ASUS, yapay zeka uygulamaları için özel olarak tasarladığı Tinker Edge R modelini duyurdu
Yapay zeka uygulamaları için tasarlanan Tinker Edge R, Rockchip NPU & Arm big.LITTLE mimarisi, gelişmiş güç tasarımı ve kolay makine öğrenimi modeli kurulumlarına imkân tanıyor.
ASUS, yapay zeka uygulamaları için özel olarak tasarlanan tek kartlı bilgisayarı Tinker Edge R’yi duyurdu. Üründe yer alan Rockchip RK3399Pro NPU makine öğrenimi hızlandırıcısı, işlem verimliliğini hızlandırıyor, güç talebini azaltıyor ve bağlantılı cihazlar ve akıllı uygulamalar geliştirmeyi kolaylaştırıyor. Bu entegre hızlandırıcı sayesinde Tinker Edge R düşük güç tüketimiyle saniyede 3 tera-işlem yapabiliyor. Tinker Edge R ayrıca optimize edilmiş bir nöral ağ mimarisine sahip. Bu sayede birden fazla makine öğrenimi çerçevesini destekleyebiliyor ve sık kullanılan birçok makine öğrenimi modelinin kolayca derlenmesini sağlıyor.
Gelişmiş güç tasarımı
Çoğu SBC anakartı yalnızca 15 watt (5V 3A) güç tasarımına sahiptir. Bu da birden fazla cihaz bağlandığında sistemlerin ve cihazların kararsız çalışmasına neden olur. Bazı SBC’ler ise giriş çıkış portlarının performansını azaltan güç tasarımlarına sahiptir. Tinker Edge R’nin özel güç tasarımı, hem DC girişi hem de 4 pin başlıkla toplam 65 watt güç sağlayabiliyor. Böylece, birden fazla cihaz bağlandığında bile sistemin kararlı çalışması sağlanıyor ve giriş çıkışlardan tam performans elde ediliyor. Ayrıca, sağlanan akım ve voltajda büyük değişimler olduğunda otomatik devreye giren özel güç koruma tasarımı da kartı ve bağlı tüm cihazları etkili bir şekilde koruyor.
Rockchip RK3399Pro işlemci
Arm big.LITTLE A72+A53 teknolojisinden güç alan altı çekirdekli Rockchip RK3399Pro işlemci sayesinde, Tinker Edge R grafik, makine görüşü, video, ses, konuşma ve güvenlik uygulamaları için sağlam bir çözüm sunuyor. Tinker Edge R’de yer alan 4. nesil düşük güç tüketimli DDR DRAM teknolojisine sahip 4 GB LPDDR4 çift kanal sistem belleği, gelişmiş sistem performansı ve verimliliği için daha yüksek hız ve daha da düşük güç tüketimi sağlıyor. NPU için ayrıca 2 GB belleğe sahip olan ürün daha yüksek hıza ulaşıyor ve makine öğrenimi arayüzünün sağlamlığını ve verimliliğini artırıyor.
Tinker Edge R’de ayrıca dahili 16 GB eMMC bellek SD 3.0 arayüzü yer alıyor. Bu arayüz işletim sistemleri, uygulamalar ve depolama için daha yüksek okuma ve yazma hızları sunuyor.
Geliştiriciler için daha fazla bağlantı seçeneği
Tinker Edge R zengin bir giriş çıkış arayüzüne sahip. Monitörler ve dokunmatik ekranlar için bir adet MIPI-DSI bağlantısı; derinlik ölçümü, akıllı otomatlar ve etkileşimli reklamlar gibi uygulamalarda bilgisayar görüşünü kullanmaya yönelik kameralar için iki adet MIPI-CSI bağlantısı yer alıyor.
Geliştiricilere yönelik bir tasarıma sahip olan Tinker Edge R, bu alana ilk kez ilgi gösterenler ve deneyimli kişilere üst düzey bir deneyim yaşatmak için dikkatlice düşünülmüş özelliklerle donatıldı. Örneğin geliştiriciler programlanabilir LED’lerle sistem bildirimleri ve durum göstergeleri yapabiliyor. Renk kodlu GPIO başlığı ise ilgili pin başlıklarının kolayca tanınmasını sağlıyor.
Tinker Edge R’de ayrıca tam boy HDMI girişi, USB Type-A, USB Type-C, internet ve ağ bağlantısı için gigabit LAN, WiFi ve Bluetooth ile 4G/LTE genişleme kartı için mini PCI Express Mini yuvası bulunuyor.
Çok sayıda işletim sistemine ve makine öğrenimi geliştirici araçlarına destek
Tinker OS her tür proje ve sistem için harika bir başlangıç noktası oluşturuyor ve işletim sistemi özgürlüğü sunuyor. Debian tabanlı Linux dağıtımı sorunsuz ve çok işlevli bir deneyim sağlıyor. Tinker Edge R ayrıca Android işletim sistemi desteğiyle tamamen farklı kullanım senaryolarına olanak veriyor. Geliştiriciler popüler Android uygulamalarını çalıştırmaktan makine öğrenimi arayüzleri ve daha fazlasını kullanmaya kadar birçok imkandan yararlanabiliyor.
ASUS kullanıcılara, Tinker Edge T’ye makine öğrenimi modellerini kolayca kurmalarını sağlayan güçlü bir API ve SDK sunuyor. Böylece görüntü sınıflandırma ve nesne tespiti gibi uygulamalar geliştirilmesinin önü açılıyor. Ürün ayrıca Caffe, TensorFlow, TensorFlow Lite, ONNX, Darknet ve daha fazlasından yapılan model dönüşümlerine de destek veriyor.
