G313-06329-00

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

Fabricante.:

Descrição:
Placas de acelerador CORAL ACCELERATOR MODULE//G950-06809-01

Em estoque: 4 091

Estoque:
4 091 Pode ser enviado imediatamente
Tempo de entrega da fábrica:
3 semanas Tempo estimado de produção de fábrica para quantidades acima do indicado.
Mínimo: 1   Vários: 1
Preço unitário:
-,-- €
Ext. Preço:
-,-- €
Est. Tarifa:

Preços (EUR)

Qtde Preço unitário
Ext. Preço
36,94 € 36,94 €
33,88 € 338,80 €
32,57 € 814,25 €
31,48 € 1 574,00 €
30,85 € 3 085,00 €
Bobina cheia (pedidos em múltiplos de 1000)
27,95 € 27 950,00 €

Atributo de produto Valor do atributo Selecionar atributo
Coral
Categoria de produto: Placas de acelerador
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
Marca: Coral
País de montagem: Not Available
País de difusão: Not Available
País de origem: JP
Frequência: 500 MHz
Sensível à umidade: Yes
Embalagem: Reel
Embalagem: Cut Tape
Tipo de Produto: Accelerator Cards
Quantidade do pacote de fábrica: 1000
Subcategoria: Embedded Solutions
Aliases de núm de peça: 90AN01G0-B0XAY0
Produtos encontrados:
Para mostrar produtos similares, selecione pelo menos uma opção
Selecione pelo menos uma caixa de seleção acima para mostrar produtos similares nesta categoria.
Atributos selecionados: 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.