, 10 Gbit\/s)\u003c\/li\u003e\n\u003cli\u003e1x microUSB port (USB-to-UART)\u003c\/li\u003e\n\u003cli\u003e\n\u003cmeta charset=\"utf-8\"\u003e1x mini-DP (video port, 1920 x 1080 @ 60 Hz)\u003c\/li\u003e\n\u003cli\u003e2x QSFP ports\u003c\/li\u003e\n\u003cli\u003e1x RJ45 port 10 Gbit\/s Ethernet\u003c\/li\u003e\n\u003cli\u003e1x MLAN port 1 Gbit\/s Ethernet\u003c\/li\u003e\n\u003cli\u003e2x Wi-Fi antenna ports\u003c\/li\u003e\n\u003cli\u003e3x Audio jacks (Audio in\/Audio out\/Mic)\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eOS \u0026amp; security\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003esecurity hardware: Silicon Root of Trust (RoT) – NIST 800-193 Compliant\u003c\/li\u003e\n\u003cli\u003eBIOS type: AMI 64MB SPI Flash EEPROM\u003cmeta charset=\"utf-8\"\u003e\n\u003c\/li\u003e\n\u003cli\u003eOS: Ubuntu 24.04 LTS with NVIDIA AI Developer Tools\u003c\/li\u003e\n\u003cli\u003epre-installed with essential CUDA-X™ libraries\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eIT manageability and enterprise features\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eout-of-band telemetry via BMC\u003c\/li\u003e\n\u003cli\u003eRedfish API support\u003c\/li\u003e\n\u003cli\u003eNVIDIA Data Center GPU Manager\u003c\/li\u003e\n\u003cli\u003evisibility, monitoring, remote management capabilities\u003c\/li\u003e\n\u003cli\u003ehardware root of trust\u003c\/li\u003e\n\u003cli\u003eenterprise secure boot\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eDimensions, weight, form factor\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eForm factor: desktop tower\u003c\/li\u003e\n\u003cli\u003eheight: 500.4 mm\u003c\/li\u003e\n\u003cli\u003ewidth: 245 mm\u003c\/li\u003e\n\u003cli\u003edepth: 531 mm\u003c\/li\u003e\n\u003cli\u003epackaging dimensions: 732 x 400 x 775 mm\u003c\/li\u003e\n\u003cli\u003enet weight: 29,2 kg\u003c\/li\u003e\n\u003cli\u003egross weight: 34,4 kg\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eSystem cooling\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003ecooling system: closed-loop liquid cooling (suitable for office use)\u003c\/li\u003e\n\u003cli\u003eliquid cooling: Direct to Chip (D2C) Cold Plate\u003c\/li\u003e\n\u003cli\u003e3x 120x120x25mm System Fans\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003ePower supply\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003epower supply: 1x 1600W ATX 80 PLUS Platinum power supply, 100 - 240V\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003ecompatible with C19 power cord\u003c\/li\u003e\n\u003cli\u003epower input @ 1300W: 100-114Vac 15-8A \/ 47-63Hz\u003c\/li\u003e\n\u003cli\u003epower input @ 1600W: 115-240Vac 15-8A \/ 43-63Hz\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eMisc\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eAudio: Realtek® ALC4080 Audio Codec\u003c\/li\u003e\n\u003cli\u003eoperating temperature: 10°C to 35°C\u003c\/li\u003e\n\u003cli\u003estorage temperature: -40°C to 60°C (-40°F to 140°F)\u003c\/li\u003e\n\u003cli\u003eoperating relative humidity: 8% to 80% (non-condensing)\u003c\/li\u003e\n\u003cli\u003estorage relative humidity: 20% to 95% (non-condensing) \u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eTo ensure system stability and prevent condensation, when the relative humidity exceeds 50%, the coolant inlet temperature must be higher than the dry-bulb temperature and it should not exceed 45°C.\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003epacking content:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e1 x W775-V10-L01 Gigabyte AI Supercomputer (NVIDIA DGX Station GB300)\u003c\/li\u003e\n\u003cli\u003e1x Superchip liquid cooling kit\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003eAI performance\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003eFP4 Tensor core: 20 PFLOPS \/ 15 PFLOPS without sparsity\u003c\/li\u003e\n\u003cli\u003eFP8 \/ FP6 Tensor core: 10 PFLOPS\u003c\/li\u003e\n\u003cli\u003eInt8 Tensor Core: 330 TOPS\u003c\/li\u003e\n\u003cli\u003eFP16\/BF16 Tensor Core: 5 PFLOPS\u003c\/li\u003e\n\u003cli\u003eTF32 Tensor Core: 2.5 PFLOPS\u003c\/li\u003e\n\u003cli\u003eFP32: 80 TFLOPS\u003c\/li\u003e\n\u003cli\u003eFP64 \/ FP64 Tensor Core: 1.3 TFLOPS\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cbr\u003e\u003c\/p\u003e\n\u003ch2\u003eProduct description\u003c\/h2\u003e\n\u003cp\u003eThe Gigabyte W775-V10-L01 Deskside AI Supercomputer is an NVIDIA DGX Station based on the GB300 Grace™ Blackwell superchip. It can be used for running local AI applications for development and production purposes. \u003c\/p\u003e\n\u003cp\u003eExample AI applications include LLM inference for frontier models of up to 1 Trillion parameters, scientific workloads (e.g. BioNeMo), finetuning models, hosting AI agents, and running RAGs for AI-enhanced document workflows. In particular it is well-suited to run MoE (mixture of experts) models. \u003c\/p\u003e\n\u003cp\u003eThanks to its MIG feature and its massive memory throughput it can be run headless to support several colleagues in a local workgroup. \u003c\/p\u003e\n\u003cp\u003eCompared to server systems, or heavy multi-GPU systems, it runs cooler and quieter, and is uniquely suited for office use. Its server-grade management features, such as the integrated BMC, the Redfish API support, and enterprise secure boot allow to integrate it into a corporate IT management landscape.\u003c\/p\u003e\n\u003cp\u003eTwo W775-V10-L01 DGX Stations can be joined using the Dual-port QSFP112 400GbE LAN to serve even bigger models, increase precision, or general model performance.\u003c\/p\u003e\n\u003cp\u003eA separately obtainable NVIDIA AI Enterprise software license provides a suite of software tools, libraries, and frameworks to fast-track your AI deployment on the Gigabyte DGX Station GB300. \u003c\/p\u003e\n\u003cp\u003e\u003cimg src=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/Gigabyte-W775-V10-L01-NVIDIA-DGX-Station-GB300-block-diagram.jpg?v=1785673109\" alt=\"\"\u003e\u003c\/p\u003e\n\u003ch2\u003eOptional GPUs\u003c\/h2\u003e\n\u003cp\u003eOne of the following optional GPUs can be added into the system to add graphics output options, and for scientific simulation and rendering workloads:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cmeta charset=\"utf-8\"\u003e \u003cspan\u003eNVIDIA RTX PRO 6000 Blackwell Workstation Edition\u003c\/span\u003e\n\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eNVIDIA RTX PRO 4000 Blackwell SFF Edition\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eNVIDIA RTX PRO 2000 Blackwell\u003c\/span\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003eDatasheets, manuals and additional downloads\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/GIGABYTE_W775-V10-L01_datasheet-NVIDIA-DGX-Station-GB300.pdf?v=1785676358\"\u003eGigabyte W775-V10-L01 Deskside AI Supercomputer - NVIDIA DGX Station GB300 datasheet (PDF)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/download.gigabyte.com\/FileList\/Manual\/server_manual_W775_V10_e_v1.0.pdf?v=893f9960e0c5e47e27235f697fe19d6b\"\u003eGigabyte W775-V10-L01 user manual (PDF)\u003c\/a\u003e\u003c\/li\u003e\n\u003cli\u003e\u003ca href=\"https:\/\/download.gigabyte.com\/FileList\/Manual\/server_manual_w775-v10_bmc_user_guide_insyde.pdf?v=e6bea4231879e22597fc248254b0ac22\"\u003eGigabyte W775-V10 BMC user guide (PDF)\u003c\/a\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003eLead time \u0026amp; purchase\u003c\/h2\u003e\n\u003cp\u003eThis product is available on pre-order with a current lead time of about 4-6 weeks. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eContact us to purchase it.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch2\u003eAdditional SKUs and codes \u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cmeta charset=\"utf-8\"\u003emodel number: W775-V10-L01\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eGigabyte ordering number \/ part number barebone package: 6NW775V10MR000L01\u003c\/span\u003e\u003c\/li\u003e\n\u003c\/ul\u003e","brand":"Gigabyte","offers":[{"title":"Default Title","offer_id":53284183048459,"sku":"gigabyte-W775-V10-L01","price":119500.0,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/Gigabyte-W775-V10-L01-NVIDIA-DGX-Station-GB300-hero.jpg?v=1785672242"},{"product_id":"hp-zgx-fury-g1n-ai-station-nvidia-dgx-station-gb300","title":"HP ZGX Fury G1n AI Station (NVIDIA DGX Station GB300)","description":"\u003ch2\u003eProduct features \u003c\/h2\u003e\n\u003cp\u003e\u003cstrong\u003eCPU \u0026amp; GPU\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eProcessor: 1x NVIDIA® Grace\u003cmeta charset=\"utf-8\"\u003e \u003cspan\u003e™\u003c\/span\u003e 72-core Neoverse V2 CPU (ARM-based)\u003c\/li\u003e\n\u003cli\u003eGPU: 1x NVIDIA® Blackwell Ultra GPU\u003c\/li\u003e\n\u003cli\u003eMIG: Multi-instance GPU for up to 7 MIGs\u003c\/li\u003e\n\u003cli\u003eoptional: 1x dedicated NVIDIA® Blackwell GPU for graphics rendering, e.g. RTX Pro™  2000 Blackwell\u003cmeta charset=\"utf-8\"\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eRAM\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003etotal coherent memory: 748GB, linked via NVLink\u003cmeta charset=\"utf-8\"\u003e \u003cspan\u003e®\u003c\/span\u003e-C2C, at 900 GB\/s interconnect bandwidth\u003c\/li\u003e\n\u003cli\u003eCPU memory: 496GB ECC LPDDR5X, 396 GB\/s memory bandwidth (SOCAMM, 6400 MT\/s)\u003c\/li\u003e\n\u003cli\u003eGPU memory: 252GB ECC HBM3e, 7.1 TB\/s memory bandwidth\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eNetworking\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eDual-port QSFP112 400GbE LAN via NVIDIA ConnectX-8 SuperNIC (= 800 Gbit\/s bandwidth total)\u003c\/li\u003e\n\u003cli\u003e1x RJ45 10GbE LAN port\u003c\/li\u003e\n\u003cli\u003e1x RJ45 1GbE Dedicated BMC LAN port\u003cbr\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eStorage\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e4x M.2 PCIe 5.0 x4 NVMe (M-key 2280)\u003c\/li\u003e\n\u003cli\u003epopulated with 4x 2TB or 4x 4TB SSDs - configurable\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003einternal storage options:\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e2 TB HP Z Turbo Drive PCIe® M.2 SSD\u003c\/li\u003e\n\u003cli\u003e4 TB HP Z Turbo Drive PCIe® M.2 SSD\u003c\/li\u003e\n\u003cli\u003e2 TB Z Turbo PCIe NVMe™ M.2 SED NMIC SSD\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003ePCIe Slots\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e1x PCIe Gen 5 x16 FHFL double-width, for GPUs\u003c\/li\u003e\n\u003cli\u003e2x PCIe Gen 5 x8 (in x16) FHHL \u003c\/li\u003e\n\u003cli\u003e1x M.2 PCIe 2.0 x1 slot (E-Key 2230))\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eFront IO Ports and Connectors\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e2x USB 3.2 Gen2 port (Type-C, 10 Gbit\/s)\u003c\/li\u003e\n\u003cli\u003e2x USB 3.2 Gen1 ports (Type-A, 5 Gbit\/s)\u003c\/li\u003e\n\u003cli\u003e1x unviersal audio jack\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eRear IO Ports and Connectors\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e4x USB 3.2 Gen2 ports (Type-A, 10 Gbit\/s)\u003c\/li\u003e\n\u003cli\u003e2x QSFP ports (400Gb per port)\u003c\/li\u003e\n\u003cli\u003e1x RJ45 port 10 Gbit\/s Ethernet\u003c\/li\u003e\n\u003cli\u003e1x BMC management port RJ45 1 Gbit\/s Ethernet\u003c\/li\u003e\n\u003cli\u003e1x mini-DP 2.0 (video port, 1920 x 1080 @ 60 Hz)\u003c\/li\u003e\n\u003cli\u003e1x microUSB port (for BMC management)\u003c\/li\u003e\n\u003cli\u003e\n\u003cmeta charset=\"utf-8\"\u003e1x microphone port\u003c\/li\u003e\n\u003cli\u003e1x audio-in\u003c\/li\u003e\n\u003cli\u003e\n\u003cmeta charset=\"utf-8\"\u003e1x audio line-out\u003cmeta charset=\"utf-8\"\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eOS \u0026amp; security\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eOS: Ubuntu 24.04 LTS with NVIDIA AI Developer Tools\u003c\/li\u003e\n\u003cli\u003epre-installed with essential CUDA-X™ libraries\u003c\/li\u003e\n\u003cli\u003eHP Z Runtime, compatible with HP ZGX Toolkit for Visual Studio Code client devices\u003c\/li\u003e\n\u003cli\u003e\n\u003cp class=\"p1\"\u003eTrusted Platform Module (TPM) 2.0\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli\u003eUEFI version 2.9\u003c\/li\u003e\n\u003cli\u003eUEFI secure boot\u003c\/li\u003e\n\u003cli\u003e\n\u003cp class=\"p1\"\u003eNVIDIA approved partner-developed BIOS\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli\u003e\n\u003cp class=\"p1\"\u003eNVIDIA approved partner-developed BMC\u003c\/p\u003e\n\u003c\/li\u003e\n\u003cli\u003eKensington Cable lock\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eIT manageability and enterprise features\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eout-of-band telemetry via BMC\u003c\/li\u003e\n\u003cli\u003eRedfish API support\u003c\/li\u003e\n\u003cli\u003eNVIDIA Data Center GPU Manager\u003c\/li\u003e\n\u003cli\u003evisibility, monitoring, remote management capabilities\u003c\/li\u003e\n\u003cli\u003ehardware root of trust\u003c\/li\u003e\n\u003cli\u003eenterprise secure boot\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eDimensions, weight, form factor\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eForm factor: desktop tower, rack-mountable with accessory kit (included)\u003c\/li\u003e\n\u003cli\u003eheight: 446 mm \/ 17.56''\u003c\/li\u003e\n\u003cli\u003ewidth: 221.5 mm \/ 8.72''\u003c\/li\u003e\n\u003cli\u003edepth: 667 mm \/ 26.26''\u003c\/li\u003e\n\u003cli\u003epackaging dimensions: 806.5 x 589 x 435 mm (31.75 x 23.19 x 17.125 inch)\u003c\/li\u003e\n\u003cli\u003enet weight: starting at 41kg, exeact weight depends upon the configuration\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eSystem cooling\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003ecooling system: closed-loop liquid cooling (suitable for office use)\u003c\/li\u003e\n\u003cli\u003eliquid cooling: Direct to Chip (D2C) Cold Plate\u003cbr\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003ePower supply\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003epower supply: 1x 1600W Titanium power supply, 100 - 240V\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003eMisc\u003c\/strong\u003e\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003ecertification and compliance: TAA compliant\u003c\/li\u003e\n\u003cli\u003erack rails for rack configuration option included\u003c\/li\u003e\n\u003cli\u003eoperating temperature: TBD\u003c\/li\u003e\n\u003cli\u003estorage temperature:\u003cmeta charset=\"utf-8\"\u003e TBD\u003c\/li\u003e\n\u003cli\u003eoperating relative humidity: \u003cmeta charset=\"utf-8\"\u003e TBD (non-condensing)\u003c\/li\u003e\n\u003cli\u003estorage relative humidity: \u003cmeta charset=\"utf-8\"\u003e TBD (non-condensing) \u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003e\u003cstrong\u003e\u003cbr\u003e\u003c\/strong\u003e\u003c\/p\u003e\n\u003ch2\u003eAI performance\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003eFP4 Tensor core: 20 PFLOPS \/ 15 PFLOPS without sparsity\u003c\/li\u003e\n\u003cli\u003eFP8 \/ FP6 Tensor core: 10 PFLOPS\u003c\/li\u003e\n\u003cli\u003eInt8 Tensor Core: 330 TOPS\u003c\/li\u003e\n\u003cli\u003eFP16\/BF16 Tensor Core: 5 PFLOPS\u003c\/li\u003e\n\u003cli\u003eTF32 Tensor Core: 2.5 PFLOPS\u003c\/li\u003e\n\u003cli\u003eFP32: 80 TFLOPS\u003c\/li\u003e\n\u003cli\u003eFP64 \/ FP64 Tensor Core: 1.3 TFLOPS\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003eProduct description\u003c\/h2\u003e\n\u003cp\u003eThe HP ZGX Fury G1n AI Station is an NVIDIA DGX Station based on the GB300 Grace™ Blackwell superchip. It can be used for running local AI applications for development and production purposes. \u003c\/p\u003e\n\u003cp\u003eExample AI applications include LLM inference for frontier models of up to 1 Trillion parameters, scientific workloads (e.g. BioNeMo), finetuning 100 billion class models, hosting AI agents, and running RAGs for AI-enhanced document workflows. In particular it is well-suited to run MoE (mixture of experts) models. \u003c\/p\u003e\n\u003cp\u003eThanks to its MIG feature and its massive memory throughput it can be run headless to support several colleagues in a local workgroup. \u003c\/p\u003e\n\u003cp\u003eCompared to server systems, or heavy multi-GPU systems, it runs cooler and quieter, and is uniquely suited for office use. Its server-grade management features, such as the integrated BMC, the Redfish API support, and enterprise secure boot allow to integrate it into a corporate IT management landscape.\u003c\/p\u003e\n\u003cp\u003eTwo ZGX Fury G1n AI Station DGX Stations can be joined using the Dual-port QSFP112 400GbE LAN to serve even bigger models, increase precision, or general model performance.\u003c\/p\u003e\n\u003cp\u003eThe HP ZGX Fury AI Station offers two distinct features from other DGX Station vendors:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003eIncluded HP ZGX Toolkit \/ HP ZU Runtime CLI software - this allows you to link two HP DGX Stations effortlessly, and quickly pull and deploy Hugging Face models, MLflow tracking and Ollama testing\u003c\/li\u003e\n\u003cli\u003eRack-mount rails for rack configuration are included in the package\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eA separately obtainable NVIDIA AI Enterprise software license provides a suite of software tools, libraries, and frameworks to fast-track your AI deployment on the HP ZGX Fury DGX Station GB300. \u003c\/p\u003e\n\u003ch2\u003eOptional GPUs\u003c\/h2\u003e\n\u003cp\u003eOne of the following optional GPUs can be added into the system to add graphics output options, and for scientific simulation and rendering workloads:\u003c\/p\u003e\n\u003cul\u003e\n\u003cli\u003e\u003cspan\u003eNVIDIA RTX PRO™  4000 Blackwell Generation (24 GB DDR7 dedicated)\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan\u003eNVIDIA RTX PRO™  2000 Blackwell Generation (16 GB DDR7 dedicated)\u003c\/span\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003eDatasheets, manuals and additional downloads\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003eTBD\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003eOfficial business partner\u003c\/h2\u003e\n\u003cp\u003epi3g GmbH \u0026amp; Co. KG (operating buyzero.de) is an official business partner of HP, reseller of the HP ZGX Fury G1n AI Station and other HP AI Solutions.\u003c\/p\u003e\n\u003ch2\u003eLead time \u0026amp; purchase\u003c\/h2\u003e\n\u003cp\u003eThis product is available on pre-order with a current lead time of about 8-12 weeks. \u003ca href=\"https:\/\/buyzero.de\/pages\/kontakt\"\u003eContact us to purchase it.\u003c\/a\u003e\u003c\/p\u003e\n\u003ch2\u003eAdditional SKUs and codes \u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003eTBD\u003cmeta charset=\"utf-8\"\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e","brand":"HP","offers":[{"title":"Default Title","offer_id":53284219879691,"sku":"hp-zgx-fury-g1n-ai-station","price":130000.0,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1560\/1473\/files\/HP-ZGX-Fury-G1n-AI-Station-NVIDIA-DGX-Station-GB300-hero_3ea1fce7-c866-45a4-a8be-c1a50ae5fb47.png?v=1785680047"}],"url":"https:\/\/buyzero.de\/collections\/machine-learning.oembed?page=3","provider":"buyzero.de","version":"1.0","type":"link"}