Caractéristiques: Faible consommation d’énergie et performances stables.     notes: 1. Compatibilité: Peut être utilisé avec les cartes de développement H2, H3, H5, H6, A64 Orange Pi.     2. Fournir des outils de conversion de modèles pour prendre en charge la décomposition de modèles de réseau neuronal convolutif (CNN) basée sur la caféine.     3. L’outil de formation PLAI peut appliquer directement l’image, la vidéo, la voix, le prototype d’entraînement rapide en langage naturel original au bâton informatique du réseau neuronal.     Modèle: pour Orange Pi AI Stick Lite AI Processeur: Chip Series: Lightspeeur Chip modèle: SPR2801s Efficacité énergétique: 9.3TOPs / watt consommation d’énergie ultra-faible: 2.8TOPs@300mW Performances maximales: 5.6TOPs@100MHz Interface matérielle: SDIO3.0 / eMMC 4.5 Paquet de puce: BGA (7mm * 7mm) Processus de fabrication: 28nm Interface standard: USB2.0, USB3.0 Type-A Bande passante de transmission: bande passante de lecture = 68,00 Mo / s, bande passante d’écriture = 84,69 Mo / s frameworks open source: Caffe, Tensorflow, PyTorch (Pytorch ne prend en charge que les tâches de classification pour le moment) Modèles pris en charge : VGG, SSD Système d’exploitation: X86 Linux (Ubuntu 16.04) ARM Linux / ARM Android (ARM v7, ARM v8) Tension de fonctionnement: DC 5V 200mA Température de fonctionnement: 0°C à 40°C Température de stockage : -20°C à 80°C Dimensions : 66,5 mm x 20,5 mm x 10,8 mm Logiciel fourni : Plai (basé sur le framework « full-stack » de Pytorch) Software fourni: Open ARM, X86 SDK, démos de modèles 1 à 2 intégrées; modèle d’outil de formation Plait.     Matériel: ABS couleur: Blanc paquet: 1 x pour Orange Pi AI Stick Lite < br><br> Seul le contenu de l’emballage ci-dessus, les autres produits ne sont pas inclus.     Remarque: La prise de vue en lumière et des affichages différents peuvent rendre la couleur de l’élément dans l’image un peu différente de la réalité. L’erreur de mesure autorisée est de +/- 1-3cm.    <br> <br>