G313-06329-00

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

Fabr.:

Descripción:
Tarjetas aceleradoras CORAL ACCELERATOR MODULE//G950-06809-01

En existencias: 4.382

Existencias:
4.382 Puede enviarse inmediatamente
Plazo de producción de fábrica:
3 Semanas Tiempo estimado para la producción en fábrica para cantidades superiores a las mostradas.
Mínimo: 1   Múltiples: 1
Precio unitario:
-,-- €
Precio total:
-,-- €
Tarifa estimada:

Precio (EUR)

Cant. Precio unitario
Precio total
36,94 € 36,94 €
33,88 € 338,80 €
32,57 € 814,25 €
31,48 € 1.574,00 €
30,85 € 3.085,00 €
Bobina completo(s) (realice el pedido en múltiplos de 1000)
27,95 € 27.950,00 €

Atributo del producto Valor del atributo Seleccionar atributo
Coral
Categoría de producto: Tarjetas aceleradoras
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
Frecuencia: 500 MHz
Sensibles a la humedad: Yes
Empaquetado: Reel
Empaquetado: Cut Tape
Tipo de producto: Accelerator Cards
Cantidad del paquete de fábrica: 1000
Subcategoría: Embedded Solutions
Alias de parte #: 90AN01G0-B0XAY0
Productos encontrados:
Para mostrar productos similares, seleccione al menos una casilla
Seleccione al menos una casilla para mostrar productos similares dentro de esta categoría.
Atributos seleccionados: 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.