G313-06329-00

Coral
212-G313-06329-00
G313-06329-00

Produttore:

Descrizione:
Schede di accelerazione CORAL ACCELERATOR MODULE//G950-06809-01

A magazzino: 4.382

A magazzino:
4.382 Spedizione immediata
Tempo di consegna da parte della fabbrica:
3 settimane Tempo di produzione stimato in fabbrica per quantità superiori a quelle indicate.
Minimo: 1   Multipli: 1
Prezzo Unitario:
-,-- €
Prezzo esteso:
-,-- €
Stima Tariffa:

Prezzi (EUR)

Qtà Prezzo Unitario
Prezzo esteso
36,94 € 36,94 €
33,88 € 338,80 €
32,57 € 814,25 €
31,48 € 1.574,00 €
30,85 € 3.085,00 €
Nastrati completa (ordinare in multipli di 1000)
27,95 € 27.950,00 €

Attributo del prodotto Valore dell'attributo Seleziona attributo
Coral
Categoria prodotto: Schede di accelerazione
RoHS::  
15 mm x 10 mm x 1.5 mm
Edge TPU
PCIe, USB
3.1 V to 3.63 V
- 20 C
+ 70 C
15 mm x 10 mm x 1.5 mm
Marchio: Coral
Frequenza: 500 MHz
Sensibili all’umidità: Yes
Confezione: Reel
Confezione: Cut Tape
Tipo di prodotto: Accelerator Cards
Quantità colli di fabbrica: 1000
Sottocategoria: Embedded Solutions
Alias n. parte: 90AN01G0-B0XAY0
Prodotti trovati:
Per visualizzare prodotti simili, spunta almeno una casella di controllo
Seleziona almeno una casella di spunta qui sopra per visualizzare prodotti simili in questa categoria.
Attributi selezionati: 0

CNHTS:
8542391090
CAHTS:
8542310000
USHTS:
8542310030
ECCN:
3A991.a.2

TPU Edge SMT Accelerator Module

Coral TPU Edge Surface-Mount Accelerator Module is a multi-chip module (MCM) designed to perform high-speed inferencing for machine learning (ML) models. The Coral TPU module includes the Edge TPU ML accelerator with integrated power control, which can be connected over a PCIe Gen2 x1 or USB2 interface. The Edge TPU is a small ASIC design that accelerates TensorFlow Lite models in a power-efficient manner. The module can perform 4 trillion operations per second (4 TOPS), using 2W of power (2 TOPS per watt). For example, one Edge TPU can execute state-of-the-art mobile vision models such as MobileNet v2 at almost 400 frames per second. This on-device ML processing reduces latency, increases data privacy, and removes the need for a constant internet connection.