pipeless

Rohrlos

Erstellen, implementieren und führen Sie ganz einfach Computer-Vision-Anwendungen aus.

Schauen Sie sich unsere Lösung für gehostete Agenten an

Pipeless ist ein Open-Source-Framework, das sich in nur wenigen Minuten um alles kümmert, was Sie zum Entwickeln und Bereitstellen von Computer-Vision-Anwendungen benötigen. Dazu gehören Code-Parallelisierung, Multimedia-Pipelines, Speicherverwaltung, Modellinferenz, Multi-Stream-Verwaltung und mehr. Mit Pipeless können Sie Anwendungen, die in Echtzeit funktionieren, innerhalb von Minuten statt Wochen/Monaten versenden .

Pipeless ist von modernen serverlosen Technologien inspiriert. Sie stellen einige Funktionen bereit und Pipeless kümmert sich um deren Ausführung für neue Videobilder und alles, was damit zusammenhängt.

Mit Pipeless erstellen Sie in sich geschlossene Boxen, die wir „Stufen“ nennen. Jede Stufe ist eine Mikropipeline, die eine bestimmte Aufgabe ausführt. Anschließend können Sie Phasen pro Stream dynamisch kombinieren, sodass Sie jeden Stream mit einer anderen Pipeline verarbeiten können, ohne Ihren Code zu ändern und ohne das Programm neu zu starten. Um eine Stufe zu erstellen, stellen Sie einfach eine Vorverarbeitungsfunktion, ein Modell und eine Nachverarbeitungsfunktion bereit.

Sie können branchenübliche Modelle wie YOLO oder benutzerdefinierte Modelle in eine der unterstützten Inferenzlaufzeiten laden, indem Sie einfach eine URL angeben. Pipeless liefert einige der beliebtesten Inferenzlaufzeiten, wie z. B. die ONNX Runtime, sodass Sie Inferenz sofort mit hoher Leistung auf CPU oder GPU ausführen können.

Sie können Ihr Pipeless und Ihre Anwendungen auf Edge- und IoT-Geräten oder in der Cloud bereitstellen. Für die Bereitstellung stehen mehrere Tools zur Verfügung, darunter auch Container-Images.

Im Folgenden finden Sie einen nicht erschöpfenden Satz relevanter Funktionen, die Pipeless umfasst:

• Multi-Stream-Unterstützung : Mehrere Streams gleichzeitig verarbeiten.
• Dynamische Stream-Konfiguration : Fügen Sie Streams im Handumdrehen über eine CLI- oder REST-API hinzu, bearbeiten und entfernen Sie sie (weitere Adapter folgen).
• Mehrsprachige Unterstützung : Sie können Ihre Hooks in mehreren Sprachen schreiben, einschließlich Python.
• Dynamische Verarbeitungsschritte : Sie können Ihrer Stream-Verarbeitung eine beliebige Anzahl von Schritten hinzufügen und diese Schritte sogar dynamisch pro Stream ändern.
• Integrierte Neustartrichtlinien : Vergessen Sie den Umgang mit Verbindungsfehlern, ausgefallenen Kameras usw. Sie können ganz einfach Neustartrichtlinien pro Stream festlegen, die diese Situationen automatisch behandeln.
• Hochgradig parallelisiert : Machen Sie sich keine Sorgen über Multi-Threading und/oder Multi-Processing, Pipeless erledigt das für Sie.
• Mehrere unterstützte Inferenzlaufzeiten : Stellen Sie ein Modell bereit und wählen Sie eine der unterstützten Inferenzlaufzeiten aus, um es sofort auf CPU oder GPUs auszuführen. Wir unterstützen CUDA , TensorRT , OpenVINO , CoreML und weitere.
• Klar definierte Projektstruktur und hoch wiederverwendbarer Code : Pipeless nutzt die Dateisystemstruktur zum Laden von Verarbeitungsstufen und Hooks und hilft Ihnen so, den Code in hoch wiederverwendbaren Boxen zu organisieren. Jede Stufe ist ein Verzeichnis, jeder Hook ist in einer eigenen Datei definiert.

Legen Sie jetzt los!

Treten Sie unserer Community bei und tragen Sie dazu bei, das Leben von Computer-Vision-Entwicklern einfacher zu machen!

Voraussetzungen ☝️

• Python . Vorgefertigte Binärdateien sind mit Python 3.10 in Linux amd64, 3.8 in Linux arm64 und 3.12 in macOS verknüpft. Wenn Sie eine andere Python-Version haben, stellen Sie dem Installationsskript das Flag --build zur Verfügung, um aus dem Quellcode zu erstellen, sodass Pipeless eine Verknüpfung zu Ihrer installierten Python-Version herstellt (oder aktualisieren Sie Ihre Version und verwenden Sie eine vorgefertigte Binärdatei, was einfacher ist).
• Gstreamer 1.20.3 . Überprüfen Sie mit gst-launch-1.0 --gst-version . Installationsanleitung hier

Installation

 curl https://raw.githubusercontent.com/pipeless-ai/pipeless/main/install.sh | bash

Weitere Informationen und Installationsmöglichkeiten finden Sie hier.

Docker verwenden

Anstatt lokal zu installieren, können Sie alternativ Docker verwenden und sich die Zeit für die Installation von Abhängigkeiten sparen:

 docker run miguelaeh/pipeless --help

Um es mit CUDA zu verwenden:

 docker run miguelaeh/pipeless:latest-cuda --help

Zur Verwendung mit TensorRT verwenden Sie:

 docker run miguelaeh/pipeless:latest-tensorrt --help

Die gesamte Containerdokumentation finden Sie hier.

Erste Schritte

Ein Projekt starten:

 pipeless init my_project --template scaffold
cd my_project

Pipeless starten:

 pipeless start --stages-dir .

Stellen Sie einen Stream bereit:

 pipeless add stream --input-uri "https://pipeless-public.s3.eu-west-3.amazonaws.com/cats.mp4" --output-uri "screen" --frame-path "my-stage"

Der generierte Code ist eine leere Vorlage, die eine Bühne aufbaut, sodass sie nichts bewirkt. Bitte gehen Sie zu den Beispielen, um diesen Schritt abzuschließen.

Sie können das Projekt auch mit der interaktiven Shell erstellen:

Schauen Sie sich den vollständigen Leitfaden „Erste Schritte“ an oder stürzen Sie sich in die vollständige Dokumentation.

Beispiele?

Einige Beispiele finden Sie im examples . Kopieren Sie einfach diese Ordner in Ihr Projekt und spielen Sie damit.

Hier finden Sie die vollständige Liste der Beispiele und Schritt-für-Schritt-Anleitungen.

Benchmark?

Wir haben Pipeless auf mehreren verschiedenen Geräten bereitgestellt, damit Sie sich einen Überblick über die Leistung verschaffen können. Die Ergebnisse finden Sie im Benchmark-Abschnitt der Dokumentation.

Bemerkenswerte Änderungen

Bemerkenswerte Änderungen weisen auf wichtige Änderungen zwischen den Versionen hin. Bitte überprüfen Sie die gesamte Liste der bemerkenswerten Änderungen.

Mitwirken?

Vielen Dank für Ihr Interesse an einer Mitarbeit! Beiträge sind willkommen und erwünscht. Während wir an der Erstellung detaillierter Beitragsrichtlinien arbeiten, sind hier ein paar allgemeine Schritte für den Anfang:

1. Forken Sie dieses Repository.
2. Erstellen Sie einen neuen Zweig: git checkout -b feature-branch .
3. Nehmen Sie Ihre Änderungen vor und übernehmen Sie sie: git commit -m 'Add new feature' .
4. Übertragen Sie Ihre Änderungen auf Ihren Fork: git push origin feature-branch .
5. Öffnen Sie einen GitHub- Pull-Request, der Ihre Änderungen beschreibt.

Wir freuen uns über Ihre Hilfe bei der Verbesserung dieses Projekts!

Bitte beachten Sie, dass es bei größeren Änderungen oder neuen Funktionen sinnvoll ist, diese zuerst in einem Problem zu besprechen, damit wir die Bemühungen koordinieren können.

Lizenz?

Dieses Projekt ist unter der Apache-Lizenz 2.0 lizenziert.

Zusammenfassung der Apache-Lizenz 2.0

Die Apache-Lizenz 2.0 ist eine freizügige Open-Source-Lizenz, die Ihnen die Nutzung, Änderung und Verbreitung dieser Software für persönliche oder kommerzielle Zwecke ermöglicht. Es geht mit bestimmten Verpflichtungen einher, einschließlich der Nennung der Originalautoren und der Aufnahme des Originallizenztextes in Ihre Distributionen.

Den vollständigen Lizenztext finden Sie in der Apache-Lizenz 2.0.