【AG真人在线官网】英特尔推出OpenVINO工具包,聚焦边缘计算的视觉处理方案有哪些新意?

本文摘要:从混合型到专用型,从云端到终端最普遍的AI应用于阻抗。

AG真人在线官网

从混合型到专用型,从云端到终端最普遍的AI应用于阻抗。获得多个软件工具组,协助加快AI解决方案的开发周期。还采取以社和解决方案驱动的方法,扩大AI,丰富每个人的生活。

在工具方面,对于应用于开发商,英特尔为了提高性能和加快解决方案的部署,获得了很多工具。对于深度自学,开源的OpenVINO和英特尔MovidiusSDK可以通过模型的切换和优化获得英特尔各目标硬件优化的深度自学推测配置。

陈伟博士表示,OpenVINO于5月16日在世界上发表,经过过过去几个月的合作、研究开发、优化,7月27日下午月向中国市场发表。具有跨平台的灵活性,反对和相容的主流深度自学框架,计算边缘解决方案需要提高性能。开源也是我们的计划,开源的目的是使OpenVINO成为生态链的主要部分。

技术:发售OpenVINO工具包,帮助计算机视觉和深度自学开发记录:英特尔中国区物联网事业部首席技术人员兼首席技术人员张宇博士,英特尔中国区物联网事业部首席技术人员兼首席技术人员张宇博士说明了OpenVINO的技术细节。据介绍,OpenVINO是一款可以缓解高性能计算机视觉和深度自学视觉应用于研发的工具套件,需要反对英特尔平台的各种加速器,包括CPU、GPU、FPGA、Movidius的VPU,在开展深度自学的同时,还需要反对异构的持续执行。

用于的对象是软件开发者和研发、监视、零售、医疗、办公自动化、自动驾驶等领域的数据科学家。OpenVINO对深度自学和传统计算机视觉两种方法都有很好的反对,包括深度自学的部署工具套件,该工具套件可以协助开发人员将已经训练的网络模型部署到目标平台上,开展推理小说操作者。这种深度自学的配置套件主要包括两个网元,一个网元被称为模型优化器,另一个被称为推理小说引擎。

模型优化可以根据开发人员对外开放的深度自学框架开发的网络模型,对组合的目标平台进行优化,将这些优化结果转换为中间应答文件,完成IR文件。下一步,推理小说发动机不会加载这个IR文件,然后利用合适的硬件插件将这些IR文件iTunes放到合适的目标平台继续执行。同时,OpenVINO还包括传统的计算机视觉工具库,该工具库包括通过实际编译器、英特尔CPU优化的OpenCV3.3版本。

除了对OpenCV的反对外,在OpenVINO中,还包括对OpenVX和OpenVX在神经网络上扩展的反对,在媒体、视频、图像处理领域,还包括已经成熟的英特尔媒体软件开发套件Media-SDK,开发者可以方便地利用英特尔CPU集成显卡资源,构建视频代码、解码换操作者张宇博士也解释了如何利用英特尔深度自学部署工具套件开发深度自学的应用。目前流行的深度自学框架主要有Caffe、TensorFlow、MxNet3个,英特尔在设计OpenVINO时考虑了当前开发人员的习惯,因此模型优化器配备后,可以将这3个主要开发框架开发的网络引入英特尔平台文件中不包括优化后的网络开拓结构和优化后的模型参数和模型变量。该IR文件后面不会被推理小说引擎加载,推理小说引擎不会根据开发者组合的目标平台组合适的硬件插件,将最后的文件iTunes放在开发者的目标平台上。

目前反对的插件包括CPU插件、核心显示卡GPU插件、FPGA插件和MyriadVPU插件。插件用完后,可以将适当的IR文件iTunes放在目标平台上,开发人员可以通过一些测试程序或应用来检查正确性。检查结束后,可以将这些推理小说引擎和中间说明文件一起到iTunes,最后应用于开展部署,这是原始开展深度自学应用于开发的过程。

现在,英特尔通过向FPGA的插件,可以将中间文件iTunes放入英特尔Arria10的FPGA板卡上,调用DLA的库,在FPGA上构筑网络推理小说的操作者,或者通过MKLDN的插件,将中间文件iTunes放入英特尔的凌动处理器、酷睿处理器或强大的处理器下,在这些标准化的CPU上构筑深度自学的运营通过这样的插件,可以自由选择不同结构的计算结构,而且到今后为止,如果新的硬件结构必须反对的话,也可以设计适当的插件来构筑这样的反对扩展,不需要改变插件上的软件,可以降低开发者的开发成本。OpenVINO工具套件采访实质上是分层的,不同的开发人员可以根据自己的拒绝和开发能力自由选择不同的API模块调用OpenVINO。例如,公司实现工作系统,可以调用OpenVINO带来的脸部识别例子,根据公司员工的数据库实现适当的样品集,根据样品集的调用,可以找到现在的员工是否是这个数据库的员工。

OpenVINO已经获得了一些网络建设,即ModelZoo,可以在此建设的基础上建立适当的应用。总的来说,OpenVINO的优势有以下几点。

首先,在性能方面,通过OpenVINO,可以用于英特尔各种硬件的加速资源,包括CPU、GPU、VPU、FPGA,这些资源需要开发者协助提高深度自学的算法,才能实现推理小说时的性能,并且在继续执行过程中反对异构处置和异步继续执行,需要增加系统资源等闲置时间。此外,OpenVINO用于优化后的OpenCV和OpenVX,同时获得了许多应用于示例,可以延长研发时间。这些仓库反对异构的继续执行,一次后可以通过异构的模块在其他硬件平台上跑步。

在深度自学方面,OpenVINO具有模型优化器、推理小说引擎和最多20个预训模型,开发人员可以利用获得的工具,慢慢构建自己基于深度自学的应用,而且OpenVINO用于OpenCV、OpenVX的基础库最后,张宇展示了OpenVINO现在可以超越的性能水平。张宇队使用谷歌Nex这样的对外开放网络,在英特尔不同的硬件平台上进行了性能测试,将这些测试结果与现在市场上流行的平台结果进行了非常简单的比较,在英特尔的酷睿i77800X这个处理器平台上完成上述对外开放网络与FPGA产品相结合,其性能、功耗、成本比值的综合考虑因素性能约为1.4倍以上。如果使用Movidius,这种性能将超过5倍。

英特尔MovidiusVPU是低功耗电脑视觉和深度猜测的解决方案。在边缘计算中,可以用于多个Movidius的VPU,构建高强度、高效的媒体和视觉推测。

在终端,MovidiusVPU可以通过超低能耗获得优秀的推测吞吐量,可以作为物联网传感器、个人计算机和其他终端产品进行视觉处理和推测。应用于明确提出六个应用于方向和前景方案(公共编号:)记录:英特尔中国销售总经理王稚聪发表会的第三个环节,英特尔中国销售总经理王稚聪分享OpenVINO和人工智能技术的明确市场应用。在中国,英特尔明确提出了六个应用于方向和前景方案。交通监视。

使用英特尔FPGA和Movidius的相机捕捉数据,自动发送到下游十字路口系统,协助交通部门优化交通,制定计划。这些信息可以通过车载系统或需要向司机表达,协助他们规划路线。

公共安全。利用OpenVINO工具包开发的Myriad、VPU和算法,经过训练的深度神经网络现在可以利用推理小说功能标准化的脸部识别分析,识别下落不明的孩子。使用该技术的城市执法人员机构可以通过训练的数据集向人群报告失踪儿童的脸时,立即接到通报。

工业自动化。英特尔视觉解决方案可协助智能工厂融合OT和IT,重塑工业业务模式和快速增长战略。

生产控制自动简洁,可延长发售时间。机器的视觉。

利用人工智能加强工业机械视觉,反对更准确的工厂自动化应用。解决方案人组摄像头、计算机和算法,分析图像和视频,在边缘获取最重要的指导行动信息。号召式零售。

边缘用于英特尔计算机视觉解决方案的零售商,可以慢慢识别特定客户和客户的不道德模式,获得个性化的正确营销服务。运营管理。通过基于英特尔架构的计算机视觉解决方案,零售商可以简化运营、管理库存、优化供应链、强化促销能力,协助考古数据的更高价值。陈伟博士说:现在,数据驱动的技术重建了我们所在的世界,描绘了未来的无限可能性。

值得一提的是,中国市场在人工智能和计算机视觉上的应用处于世界领先地位,我们已经将中国市场的市场需求信息规划在未来的产品线上。相信在旋转的未来,我们不会看到更多来自中国市场的智能视觉创造力。最后,云从科技项目总监李军、大华公司研究开发中心副总裁殷俊、宇视研究开发副总裁AI产品线总监汤立波、科学研究院继续执行院长曹李军、中科英泰副总裁刘福利、大疆创新科技高级产品专家WilliamWu、阿里巴巴OS事业部智能硬件研究开发负责人马飞飞等英特尔合作伙伴代表争夺同一台,说明了与英特尔的合作历史,包括英特尔硬件和OpenVINO工具会后采访:会后,包括在内的很多媒体对这次会议的很多英特尔负责人进行采访,谈到OpenVINO和英特尔以前发售的SDK的本质区别,陈伟博士说:在英特尔物联网事业部,我们以前也发售过其他SDK。例如,MovidiususssDK,主要是媒体处理。

OpenVINO本质上包括Movidius和SDK,在此基础上进一步扩展了功能。功能的扩展主要反映在几个方面。一个是减少对深度自学的功能反对,可以看出我们有深度自学的配置工具套件。

包括模型优化器和推理小说引擎,这几乎是新的。另外,在MovidiusSDK的基础上,减少了OpenCV、OpenVX等现在在传统计算机视觉领域使用的广泛函数库的反对,这些函数库优化了英特尔的CPU。所以,与原来的MovidiusSDK相比,原本只是加快代码、解码,现在不仅可以加快解码,还可以进行视频处理,我们融合MovidiusSDK的目的是什么?我们看到了原始的视频处理系统,从其处理流程来看,第一步是编辑解码,解码后,将解码的图像交给适当的处理引擎,深入自学,或者传统的计算机视觉处理操作者,达到最后的结果。

我们将整条生产线中使用的所有工具包在OpenVINO中,开发人员可以使用工具满足所有市场需求。对此次采访中涉及OpenVINO的其他重要问题进行了不改变本意的编辑和整理:1.英特尔有关的参考设计方案,或者需要向客户获得末端的参考方案,在OpenVINO这个系统中应用得更慢?同时,在OpenVINO工具中,如果我的设备中没有FPGA、GPU、CPU和其他处理单元,如何规划其计算能力的优先级?顾典(英特尔技术专家):首先问第一个问题。为了更快地开发和部署客户的产品,我们是否有实力供应客户参考。

张博士的演说中也提到了一点。第一,我们有实际训练的模型,不包括OpenVINO的安装包。该模型大大设置,以前的版本是100多个模型,在我们现在的版本中已经扩展到150个模型。

英特尔刚刚提到发表了自己的s。DK和以前有什么不同。但是,另一个细节不同,人工智能和深度自学发展非常缓慢,网络模型的改版也非常缓慢。

我们发表了这样的软件工具,改版回来的速度也不能和以前不同的公里/小时处理。例如,OpenVINO今年上半年发表,下半年计划了相当大的改版,从改版的速度来看,我们也为了方便顾客的研究开发,延长顾客的时间。另外,OpenVINO中有一个叫OpenModel的Zoo,这不是一个非常简单的网络参考,而是基于一些网络组的融合,已经将明确的客户应用于实例开发,当然这个开发实例不是原始的完整应用,这只是参考,但客户基于OpenModelZoo第二个问题是,如果我们的设计目标系统有不同的硬件组件,例如我有FPGA和GPU,OpenVINO工具包里有类似的插件,被称为异构计算插件,在刚张博士的演说中,我们的目标系统中包含不同的硬件设备我在这里特别强调装备,不是新写的简单代码,而是把工作阻力分配给不同的硬件软件,我们没有比较简单的API,大家可以在里面写,哪个部分的Workload可以在GPU上构筑,哪个部分不反对硬件。这配置非常简单灵活,具有一定的定制化验证,最初没有一定的自学成本,但使用后,开发可玩性大幅度降低,对客户和合作伙伴来说,开发周期也没有很好的延长效果。

2.整个图片处理的算法还是很简单的,我们处理四元异构加速问题还是不存在的,不存在七八年的时间,我只是告诉你为什么在这样的节点上发售这样的产品,解决问题异构加速的重要问题,重要问题是怎样解决的顾典:在历史上所谓的处理计算机视觉的异构计算中,我们特别强调的是图像处理本身,例如包括标准化的核心处理,这些部分包括传统意义上的异构计算,即更偏向于图像异构处理的计算,从SOC的设计角度来看,这部分图像异构计算在过去非常广泛的发展历史阶段已经得到了充分的满足。为什么今天不特别强调异构计算,是因为人工智能给市场带来了新的计算需求。

例如,卷积神经网或深度自学网。网络类型的计算对图像处理是一个新的挑战,在这种新的计算市场需求下,我们明确提出了新的再计算概念。

从英特尔自身的优势来看,由于融合了CPU,核GPU和FPGA和VPU有不同的产品组合,从自身推进自己的产品平台的观点来看,也指出了必须协助顾客解决问题的问题。从这两个出发点来看,异构计算是因为市场需求问题不存在,也是因为我们必须推广产品。其中重要的问题之一是,在OpenVINO的开发工具中,考虑了如何使异构计算更加简单的方法,包括刚才提到的异构计算插件的解决方法。

张宇:我补充了一点。如果你看到整个趋势,英特尔产品线的变化趋势反映了我们对整个人工智能处理的识别。从以前开始,我们的产品线主要集中在标准化处理器和显示器和GPU上,这两个主要实现了比较标准化的逻辑计算和视频编解码的计算。

AG真人在线注册

到了人工智能,我们看到了Movidius和HDFPGA等比较专业的处理器,有广泛的场景,所以人工智能计算适应环境的结构是根据节点拒绝的多种结构,单一的不道德结构很难满足所有节点对人工智能计算的拒绝,这是我们的区别。根据这个区别,英特尔产品线近年来非常丰富,我们的FPGA和Movidius通过近几年的收购转移到英特尔产品中,为什么在这个时间节点上发售OpenVINO,硬件产品线非常丰富,开发人员在使用硬件时,他不期待不同的开发工具,有不同的开发语言,不会降低他的开发成本,所以开发人员必须标准化、统一的开发模块3.请问张博士。刚才说明的时候,OpenVINO的定义是需要加快高性能的视觉计算,包括深度自学视觉配置的研究开发速度套件,但是在终端应用中不仅是研究开发速度,还有可能对计算的效率、功耗更重要,所以OpenVINO在这些方面有计划吗?另外,算法也发展得很大,在相容性上有什么不同的算法呢张宇:在这方面考虑到研究开发的应用性,也考虑到研究开发后的效率。应用性主要反映在我们对对外开放的人工智能结构的反对中,目前开发人员基本上在Caffe、TensorFlow、MxNet和其他网络框架上开展开发,因此我们必须对这些框架的反对高效的反映主要反映在硬件的反对上,以前你写的模型只是在标准化处理器上跑步,终端设备中有发动机和核贞,有Movidius、FPGA,我们不协助你,把你写的模型放在这些发动机上顾典:实现一些补充。

除了张博士刚才谈到的,从算法效率的角度来看,我们在OpenVINO工具设计方面也做了非常细致的考虑。在刚才的解释中,提到OpenVINO的框架中有一些组件,如模型优化器,Modeloptimizer,Modeloptimizer,在Modeloptimizer这一级别的应用编程接口中,我们不会根据与广大生态合作伙伴积累的经验实施一些标准化优化策略。刚张博士的演说中也提到了分析的战略,我们不会用模型的优化器构筑。

这种层次算法效率的提高,其构建与基础硬件无关,这是一些标准化战略。另外,现在我们的OpenVINO版本已经开源于模型优化器。

这是开源版,根据开发者的经验可以自己定制优化战略,通过自己的特殊代码可以构成定制的扩展,扩展,引进模型后,可以优化你的模型减少的功能。这是第一个层面。

在第二个层面,如果我们启动转换成的模型,直到推断引擎,因为推断引擎最终不会将代码放在最下面的硬件上,我们不会在这个层面进入任何硬件类型,从而优化硬件部分。与硬件相关的这一部分的优化,开发者必须理解适当的硬件IP。

4.从英特尔的角度来看,人工智能在现阶段不是FPGA的好载体吗?另外,构筑了CPU、GPU类型的FPGA,与软件合作的CPU、GPU、VPU类型的结构项目有什么区别呢张宇:我指出现在人工智能处于初期阶段,我把它定义为实验科学,而不是理论科学。现在大家实现的很多算法实质上都是通过思考、实验的。例如,我用SSD检查,效果很好,这个算法的下限在哪里?这很多人说不清楚。因为现在的人工智能还缺乏理论的支持。

现在看人工智能,只是没有原始的理论体系,大家最好用各种各样的实验方法找到这个方法,使用某个明确的领域,但是这个方法限于到什么程度,改变领域是否需要限制,不能用实验方法进行检查,不能用理论方法进行检查是现在的人工智能现状。在这种情况下,我看到了整个人工智能芯片的发展。

目前,FPGA和CPU仍在使用不同算法的标准化处理器。然而,在一些前端设备中,由于算法相同,通过一些实验测试的算法可以相同。此时,使用更多的ASIC。

例如,在我的相机中,使用像Movidius这样的ASIC芯片来构建特定的算法更有效,因为算法相同,ASIC的效率必须最低,功耗也更低,需要满足前端设备对低功耗的拒绝。所以刚才你的问题,FPGA有FPGA的局限于场景,ASIC有ASIC的场景,标准化处理器也有标准化处理器的场景,特别是在训练阶段。所以,这是我现在整个人工智能发展现状的限制。

今后,如果理论更加完善,下一代处理器结构可能会频繁出现。当时人工智能芯片是什么样的?我们现在很难说,但是我们可以通过一种方式来展开阴影,用什么方法来展开阴影呢?我们可以比较块链。以比特币为例,虽然不说比特币的商业价值,但从理论价值来看,比特币的理论价值相对完善。

因为是基于哈希算法,所以相对来说算法相同的话,可以用相对来说相同的硬件构筑。因此,让我们看看比特币矿山芯片整体的发展阶段。第一阶段使用GPU和CPU,第二阶段使用FPGA。

FPGA具有一定的灵活性,同时性能功耗低。到了第三阶段就是ASIC。现在比特大陆等矿山机械制造商制作自己的芯片是因为他们的理论已经完善,人工智能也很可能相似,但是因为这个理论不是成熟期,所以很难预测今后人工智能芯片的价格是什么样的,现在这个阶段是根据特定的应用于场景训练自由选择的视觉运算实现当前视频类人工智能运算时,有一定程度的卷积神经网络这一要素,视频处理与其他要素有关,如视频来临后编码解码,与卷积神经网络不同,不可能构建在一定程度的框架中,因此需要高效的系统另外,深入自学的时候,也有切换图形的时候。

例如,如果有图形或处理,这些处理本身就不属于卷积的范畴,如果有适当的硬核的话效果就不会变高。因此,从整个系统的角度来看,如果有FPGA的资源,就有加快特定运算的资源,对系统的认可度不高。

因此,我们在设计芯片时,今年年底发售的下一代Movidius芯片被称为Myriadius,这也是融合的结构,是异构,其中有加快卷积神经网络的单元,也有加快图像编码的单元和加快图像处理的单元有关文章:英特尔将于2020年引进独立国家GPU,但CPU霸主开发高级GPU的历史辛酸英特尔戴金权:制作新的大数据分析AI平台AnalyticsZoo|CCF-GAIRof2018英特尔宣布收购eASIC,进一步加强结构化ASIC的设计能力下一篇文章发表了注意事项。

本文关键词:AG真人在线注册,AG真人在线登录,AG真人在线官网

本文来源:AG真人在线注册-www.cthdsc.com

You may also like...

相关文章

网站地图xml地图