Публикации по теме 'edge-ai'
Узкие места встроенного компьютерного зрения
Когда я разговариваю с ребятами, которые совсем недавно начали разрабатывать компьютерное зрение на периферии, я часто сталкиваюсь с любопытным заблуждением: « Если я возьму NPU (GPU|TPU|CPU), который в два раза быстрее, мое решение будет работать вдвое быстрее. ” Ха-ха! Давайте поговорим о том, почему это обычно неверно. И найдите, где скрывается максимальная производительность!
Почему это происходит? Основная причина в том, что узкое место не в ускорителе. Рассмотрим общую схему..
Представляю мой новый проект: Talks from the Edge
Говорить о чем
Добро пожаловать в Talks from the Edge! В этом блоге я стремлюсь поделиться своим опытом, знаниями и идеями об индустрии встраиваемых систем. Как инженер-программист с опытом работы в области аппаратного обеспечения и страстью к обучению и обмену новыми навыками, я хочу провести вас через увлекательный мир разработки встраиваемых систем.
Присоединяйтесь ко мне, когда я углублюсь в тонкости этой области и, надеюсь, вдохновит вас на создание удивительных вещей.
Что..
Почему федеративное обучение ??
Предположим, вы хотите создать приложение на основе машинного обучения, которое использует медицинские данные пользователя для прогнозирования его здоровья, или приложение, которое использует фотографии пользователя, чтобы предлагать ему одежду или что-то, ориентированное на персонализацию пользователя. Во всех случаях вам нужны персональные данные пользователя.
Но проблема в том, что для обучения таких моделей нужно собирать огромные данные на серверах. Но так как данные..
Классификация гайки диска сцепления EDGE с искусственным интеллектом
О проекте
В этом демонстрационном проекте EDGE AI мы продемонстрировали реальный пример использования классификации гаек диска сцепления в режиме реального времени.
Мы обучили модель классификации, основанную на глубоком обучении, для определения различных типов и производителей гаек диска сцепления.
Модель глубокого обучения развернута на пограничном устройстве (Google Coral) для логического вывода в реальном времени.
Этот демонстрационный проект создан для демонстрации возможностей..
Применение доступного искусственного интеллекта: мониторинг деградации подшипников
Машинные данные с датчиков и подключенных устройств генерируют множество данных, которые можно преобразовать в ценные знания для вашей организации. Традиционные подходы к данным могут позволить организациям отслеживать определенные условия, но эти подходы, естественно, ориентированы на прошлое. Внедрение машинного обучения в ваши данные может обеспечить прогнозную аналитику и перспективный анализ для получения дополнительных сведений.
Традиционно было сложно внедрить и..
Сжатие модели через обрезку
Удаление нейронных сетей
Чтобы получить быстрый и точный вывод на пограничных устройствах, модель должна быть оптимизирована для вывода в реальном времени. Усовершенствованные современные модели, такие как VGG16 / 19, ResNet50, имеют 138+ миллионов и 23+ миллионов параметров соответственно, а логический вывод часто бывает дорогостоящим для устройств с ограниченными ресурсами.
Ранее я говорил об одной методике сжатия модели, называемой Извлечение знаний , использующей меньшую..
5 основных рыночных данных о машинном обучении на пограничных устройствах
Разрабатывайте модели машинного обучения , которые нужны людям. Вот как можно подготовиться перед началом реализации.
Прежде чем я начну рассказывать подробности о рыночной аналитике, я хотел бы немного познакомить с пограничным искусственным интеллектом (ИИ) для людей, которые только что приехали, чтобы узнать больше об этой многообещающей отрасли.
Наш мир населен миллиардами подключенных устройств, размещенных в наших домах, в окружающей среде, на производстве и в..
