نشر نماذج Ultralytics YOLOv8 المكمّمة على الأجهزة الطرفية باستخدام DeGirum

مرحبًا بكم في ملخص حديث آخر ثري بالمعلومات من فعالية رؤية YOLO لعام 2023 (YV23) التي أقمناها في حرم Google for Startups النابض بالحياة في مدريد. قدّم هذا الحديث Shashi Chilappagar، المهندس المعماري الرئيسي والشريك المؤسس في DeGirum. وتناول الحديث عالم التكميم ونشر النماذج المُكمَّمة، مستكشفًا التحديات الرئيسية والحلول والإمكانات المستقبلية.

مقدمة إلى التكميم ونشر النماذج المُكمَّمة#

قدّم Shashi نظرة شاملة على التكميم، مسلطًا الضوء على أهميته في تحسين نماذج Ultralytics YOLO لنشرها على أجهزة الحافة. ومن خلال مناقشة الأساسيات واستكشاف أساليب تحسين التكميم، اكتسب الحضور رؤى قيّمة حول تعقيدات نقل النماذج ونشرها.

تحديات تكميم نماذج YOLO#

غالبًا ما يطرح التكميم تحديات، لا سيما مع نماذج YOLO في TFLite. وتعرّف جمهورنا على الانخفاض الكبير في الدقة الملحوظ عند تكميم جميع المخرجات باستخدام مقياس/نقطة صفر موحّدة، ما ألقى الضوء على تعقيدات الحفاظ على دقة النموذج أثناء عملية التكميم.

تحسين تكميم نماذج YOLO#

لحسن الحظ، توجد حلول لمعالجة هذه التحديات. إذ يقدّم تفرّع DeGirum نهجًا ملائمًا للتكميم من خلال فصل المخرجات وتحسين فك ترميز مربعات الإحاطة. ومع هذه التحسينات، تتحسن دقة النموذج المُكمَّم تحسنًا كبيرًا مقارنةً بالمستويات الأساسية.

بنى نماذج أكثر ملاءمة للتكميم#

يُعد استكشاف بنى نماذج جديدة أمرًا أساسيًا لتقليل فقدان التكميم. واكتشف الحضور أن استبدال دالة التنشيط SiLU بدالة التنشيط ReLU6 المقيّدة يؤدي إلى فقدان ضئيل في التكميم، ما يقدّم نتائج واعدة للحفاظ على الدقة في النماذج المُكمَّمة.

نشر النماذج المُكمَّمة#

لم يَعُد نشر النماذج المُكمَّمة أكثر سهولة من أي وقت مضى، إذ لا يتطلب تشغيل أي نموذج على منصة DeGirum السحابية سوى خمسة أسطر من التعليمات البرمجية. وقد أظهر عرض حي للتعليمات البرمجية مدى سهولة اكتشاف الكائنات باستخدام نموذج Ultralytics YOLOv5 مُكمَّم، مسلطًا الضوء على التكامل السلس للنماذج المُكمَّمة في التطبيقات الواقعية.

وفي هذا السياق، توفّر Ultralytics مجموعة متنوعة من خيارات نشر النماذج، ما يمكّن المستخدمين النهائيين من نشر تطبيقاتهم بفعالية على الأجهزة المضمّنة وأجهزة الحافة. وتشمل تنسيقات التصدير المختلفة OpenVINO وTorchScript وTensorRT وCoreML وTFLite وTFLite Edge TPU، ما يوفّر تنوعًا وتوافقًا.

يتيح هذا التكامل مع تطبيقات الجهات الخارجية لأغراض النشر للمستخدمين تقييم أداء نماذجنا في سيناريوهات واقعية.

استخدام نماذج مختلفة على عتاد مختلف#

اكتسب الحضور أيضًا رؤى حول مرونة نشر نماذج مختلفة على منصات عتادية متنوعة، موضحين كيف يمكن لقاعدة تعليمات برمجية واحدة دعم نماذج متعددة عبر مسرّعات مختلفة. وأظهرت أمثلة على تشغيل مهام كشف مختلفة على منصات عتادية متنوعة مرونة نهجنا وقابليته للتوسع.

الموارد والوثائق#

ولتمكين الحضور بشكل أكبر، قدّمنا قسمًا شاملًا للموارد يوفّر الوصول إلى منصتنا السحابية والأمثلة والوثائق وغير ذلك. ويتمثل هدفنا في ضمان امتلاك الجميع الأدوات والدعم اللازمين للنجاح في نشر النماذج المُكمَّمة بفعالية.

في الختام#

مع تطور مجال التكميم، من الضروري البقاء على اطلاع ومشاركة فعّالة. ونحن ملتزمون بتوفير الدعم والموارد المستمرين لمساعدتكم على خوض هذه الرحلة المشوقة. اطّلعوا على الحديث الكامل شاهدوا الحديث الكامل!

انضموا إلينا بينما نواصل استكشاف أحدث الاتجاهات والابتكارات في تعلّم الآلة والذكاء الاصطناعي. فنحن معًا نشكّل مستقبل التقنية وندفع عجلة التغيير الإيجابي في العالم.