使いやすそう。 ASUS「Tinker Edge R」はRK3399Pro搭載のPicoITXサイズSBC

2020年4月28日、ASUSはTinkerシリーズの新モデル「Tinker Edge R」を発表いたしました。

スペック
特徴
まとめ
関連リンク

スペック

モデル名	Tinker Edge R
メーカー	ASUS
発売日	2020/05
価格
価格(日本円)
CPU	Rockchip RK3399 Pro(6コア) (1.8GHz A72 x2 + 1.4GHz A53 x4)
GPU	Mali-T860 MP4(800MHz)
NPU	3.0TOPS
メモリー	4GB LPDDR4 2GB LPDDR3(NPU)
サポートOS	Debian 9 Android 8.1
有線LAN	1GBE x 1
Wi-fi	802.11ac
Bluetooth	5
チップ	RTL8211F-CG
ストレージ	16GB eMMC microSD
USB	3.2(Gen1) x 3 3.2(Gen1) x 1(TypeC)
GPIO	40pin x 1
映像	HDMI x 1 MIPI DSI x 1
カメラ	MIPI-CSI x 1 MIPI-CSI/DSI x 1
オーディオジャック	○
その他インターフェース	miniPCIe
消費電力
電源	DC 12V〜19V
幅	100mm
奥行き	72mm
高さ
その他

特徴

「Tinker Edge R」は2019年11月の「ET & IoT Technology 2019」への出展発表で予告されたSBC(シングルボードコンピューター)で、SoCにRockchip RK3399Proを搭載しています。

参考：組込み総合技術展＆IoT総合技術展「ET & IoT Technology 2019」に出展することを発表:ASUS

RK3399Proはがじぇっとりっぷでも何度か取り上げていて、一言でいうとRK3399に3.0TOPSのNPUが追加され、NPUとの接続に使われるのでUSB3.0が1ポート少ないSoCとなります。

メモリが多い…？ VAMRS「TB-RK3399Pro(Toybrick RK3399Pro)」はNPU付きのRK3399Pro搭載でメモリ最大6GB

すごいの出てきた。 radxa「ROCK Pi N10」はNPU付きのRK3399 Pro搭載でメモリが最大8GBで99ドルから

インターフェース多い。Firefly「AIO-3399ProC」はRK3399Pro搭載！

NPU(ニューラルプロセッシングユニット)はCPUとは根本的に異なっていて機械学習の要となる行列計算に特化しています。

▲上の画像はASUSが公開しているベンチマーク結果です(グラフの短い方が早い)

細かいスペックは不明ですが、デスクトップ機(Xeon)より早いことが分かります。

MobileNetとはなんぞやというと、調べてもこれという回答が見つからなかったのですが、畳み込みニューラルネットワーク(Convolutional Neural Network、CNN)に関するアルゴリズムの一つのようです。

機械学習は”学習”と”推論”の二つのプロセスからなります。

分かりやすく言うと、大量の犬の画像から、犬の特徴はこういうものであるという特徴データを抽出する過程が”学習”で、この特徴データをもとに、画像に映っているものが犬かどうかを判定するのが”推論”です。

今のスマホでカメラアプリが料理とかスナップ写真だとかのシーン判定をするのは大体この”推論”によるものですね。

で、なんとなくわかると思いますが、大量の画像から特徴を抽出するというのは膨大な計算処理が必要で、画像処理分野においては畳み込みニューラルネットワーク(Convolutional Neural Network、CNN)という手法が主流です。

MobileNetはこのCNNで使われるアルゴリズム(モデル)の一つで、2017年にGoogleが論文を発表しました(原著は下記)。現在はv3まで発表されています。
名前のとおり、モバイル端末でも処理できるくらいに軽く、かつ高い精度を持っています。

v1：Howard, Andrew G., et al. “Mobilenets: Efficient convolutional neural networks for mobile vision applications.” arXiv preprint arXiv:1704.04861 (2017).
v2：Sandler, Mark, et al. “Mobilenetv2: Inverted residuals and linear bottlenecks.” Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2018.
v3：Howard, Andrew, et al. “Searching for mobilenetv3.” arXiv preprint arXiv:1905.02244 (2019).

論文はかなり専門的な話なのでそのままだと専門外の人は理解しづらいです。

なるべくかみ砕いていうと、空間方向とチャネル方向に分解して順に計算を行うことで、計算量を減らすというものです。

例えとして適切なのか自信がありませんが、画像データの縦横が空間方向、各ピクセルのRGBがチャネル方向で、RGBまとめてだとピクセルごとに16の6乗(000000～FFFFFF)からの解析になるけど、RGBのレイヤーに分けると16の2乗(00～FF)からの解析で、それをRGBの3回重ねればいい、みたいな感じでしょうか。

なお、SSDはソリッドステートドライブではなく、Single-Shot multi-box Detector(画像中の物体を単一のニューラルネットワークを使用して検出する手法)の略字です。

話を戻して、「Tinker Edge R」のメモリは、システム用が4GB LPDDR4、NPU用が2GB LPDDR3となっています。
システム用とNPU用で規格が違うのは初めてですね。

ストレージは16GB eMMCとmicroSDです。