0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

構(gòu)建、訓(xùn)練AI模型不必令人困惑且耗時

星星科技指導(dǎo)員 ? 來源:嵌入式計算設(shè)計 ? 作者:Rich Nass ? 2022-11-24 15:57 ? 次閱讀

隨著技術(shù)被推向物聯(lián)網(wǎng)的邊緣,使用數(shù)量大幅攀升。開發(fā)人員正在迅速部署其 AI 架構(gòu)。

毫不夸張地說,人工智能(AI)幾乎可以用于工業(yè)領(lǐng)域的任何應(yīng)用。隨著技術(shù)被推向物聯(lián)網(wǎng)的邊緣,使用數(shù)量大幅攀升。開發(fā)人員正在迅速部署他們的人工智能架構(gòu),這要歸功于Vecow等供應(yīng)商的進步。

值得慶幸的是,必須手動對AI設(shè)備進行編程的日子已經(jīng)過去了。因此,部署速度在提高,而成本在縮小。雖然它變得越來越容易,但為特定的 AI 場景設(shè)計最佳模型仍然非常耗時且具有挑戰(zhàn)性。

設(shè)計過程中最困難的部分是訓(xùn)練 AI 模型以提供對象檢測、運動跟蹤和面部識別等核心功能。這種訓(xùn)練會影響系統(tǒng)成本:部署的模型效率越高,實現(xiàn)它所需的資源就越少。

Vecow的VHub AI開發(fā)人員具有集成解決方案,可減少模型訓(xùn)練時間,并為工程師開發(fā)基于邊緣的AI解決方案提供所需的資源。提供四個版本,從基于英特爾酷睿處理器的英特爾 NUC(下一代計算單元)入門套件到提供英特爾酷睿 SoC 或英特爾至強處理器選擇的 Titan 套件,適用于計算密集型應(yīng)用。所有版本都包括標記工具、訓(xùn)練平臺、推理解決方案以及 200 多個用于典型 Edge 用例的預(yù)訓(xùn)練模型。

基于邊緣的 AI 的完整框架

VHub AI開發(fā)人員為基于邊緣的計算應(yīng)用程序提供了完整的開發(fā)框架。對于經(jīng)驗豐富的開發(fā)人員來說,該套件相對容易部署,并且與大多數(shù)平臺兼容,并包括一組 200 多個可擴展的 AI 模型。這些模型涵蓋的應(yīng)用包括對象跟蹤、面部識別和運動檢測等常見功能。

因此,系統(tǒng)集成商可以專注于開發(fā)和訓(xùn)練AI模型,而不是花時間集成和維護整個AI框架。預(yù)先集成和預(yù)測試的軟件工具進一步簡化了流程。

VHub AI開發(fā)人員的四個不同版本有助于為特定應(yīng)用程序提供硬件和軟件資源的最佳組合。VHD NUC 系列是基本的入門套件;VHD ECX-1000 PoER 系列部署套件帶來了豐富的 I/O 功能;VHD ECX-1400 PEG 系列部署套件引入了 GPU 計算引擎;VHD RCX-1520R PEG 系列泰坦套件可為大多數(shù)計算密集型應(yīng)用程序提供更多 GPU 功能。

在所有版本中,該框架都經(jīng)過集成和測試,進一步縮短了開發(fā)時間。此外,VHub AI Developer 框架旨在保證穩(wěn)定的版本管理,因此設(shè)計不應(yīng)受到版本控制問題的困擾,這在開源 AI 培訓(xùn)工具中很常見。

使用案例

機器視覺和自動化是AI的兩個流行用例,因此對于VHub AI開發(fā)人員來說也是如此。智能零售和訪問控制也得到了突出應(yīng)用。以下是該工具在每種工具中脫穎而出的原因:

機器視覺:效率和準確性對于對工廠中的缺陷零件進行分類至關(guān)重要。帶有 VPU 和 GPU 加速器的預(yù)裝檢測 SDK 能夠以低成本實現(xiàn)高精度。

自動化:智能自動化集成智能技術(shù)和服務(wù)來執(zhí)行關(guān)鍵任務(wù)。借助預(yù)安裝的自動化監(jiān)控 SDK,制造商可以提高生產(chǎn)力。

智能零售:零售店需要了解和了解他們的客戶,以增加收入和盈利能力。預(yù)安裝的功能識別 SDK 使工程師能夠捕獲性別、年齡范圍、客戶數(shù)量和店內(nèi)行為,以創(chuàng)建有針對性的體驗。

訪問控制:安全性通常取決于僅向授權(quán)用戶授予訪問權(quán)限。使用面部識別,可以將數(shù)據(jù)存儲在視覺庫中,以快速方便地批準或拒絕訪問。

審核編輯:郭婷

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 物聯(lián)網(wǎng)
    +關(guān)注

    關(guān)注

    2900

    文章

    44023

    瀏覽量

    369980
  • 人工智能
    +關(guān)注

    關(guān)注

    1789

    文章

    46614

    瀏覽量

    236952
收藏 人收藏

    評論

    相關(guān)推薦

    為什么ai模型訓(xùn)練要用gpu

    GPU憑借其強大的并行處理能力和高效的內(nèi)存系統(tǒng),已成為AI模型訓(xùn)練不可或缺的重要工具。
    的頭像 發(fā)表于 10-24 09:39 ?172次閱讀

    AI模型訓(xùn)練數(shù)據(jù)來源分析

    AI模型訓(xùn)練數(shù)據(jù)來源廣泛多元化,這些數(shù)據(jù)源對于構(gòu)建和優(yōu)化AI
    的頭像 發(fā)表于 10-23 15:32 ?305次閱讀

    如何訓(xùn)練自己的AI模型

    訓(xùn)練自己的AI模型是一個復(fù)雜耗時的過程,涉及多個關(guān)鍵步驟。以下是一個詳細的訓(xùn)練流程: 一、明
    的頭像 發(fā)表于 10-23 15:07 ?320次閱讀

    如何訓(xùn)練ai模型

    訓(xùn)練AI模型是一個復(fù)雜耗時的過程,涉及多個關(guān)鍵步驟和細致的考量。 一、數(shù)據(jù)準備 1. 數(shù)據(jù)收集 確定數(shù)據(jù)類型 :根據(jù)
    的頭像 發(fā)表于 10-17 18:17 ?510次閱讀

    ai模型訓(xùn)練需要什么配置

    AI模型訓(xùn)練是一個復(fù)雜資源密集的過程,它依賴于高性能的硬件配置來確保訓(xùn)練的效率和效果。 一、處理器(CPU) CPU是計算機的核心部件,負
    的頭像 發(fā)表于 10-17 18:10 ?482次閱讀

    AI訓(xùn)練的基本步驟

    AI(人工智能)訓(xùn)練是一個復(fù)雜系統(tǒng)的過程,它涵蓋了從數(shù)據(jù)收集到模型部署的多個關(guān)鍵步驟。以下是對AI訓(xùn)練
    的頭像 發(fā)表于 07-17 16:57 ?1522次閱讀

    ai模型訓(xùn)練方法有哪些?

    AI模型訓(xùn)練方法是一個復(fù)雜且不斷發(fā)展的領(lǐng)域。以下是ai模型訓(xùn)練方法: 數(shù)據(jù)預(yù)處理和增強 數(shù)據(jù)
    的頭像 發(fā)表于 07-16 10:11 ?1260次閱讀

    ai模型ai框架的關(guān)系是什么

    AI模型AI框架是人工智能領(lǐng)域中兩個重要的概念,它們之間的關(guān)系密切復(fù)雜。 AI模型的定義
    的頭像 發(fā)表于 07-16 10:07 ?3.7w次閱讀

    ai模型和傳統(tǒng)ai的區(qū)別在哪?

    AI模型和傳統(tǒng)AI的區(qū)別主要體現(xiàn)在以下幾個方面: 數(shù)據(jù)量和訓(xùn)練規(guī)模 AI模型通常需要大量的數(shù)
    的頭像 發(fā)表于 07-16 10:06 ?1062次閱讀

    如何在TensorFlow中構(gòu)建訓(xùn)練CNN模型

    在TensorFlow中構(gòu)建訓(xùn)練一個卷積神經(jīng)網(wǎng)絡(luò)(CNN)模型是一個涉及多個步驟的過程,包括數(shù)據(jù)預(yù)處理、模型設(shè)計、編譯、訓(xùn)練以及評估。下面
    的頭像 發(fā)表于 07-04 11:47 ?680次閱讀

    深度學(xué)習模型訓(xùn)練過程詳解

    深度學(xué)習模型訓(xùn)練是一個復(fù)雜關(guān)鍵的過程,它涉及大量的數(shù)據(jù)、計算資源和精心設(shè)計的算法。訓(xùn)練一個深度學(xué)習模型,本質(zhì)上是通過優(yōu)化算法調(diào)整
    的頭像 發(fā)表于 07-01 16:13 ?990次閱讀

    谷歌Gemini Ultra模型訓(xùn)練成本近2億美元

    斯坦福大學(xué)與研究巨頭Epoch AI聯(lián)合揭示了云計算時代下AI模型訓(xùn)練成本的飛速增長。最新研究結(jié)果顯示,AI巨頭OpenAI的GPT-4
    的頭像 發(fā)表于 06-07 09:36 ?540次閱讀

    【大語言模型:原理與工程實踐】大語言模型的預(yù)訓(xùn)練

    增長。DeepMind在相關(guān)論文中指出,模型大小和訓(xùn)練Token數(shù)應(yīng)以相似速率增長,以確保最佳性能。因此,構(gòu)建模型規(guī)模相匹配的預(yù)訓(xùn)練數(shù)據(jù)至
    發(fā)表于 05-07 17:10

    在線研討會 | 大模型時代語音 AI 模型訓(xùn)練、優(yōu)化與應(yīng)用

    AI模型在語音識別、自然語言處理等領(lǐng)域已經(jīng)取得了令人矚目的成就。語音 AI(Speech AI)技術(shù)已經(jīng)廣泛應(yīng)用在數(shù)字人、實時翻譯、語音
    的頭像 發(fā)表于 12-15 15:50 ?549次閱讀
    在線研討會 | 大<b class='flag-5'>模型</b>時代語音 <b class='flag-5'>AI</b> <b class='flag-5'>模型</b>的<b class='flag-5'>訓(xùn)練</b>、優(yōu)化與應(yīng)用

    AI 模型構(gòu)建的五個過程詳解

    AI 模型構(gòu)建的過程 模型構(gòu)建主要包括 5 個階段,分別為模型設(shè)計、特征工程、
    發(fā)表于 11-17 10:31 ?7899次閱讀
    <b class='flag-5'>AI</b> <b class='flag-5'>模型</b><b class='flag-5'>構(gòu)建</b>的五個過程詳解