نشر نماذج Ultralytics YOLOv8 المكممة على أجهزة الحافة باستخدام DeGirum

مرحباً بكم في ملخص حوار ثري آخر من فعاليتنا YOLO VISION 2023 (YV23)، الذي أقيم في حرم Google for Startups النابض بالحياة في مدريد. قدم هذا الحوار Shashi Chilappagar، المهندس المعماري الرئيسي والمؤسس المشارك في DeGirum. وقد تعمق الحوار في عالم التكميم الرائع ونشر النماذج المكممة، مستكشفاً التحديات الرئيسية والحلول والإمكانيات المستقبلية.

Link to this sectionمقدمة حول التكميم ونشر النماذج المكممة#

قدم Shashi نظرة عامة شاملة حول التكميم، مسلطاً الضوء على أهميته في تحسين نماذج Ultralytics YOLO للنشر على أجهزة الحافة. بدءاً من مناقشة الأساسيات وصولاً إلى استكشاف أساليب تحسين التكميم، اكتسب الحضور رؤى قيمة حول تعقيدات نقل النماذج ونشرها.

Link to this sectionتحديات تكميم نماذج YOLO#

غالباً ما يطرح التكميم تحديات، خاصة مع نماذج YOLO في TFLite. تعرف جمهورنا على الانخفاض الكبير في الدقة الملاحظ عند تكميم جميع المخرجات بنفس المقياس/نقطة الصفر، مما سلط الضوء على تعقيدات الحفاظ على دقة النموذج أثناء عملية التكميم.

Link to this sectionتحسين تكميم نماذج YOLO#

لحسن الحظ، توجد حلول لمعالجة هذه التحديات. يوفر تقديم نسخة DeGirum نهجاً صديقاً للتكميم من خلال فصل المخرجات وتحسين فك تشفير المربعات المحيطة. ومع هذه التحسينات، تشهد دقة النماذج المكممة تحسناً ملحوظاً عن مستويات خط الأساس.

Link to this sectionبنيات نماذج أكثر ملاءمة للتكميم#

يعد استكشاف بنيات نماذج جديدة أمراً أساسياً لتقليل فقدان التكميم. اكتشف الحضور كيف يؤدي استبدال SiLU بدالة التنشيط Bounded ReLU6 إلى حد أدنى من فقدان التكميم، مما يوفر نتائج واعدة للحفاظ على الدقة في النماذج المكممة.

Link to this sectionنشر النماذج المكممة#

لم يكن نشر النماذج المكممة أسهل من أي وقت مضى، حيث يلزم فقط خمسة أسطر من الكود لتشغيل أي نموذج على منصة DeGirum السحابية. عرض توضيحي حي للكود أظهر بساطة اكتشاف الكائنات باستخدام نموذج Ultralytics YOLOv5 مكمم، مما سلط الضوء على التكامل السلس للنماذج المكممة في التطبيقات الواقعية.

وتحقيقاً لهذه الغاية، توفر Ultralytics مجموعة متنوعة من خيارات نشر النماذج، مما يتيح للمستخدمين النهائيين نشر تطبيقاتهم بفعالية على الأجهزة المدمجة وأجهزة الحافة. تشمل تنسيقات التصدير المختلفة OpenVINO و TorchScript و TensorRT و CoreML و TFLite و TFLite Edge TPU، مما يوفر تنوعاً وتوافقاً.

يسمح هذا التكامل مع تطبيقات الطرف الثالث للنشر للمستخدمين بتقييم أداء نماذجنا في سيناريوهات واقعية.

Link to this sectionاستخدام نماذج مختلفة على أجهزة مختلفة#

اكتسب الحضور أيضاً رؤى حول تنوع نشر نماذج مختلفة على منصات أجهزة متنوعة، مما يوضح كيف يمكن لقاعدة كود واحدة دعم نماذج متعددة عبر مسرعات مختلفة. أوضحت أمثلة تشغيل مهام اكتشاف مختلفة على منصات أجهزة متنوعة المرونة وقابلية التوسع لنهجنا.

Link to this sectionالموارد والوثائق#

ولتمكين الحضور بشكل أكبر، قدمنا قسماً شاملاً للموارد، يوفر الوصول إلى منصتنا السحابية، والأمثلة، والوثائق، والمزيد. هدفنا هو ضمان حصول الجميع على الأدوات والدعم الذي يحتاجونه للنجاح في نشر النماذج المكممة بفعالية.

Link to this sectionختاماً#

مع تطور مجال التكميم (quantization)، من الضروري البقاء على اطلاع ومشاركة. نحن ملتزمون بتوفير الدعم والموارد المستمرة لمساعدتك في خوض هذه الرحلة المثيرة. شاهد العرض التقديمي الكامل Watch the full talk!

انضم إلينا بينما نواصل استكشاف أحدث الاتجاهات والابتكارات في التعلم الآلي والذكاء الاصطناعي. معاً، نشكل مستقبل التكنولوجيا ونقود تغييراً إيجابياً في العالم.