G313-06329-00

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

Produc.:

Opis:
Accelerator Cards CORAL ACCELERATOR MODULE//G950-06809-01

Na stanie magazynowym: 4 382

Stany magazynowe:
4 382 Wysylamy natychmiast
Średni czas produkcji:
3 tygodni Oczekiwany czas produkcji w fabryce dotyczący ilości większych niż pokazane.
Minimum: 1   Wielokrotności: 1
Cena jednostkowa:
-,-- zł
wewn. Cena:
-,-- zł
Szac. taryfa:

Cennik (PLN)

Il. Cena jednostkowa
wewn. Cena
158,84 zł 158,84 zł
145,68 zł 1 456,80 zł
140,05 zł 3 501,25 zł
135,36 zł 6 768,00 zł
132,66 zł 13 266,00 zł
Komplet Opakowanie zbiorcze (zamówienie w wielokrotności 1000)
120,19 zł 120 190,00 zł

Atrybuty produktu Wartość atrybutu Wybierz atrybut
Coral
Kategoria produktów: Karty akceleratorowe
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
Marka: Coral
Częstotliwość: 500 MHz
Wrażliwość na wilgoć: Yes
Opakowanie: Reel
Opakowanie: Cut Tape
Rodzaj produktu: Accelerator Cards
Wielkość opakowania producenta: 1000
Podkategoria: Embedded Solutions
Nazwy umowne nr części: 90AN01G0-B0XAY0
Znalezione produkty:
Aby pokazać podobne produkty, zaznacz przynajmniej jedno pole wyboru
Aby wyświetlić podobne produkty w tej kategorii, zaznacz co najmniej jedno pole wyboru powyżej.
Wybrane atrybuty: 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.