免费看黄色视频的网站,国产91极品福利手机观看

Telemetry介紹

上一篇文章我們介紹了Intel Developer Cloud Telemetry的概念和功能，通過該功能的數(shù)據(jù)分析，可以更好地優(yōu)化產(chǎn)品方案。有關(guān)Telemetry 的工作原理和集成方法，我將在這篇文章里細(xì)細(xì)解釋。耐心看下去，相信您肯定可以在自己應(yīng)用中開啟這個(gè)功能。

Telemetry收集流程

| 圖 1-2 Telemetry收集數(shù)據(jù)流程概括來說，對(duì)自定義AI模型上運(yùn)行模型優(yōu)化，由Intel OpenVINO進(jìn)行推理，完成對(duì)AI模型的推理后，您就可以獲得計(jì)算節(jié)點(diǎn)上可用的遙測(cè)指標(biāo)。具體步驟如下：1．導(dǎo)入所有自定義模型文件（tensorflow、kaldi、onnx 等）2．使用模型優(yōu)化器以必要的精度創(chuàng)建模型中間表示 (IR) 文件3．創(chuàng)建用于在計(jì)算節(jié)點(diǎn)上提交運(yùn)行推理的作業(yè)文件 (.sh)4．使用 Application Metrics Writer 啟用遙測(cè)5．為不同的計(jì)算節(jié)點(diǎn)提交作業(yè)并監(jiān)控作業(yè)狀態(tài)直到完成（提交作業(yè)會(huì)調(diào)用bash和自定義python文件）6．在遙測(cè)儀表板上顯示模型指標(biāo)注意：流程里不止包含Telemetry。而是AI應(yīng)用在DevCloud上運(yùn)行的流程，以便您可以了解Telemetry功能在應(yīng)用里的位置。參考：https://www.embedded.com/enabling-telemetry-for-custom-models-in-intel-devcloud-for-the-edge/

Telemetry集成

這次依然選擇object-detection-python實(shí)例來介紹集成方法，應(yīng)用程序的 python 代碼中調(diào)用了applicationMetricWriter模塊向Telemetry傳遞數(shù)據(jù)指標(biāo)如，幀率、推理時(shí)間、模型名稱、推理硬件信息，下面通過具體代碼來展示詳細(xì)信息。

Step1. 登錄JupyterLab

登錄Intel Developer Cloud主頁后，點(diǎn)擊“Bare Metal Deployment”的“Get Started”按鈕，進(jìn)入Jupyter Lab開發(fā)環(huán)境。在左側(cè)目錄導(dǎo)航欄選擇這個(gè)路徑：Reference-samples/iot-devcloud/openvino-dev-latest/developer-samples/python/，然后找到object-detection-python應(yīng)用。

Step2. 程序源碼分析

直接打開object_detection.py，可以看到在文件開頭部分導(dǎo)入了applicationMetricWriter模塊。我們可以在Jupyter notebook里直接查看它的函數(shù)。方法如下：

| 圖 3-1在Jupyter notebook里查看函數(shù)可以看到它只有兩個(gè)函數(shù)，使用起來非常的簡(jiǎn)單，我們來逐一介紹一下這兩個(gè)函數(shù)。send_inference_time() 用來向Telemetry 數(shù)據(jù)發(fā)送每一幀推送所消耗的時(shí)間，唯一要注意的是每一幀哦。這就要求你能區(qū)分每一幀推理的時(shí)間。如果你選擇async模式，就需要考慮是不是適用了。send_application_metrics 主要傳遞的是模型的名字和推理設(shè)備的名字，以便于你能更好地標(biāo)記這個(gè)任務(wù)。看到這你估計(jì)跟我剛開始一樣，怎么沒有看到上傳CPU, GPU, Thermal 等數(shù)據(jù)上傳呢。其實(shí)是因?yàn)檫@些數(shù)據(jù)都是通用的，這塊就沒有必要放在用戶側(cè)來每次都重復(fù)寫一遍，在后端直接默認(rèn)做了。從這里我們可以看到，最重要的數(shù)據(jù)還是推理時(shí)間的上傳。現(xiàn)在這兩個(gè)函數(shù)在程序里的調(diào)用時(shí)機(jī)，這里我注釋了沒有必要的代碼，以方便觀察。

#!/usr/bin/env python

import applicationMetricWriter

...

def main():

...

try:

infer_time_start = time.time()

with open(processed_vid, "rb") as data:

while frame_count < video_len:

byte = data.read(CHUNKSIZE)

if not byte == b"":

deserialized_bytes = np.frombuffer(byte, dtype=np.uint8)

in_frame = np.reshape(deserialized_bytes, newshape=(n, c, h, w))

inf_time = time.time()

exec_net.start_async(request_id=current_inference,inputs={input_blob: in_frame})

# Retrieve the output of an earlier inference request

if previous_inference >= 0:

status = infer_requests[previous_inference].wait()

if status is not 0:

raise Exception("Infer request not completed successfully")

det_time = time.time() - inf_time

applicationMetricWriter.send_inference_time(det_time*1000)

res = output_postprocessor(exec_net.requests[previous_inference].output_blobs)

processBoxes(frame_count, res, labels_map, args.prob_threshold, width, height, result_file)

frame_count += 1

…

applicationMetricWriter.send_application_metrics(model_xml, args.device)

Step3.Telemetry數(shù)據(jù)訪問

等應(yīng)用程序在邊緣節(jié)點(diǎn)運(yùn)行結(jié)束，我們就可以去查看Telemetry的數(shù)據(jù)了。數(shù)據(jù)的連接你可以參考這個(gè)object-detection-python里的方法，直接點(diǎn)擊1Telemetry按鍵獲取連接方式。

| 圖 3-2 Telemetry地址當(dāng)然您也可以自己手動(dòng)生成這樣一個(gè)連接，注意上圖中2框處的ID號(hào)。使用Telemetry 服務(wù)器地址拼接該ID號(hào)，即可訪問該數(shù)據(jù)。

https://devcloud.intel.com/edge/metrics/d/+ID

比如：https://devcloud.intel.com/edge/metrics/d/573403訪問該路徑即可獲取Telemetry 的數(shù)據(jù)了。

| 圖 3-3 Telemetry界面

總結(jié)

看到這相信您一定理解了Intel Developer Cloud Telemetry 的集成方法了，它并沒有我們想象的那么復(fù)雜。我這里總結(jié)出來，只是為了方便剛開始接觸這塊的您更快上手，不用花費(fèi)太多精力就可以更快的把事情搞定。如果您在使用過程中有碰到問題，期待一起交流。這篇就到這吧。
審核編輯：李倩

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(diǎn)僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問題，請(qǐng)聯(lián)系本站處理。舉報(bào)投訴