[2024-กันยายน] ปล่อย 10.0 เสร็จแล้ว SDK, edgeai-tidl-tools และ edgeai-tensorlab ได้รับการอัปเดตแล้ว
รายละเอียดเพิ่มเติมอยู่ในบันทึกประจำรุ่น
นอกจากนี้ โปรดดูบันทึกประจำรุ่นของ SDK, บันทึกประจำรุ่นของ edgeai-tidl-tools และบันทึกประจำรุ่นของ edgeai-tensorlab
หน้า Landing Page ของเอกสารของเรามีดังต่อไปนี้:
https://www.ti.com/edgeai : หน้าเทคโนโลยีสรุปผลิตภัณฑ์ซอฟต์แวร์/ฮาร์ดแวร์ edge AI ของ TI
https://github.com/TexasInstruments/edgeai : หน้า Landing Page สำหรับนักพัฒนาเพื่อทำความเข้าใจซอฟต์แวร์และเครื่องมือโดยรวมที่นำเสนอ
ที่เก็บข้อมูลของเราได้รับการปรับโครงสร้างใหม่ : โปรดไปที่ตารางด้านล่างเพื่อทำความเข้าใจว่าขณะนี้มีที่เก็บหลายแห่งที่บรรจุอยู่ใน edgeai-tensorlab
การอนุมานแบบฝังของโมเดล Deep Learning ค่อนข้างท้าทาย - เนื่องจากความต้องการการประมวลผลสูง ผลิตภัณฑ์ซอฟต์แวร์ที่ครอบคลุม Edge AI ของ TI ช่วยเพิ่มประสิทธิภาพและเร่งการอนุมานบนอุปกรณ์ฝังตัวของ TI รองรับการดำเนินการ DNN ที่ต่างกันข้าม MPU ที่ใช้ cortex-A, C7x DSP รุ่นล่าสุดของ TI และตัวเร่ง DNN (MMA)
โซลูชัน Edge AI ของ TI ช่วยลดความยุ่งยากในวงจรชีวิตผลิตภัณฑ์ทั้งหมดของการพัฒนาและการปรับใช้ DNN โดยมอบชุดเครื่องมือที่หลากหลายและไลบรารีที่ได้รับการปรับปรุงให้เหมาะสม
รูปด้านล่างนี้ให้ข้อมูลสรุปในระดับสูงของเครื่องมือที่เกี่ยวข้อง: 
ตารางด้านล่างแสดงคำอธิบายโดยละเอียดของเครื่องมือแต่ละรายการ:
| หมวดหมู่ | เครื่องมือ/ลิงค์ | วัตถุประสงค์ | ไม่ใช่ |
|---|---|---|---|
| เครื่องมือการอนุมาน (และการรวบรวม) | edgeai-tidl-เครื่องมือ | เพื่อทำความคุ้นเคยกับการรวบรวมโมเดลและโฟลว์การอนุมาน - การหาปริมาณหลังการฝึกอบรม - เวลาแฝงมาตรฐานพร้อมโมเดลตัวอย่างนอกกรอบ (10+) - รวบรวมผู้ใช้ / โมเดลที่กำหนดเองสำหรับการปรับใช้ - การอนุมานโมเดลที่คอมไพล์แล้วบน X86_PC หรือ TI SOC โดยใช้อินพุตและเอาต์พุตฐานไฟล์ - Docker สำหรับการตั้งค่าสภาพแวดล้อมการพัฒนาที่ง่ายดาย | - ไม่รองรับความแม่นยำในการเปรียบเทียบของโมเดลที่ใช้ TIDL กับชุดข้อมูลมาตรฐาน เช่น - การเปรียบเทียบความแม่นยำโดยใช้ชุดข้อมูล MS COCO สำหรับโมเดลการตรวจจับวัตถุ โปรดดู edgeai-benchmark สำหรับสิ่งเดียวกัน - ไม่รองรับการพัฒนาไปป์ไลน์แบบ end-to-end จากกล้อง การแสดงผล และการอนุมาน โปรดดู Edge AI SDK สำหรับการใช้งานดังกล่าว |
| เครื่องมือเลือกรุ่น | Edge AI Studio: เครื่องมือเลือกโมเดล | ทำความเข้าใจสถิติประสิทธิภาพของโมเดล เช่น FPS เวลาแฝง ความแม่นยำ และแบนด์วิดท์ DDR ค้นหารุ่นที่ตรงกับเป้าหมายด้านประสิทธิภาพและความแม่นยำของคุณได้ดีที่สุดบนโปรเซสเซอร์ TI จาก TI Model Zoo | |
| สภาพแวดล้อมแบบบูรณาการสำหรับการฝึกอบรมและการรวบรวม | Edge AI Studio: ตัววิเคราะห์โมเดล | สภาพแวดล้อมบนเบราว์เซอร์เพื่อให้สามารถประเมินโมเดลด้วยฟาร์ม TI EVM - อนุญาตให้มีการประเมินโมเดลโดยไม่ต้องมีการตั้งค่าซอฟต์แวร์/ฮาร์ดแวร์ที่ฝั่งผู้ใช้ - ผู้ใช้สามารถจอง EVM จากฟาร์ม TI EVM และดำเนินการประเมินโมเดลโดยใช้สมุดบันทึก jupyter - เครื่องมือการเลือกรุ่น : เพื่อจัดเตรียมสถาปัตยกรรมโมเดลที่เหมาะสมสำหรับอุปกรณ์ TI | - ไม่รองรับการพัฒนาไปป์ไลน์แบบ end-to-end จากกล้อง การแสดงผล และการอนุมาน โปรดดู Edge AI SDK สำหรับการใช้งานดังกล่าว |
| เหมือนกัน | Edge AI Studio: โมเดลนักแต่งเพลง | สภาพแวดล้อมแบบรวมที่ใช้ GUI สำหรับการจับชุดข้อมูล คำอธิบายประกอบ การฝึกอบรม การรวบรวมพร้อมการเชื่อมต่อกับบอร์ดพัฒนา TI - นำ/บันทึกข้อมูลของคุณเอง ใส่คำอธิบายประกอบ เลือกแบบจำลอง ดำเนินการฝึกอบรม และสร้างสิ่งประดิษฐ์สำหรับการปรับใช้บน SDK - ดูตัวอย่างสดเพื่อตอบรับอย่างรวดเร็ว | - ไม่รองรับเวิร์กโฟลว์ Bring Your Own Model |
| ชุดพัฒนาซอฟต์แวร์ Edge AI | อุปกรณ์และ SDK | SDK เพื่อพัฒนาไปป์ไลน์ AI แบบ end-to-end ด้วยกล้อง การอนุมาน และการแสดงผล - รันไทม์การอนุมานที่แตกต่างกัน: TFLiteRT, ONNXRT, NEO AI DLR, TIDL-RT - กรอบงาน: openVX, gstreamer - ไดรเวอร์อุปกรณ์: กล้อง, จอแสดงผล, ระบบเครือข่าย - ระบบปฏิบัติการ: ลินุกซ์, RTOS - อาจใช้โมดูลซอฟต์แวร์อื่นๆ: ตัวแปลงสัญญาณ, OpenCV,... |
| หมวดหมู่ | เครื่องมือ/ลิงค์ | วัตถุประสงค์ | ไม่ใช่ |
|---|---|---|---|
| สวนสัตว์จำลอง การฝึกอบรมโมเดล การรวบรวม/เกณฑ์มาตรฐาน และเครื่องมือที่เกี่ยวข้อง | edgeai-tensorlab | เพื่อจัดหาซอฟต์แวร์การฝึกอบรมโมเดล การรวบรวมโมเดลที่ได้รับการฝึกล่วงหน้า และเอกสารประกอบ และการคอมไพล์/สคริปต์มาตรฐาน รวมถึง edgeai-modelzoo, edgeai-benchmark, edgeai-modeloptimization, edgeai-modelmaker, edgeai-torchvision, edgeai-mmdetection และที่เก็บข้อมูลดังกล่าว |
นำเวิร์กโฟลว์โมเดลของคุณเอง (BYOM): 
ฝึกอบรมเวิร์กโฟลว์โมเดลของคุณเอง (TYOM): 
นำขั้นตอนการทำงานข้อมูลของคุณเอง (BYOD): 
เอกสารทางเทคนิคสามารถพบได้ในเอกสารประกอบของแต่ละพื้นที่เก็บข้อมูล ที่นี่เรามีคอลเลกชันรายงานทางเทคนิคและบทช่วยสอนที่ให้ภาพรวมระดับสูงในหัวข้อต่างๆ
รายงาน Edge AI Tech ใน edgeai-tensorlab
อ่าน สิ่งพิมพ์ด้านเทคนิค ของเราบางส่วน
ตัวติดตามปัญหาสำหรับ Edge AI Studio แสดงอยู่ในหน้า Landing Page
ตัวติดตามปัญหาสำหรับ TIDL : โปรดใส่แท็ก TIDL (เมื่อคุณสร้างปัญหาใหม่ จะมีช่องว่างให้ใส่แท็กที่ด้านล่างของหน้า)
ตัวติดตามปัญหาสำหรับ Edge AI SDK โปรดใส่แท็ก EDGEAI (เมื่อคุณสร้างปัญหาใหม่ จะมีช่องว่างให้ใส่แท็กที่ด้านล่างของหน้า)
เครื่องมือติดตามปัญหาสำหรับ ModelZoo, Model Benchmark & Deep Neural Network Training Software: โปรดใส่แท็ก MODELZOO (เมื่อคุณสร้างปัญหาใหม่ จะมีช่องว่างสำหรับป้อนแท็ก ที่ด้านล่างของหน้า)
โปรดดูไฟล์ใบอนุญาตสำหรับข้อมูลเพิ่มเติมเกี่ยวกับใบอนุญาตภายใต้พื้นที่เก็บข้อมูลที่เชื่อมโยงไปถึงนี้ ไฟล์ LICENSE ของแต่ละพื้นที่เก็บข้อมูลอยู่ภายในพื้นที่เก็บข้อมูลนั้น
