Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот документ:
https://elib.bsu.by/handle/123456789/315226Полная запись метаданных
| Поле DC | Значение | Язык |
|---|---|---|
| dc.contributor.author | Paulenka, D. A. | |
| dc.contributor.author | Snezhko, E. V. | |
| dc.contributor.author | Kovalev, V. A. | |
| dc.date.accessioned | 2024-06-28T12:11:07Z | - |
| dc.date.available | 2024-06-28T12:11:07Z | - |
| dc.date.issued | 2024 | |
| dc.identifier.citation | Компьютерные технологии и анализ данных (CTDA’2024) : материалы IV Междунар. науч.-практ. конф., Минск, 25–26 апр. 2024 г. / Белорус. гос. ун-т ; редкол.: В. В. Скакун (гл. ред.), Н. Н. Яцков, В. В. Гринёв. – Минск : БГУ, 2024. – С. 91-95. | |
| dc.identifier.isbn | 978-985-881-636-0 | |
| dc.identifier.uri | https://elib.bsu.by/handle/123456789/315226 | - |
| dc.description | Секция «Интеллектуальные технологии и системы» | |
| dc.description.abstract | Performance tests were conducted on the Raspberry Pi 4 Model B (Pi4) and Cool Pi 4 Model B (CoolPi) single board computers, as well as the Google Coral USB Accelerator with Google Edge TPU (Coral). Their performance for AI tasks was analyzed. CoolPi handles classification using MobileNet v3 well, but is 4 times slower than similar computations on Coral. Classification on Pi4 is 22 times slower than Coral. CoolPi outperforms Pi4 by a factor of 2 to 3 in data copying and compression tasks and almost 6 times in neural network computations. Coral gives a significant acceleration of AI tasks, but there are features related to the novelty of the technology | |
| dc.description.sponsorship | This work was carried out with the financial support of the Complex-SG space program. | |
| dc.language.iso | en | |
| dc.publisher | Минск : БГУ | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.subject | ЭБ БГУ::ЕСТЕСТВЕННЫЕ И ТОЧНЫЕ НАУКИ::Кибернетика | |
| dc.subject | ЭБ БГУ::ТЕХНИЧЕСКИЕ И ПРИКЛАДНЫЕ НАУКИ. ОТРАСЛИ ЭКОНОМИКИ::Автоматика. Вычислительная техника | |
| dc.title | Testing and analyzing the performance of single-board computers for AI tasks | |
| dc.title.alternative | Тестирование и анализ производительности одноплатных компьютеров для решения задач искусственного интеллекта / Д. А. Павленко, Э. В. Снежко, В. А. Ковалев | |
| dc.type | conference paper | |
| dc.description.alternative | Проведены тесты производительности одноплатных компьютеров Raspberry Pi 4 Model B (Pi4) и CoolPi 4 Model B (CoolPi), а также USB-ускорителя Google Coral с TPU Google Edge (Coral). Проанализирована их производительность в задачах искусственного интеллекта. CoolPi хорошо справляется с классификацией с помощью MobileNet v3, но в 4 раза медленнее, чем аналогичные вычисления на Coral. Классификация на Pi4 выполняется в 22 раза медленнее, чем на Coral. CoolPi превосходит Pi4 в 2-3 раза в задачах копирования и сжатия данных и почти в 6 раз в нейросетевых вычислениях. Coral дает значительное ускорение выполнения задач ИИ, но есть и особенности, связанные с новизной технологии | |
| Располагается в коллекциях: | 2024. Компьютерные технологии и анализ данных (CTDA’2024) | |
Все документы в Электронной библиотеке защищены авторским правом, все права сохранены.