Ultralytics YOLO11 على NVIDIA Jetson Orin Nano Super: سريع وفعّال

طُرحت مجموعة تطوير NVIDIA Jetson Orin Nano Super في 17 ديسمبر 2024، وهي حاسوب فائق مدمج وقوي للذكاء الاصطناعي التوليدي، صُمم لتوفير إمكانات متقدمة لـالحوسبة الطرفية. وتتيح المعالجة في الوقت الفعلي وتقلل الحاجة إلى الحوسبة السحابية. وتمكّن NVIDIA Jetson Orin Nano Super المطورين من بناء أنظمة ذكية منخفضة التكلفة تعمل بكفاءة في البيئات المحلية.

عند إقرانه بـنماذج Ultralytics YOLO مثل Ultralytics YOLO11، يستطيع Jetson Orin Nano Super التعامل مع مجموعة واسعة من تطبيقات ذكاء الرؤية الاصطناعي على الأجهزة الطرفية. وعلى وجه الخصوص، يُعد YOLO11 نموذجًا للرؤية الحاسوبية معروفًا بسرعته ودقته في مهام مثل اكتشاف الكائنات وتتبع الكائنات وتجزئتها.

يتيح الجمع بين إمكانات Ultralytics YOLO11 ووحدة GPU (وحدة معالجة الرسومات) القوية في المجموعة ودعمها لـأطر العمل مثل PyTorch وONNX وNVIDIA TensorRT عمليات نشر عالية الأداء. ويوفر هذا المزيج للمطورين حلًا فعّالًا لإنشاء تطبيقات الذكاء الاصطناعي، بدءًا من اكتشاف الكائنات في الروبوتات وصولًا إلى تتبعها في الوقت الفعلي ضمن المساحات الذكية وأنظمة البيع بالتجزئة.

في هذه المقالة، سنتناول مجموعة تطوير NVIDIA Jetson Orin Nano Super، وطريقة عملها مع Ultralytics YOLO11 في مجال الذكاء الاصطناعي الطرفي، ونتائج معايير الأداء، والتطبيقات الواقعية، وكيف يمكنها مساعدة المطورين على بناء مشاريع الذكاء الاصطناعي للرؤية.

ما مجموعة المطورين NVIDIA Jetson Orin Nano Super؟#

مجموعة تطوير NVIDIA Jetson Orin Nano Super حاسوب مدمج وقوي يوفّر الذكاء الاصطناعي التوليدي للأجهزة الطرفية الصغيرة. ويقدم أداءً للذكاء الاصطناعي يصل إلى 67 TOPS (تريليون عملية في الثانية)، ما يجعله مناسبًا تمامًا للمطورين والطلاب والهواة الذين يعملون على مشاريع متقدمة في الذكاء الاصطناعي.

فيما يلي بعض ميزاتها الرئيسية:

• أداء GPU: يعتمد الجهاز على وحدة GPU بمعمارية NVIDIA Ampere، وتضم 1,024 نواة CUDA و32 نواة Tensor. تعالج أنوية CUDA مهامًا كثيرة بالتوازي، ما يسرّع الحسابات المعقدة، بينما تتخصص أنوية Tensor في مهام الذكاء الاصطناعي مثل التعلم العميق.
• وحدة CPU قوية: تضم معالج Arm Cortex-A78AE سداسي النواة، المصمم لتحقيق التوازن بين السرعة والكفاءة. ويمكن للجهاز التعامل بسلاسة مع مهام متعددة مع إبقاء استهلاك الطاقة منخفضًا. وهذا مهم للأنظمة التي تعمل محليًا دون الوصول إلى مصادر طاقة كبيرة.
• ذاكرة فعّالة: تأتي المجموعة بذاكرة LPDDR5 (معدل بيانات مزدوج منخفض الطاقة 5) بسعة 8GB. وLPDDR5 نوع من ذاكرة RAM (ذاكرة الوصول العشوائي) محسّن للسرعة وكفاءة الطاقة، ما يسمح للجهاز بالتعامل مع مجموعات البيانات الكبيرة والمعالجة الآنية دون استهلاك مفرط للطاقة.
• خيارات الاتصال: تتضمن منافذ USB 3.2 لنقل البيانات بسرعة، ومنفذ Gigabit Ethernet لاتصالات شبكة قوية، وواجهات للكاميرا لدمج المستشعرات أو الكاميرات.
• أدوات تطوير الذكاء الاصطناعي: تعمل Jetson Orin Nano Super مع NVIDIA JetPack SDK، الذي يوفر أدوات مثل CUDA لتسريع الحوسبة وTensorRT لتحسين نماذج الذكاء الاصطناعي. وتسهّل هذه الأدوات على المطورين إنشاء تطبيقات الذكاء الاصطناعي ونشرها بسرعة وكفاءة.

معايير الأداء: Jetson Orin Nano Super مقابل Orin NX 16GB#

إذا كنت على دراية بأعمال NVIDIA، فقد تتساءل عن كيفية مقارنة هذا الإصدار الجديد بـNVIDIA Jetson Orin NX 16GB المتاح حاليًا (من دون وضع Super). ورغم أن Jetson Orin NX يوفر إمكانات إجمالية أعلى، فإن مجموعة المطورين Jetson Orin Nano Super تقدم أداءً لافتًا بجزء بسيط من التكلفة.

الشكل 2. نظرة على منظومة NVIDIA Jetson Orin.

إليك لمحة سريعة:

• أداء الذكاء الاصطناعي: توفر Jetson Orin Nano Super ما يصل إلى 67 TOPS، وهو أداء ممتاز لمعظم مهام الذكاء الاصطناعي الطرفي، بينما توفر Jetson Orin NX ما يصل إلى 100 TOPS للتطبيقات الأكثر تطلبًا.
• الذاكرة: تضم Jetson Orin Nano Super ذاكرة LPDDR5 بسعة 8GB، تكفي للمهام الآنية، بينما تضاعف Orin NX السعة إلى 16GB لأحمال العمل الأكبر.
• كفاءة الطاقة: تتميز Jetson Orin Nano Super بكفاءة أعلى في استهلاك الطاقة، ويمكن ضبطها بين 7W و25W، مقارنة بمتطلبات الطاقة الأعلى في Jetson Orin NX.
• GPU: تشترك الوحدتان في معمارية NVIDIA Ampere، مع 1,024 نواة CUDA و32 نواة Tensor لتوفير أداء قوي لوحدة GPU.

‏Ultralytics YOLO11 مع Jetson Orin Nano Super: نقل ذكاء الرؤية الاصطناعي إلى الأجهزة الطرفية#

بعد أن تعرفنا أكثر على Jetson Orin Nano Super، لنلقِ نظرة على كيفية توظيف YOLO11 لتوفير إمكانات ذكاء الرؤية الاصطناعي على الأجهزة الطرفية. تأتي نماذج Ultralytics YOLO، ومنها YOLO11، بأوضاع متعددة الاستخدامات مثل التدريب والتنبؤ والتصدير، ما يجعلها ملائمة لمجموعة متنوعة من سير عمل الذكاء الاصطناعي.

على سبيل المثال، في وضع التدريب، يمكن ضبط نماذج Ultralytics YOLO بدقة وتدريبها على مجموعات بيانات مخصصة لتطبيقات محددة، مثل اكتشاف أجسام فريدة أو تحسين الأداء لبيئات بعينها. وبالمثل، صُمم وضع التنبؤ للاستدلال، ما يتيح تنفيذ مهام الرؤية الحاسوبية في الوقت الفعلي. وأخيرًا، يمكن استخدام وضع التصدير لتحويل النماذج إلى صيغ محسّنة للنشر.

الشكل 3. تدعم نماذج Ultralytics YOLO ميزات وأوضاعًا متنوعة.

يدعم Ultralytics YOLO11 في وضع التصدير مجموعة من خيارات نشر النماذج، منها:

• NVIDIA TensorRT: هذه الصيغة محسّنة لوحدات GPU من NVIDIA، وتوفر استدلالًا عالي الأداء ومنخفض زمن الاستجابة على Jetson Orin Nano Super.
• ONNX (تبادل الشبكات العصبية المفتوحة): يتيح التوافق عبر منصات مختلفة، ما يجعله مرنًا ضمن منظومات العتاد والبرمجيات المتنوعة.
• TorchScript: هذه الصيغة مثالية للتطبيقات المبنية على PyTorch، وتسهّل دمجها في مسارات عمل PyTorch.
• TFLite (TensorFlow Lite): صيغة مصممة لعمليات نشر الذكاء الاصطناعي خفيفة الوزن، ما يجعلها مناسبة تمامًا للأنظمة المحمولة والمضمّنة.

باستخدام تنسيقات النشر هذه، يستطيع المطورون الاستفادة الكاملة من أجهزة Jetson Orin Nano Super لتشغيل Ultralytics YOLO11 في تطبيقات آنية مثل المساحات الذكية والروبوتات وأتمتة البيع بالتجزئة.

قياس أداء Ultralytics YOLO11 على NVIDIA Jetson Orin Nano Super#

والآن، لنلقِ نظرة على نتائج المعايير باستخدام صيغ مدعومة بتسريع GPU مثل PyTorch وONNX وTensorRT، لمعرفة مدى سرعة تشغيل Ultralytics YOLO11 على NVIDIA Jetson Orin Nano Super. تُظهر هذه الاختبارات أن أزمنة الاستدلال لنماذج YOLO11 على Jetson Orin Nano Super تضاهي أحيانًا أزمنة جهاز Jetson Orin NX 16GB الحالي، بل تتفوق عليها أحيانًا (من دون وضع Super).

الشكل 4. قياس أداء Ultralytics YOLO11 على NVIDIA Jetson Orin Nano Super.

ما يجعل ذلك أكثر إثارة للإعجاب هو سعر Jetson Orin Nano Super المعقول. فهو يقدم هذا الأداء بأقل من نصف سعر Jetson Orin NX 16GB، ما يوفر قيمة كبيرة للمطورين الذين يبنون تطبيقات Ultralytics YOLO11 عالية الأداء. ويجعل الجمع بين التكلفة والأداء من Jetson Orin Nano Super خيارًا ممتازًا لمهام الذكاء الاصطناعي للرؤية في الوقت الفعلي على الأجهزة الطرفية.

الشكل 5. قياس أداء Ultralytics YOLO11 على Jetson Orin NX 16GB.

جرّب Ultralytics YOLO11 وNVIDIA Jetson Orin Nano Super عمليًا#

إذا كنت متحمسًا للبدء بنشر Ultralytics YOLO11 على Jetson Orin Nano Super، فالإجراء بسيط. بعد كتابة صورة النظام على جهازك باستخدام NVIDIA JetPack SDK، يمكنك إما استخدام صورة Docker مُعدّة مسبقًا للإعداد السريع أو تثبيت الحزم اللازمة يدويًا.

لأسرع إعداد، تُعد حاوية JetPack 6 المحدّثة في Docker الخيار الأبسط. حاوية Docker بيئة محمولة وخفيفة الوزن تتضمن جميع الأدوات والتبعيات اللازمة لتشغيل برامج محددة.

تأتي حاوية Ultralytics، المحسّنة لـJetPack 6.1، مجهزة مسبقًا بـCUDA 12.6 وTensorRT 10.3 وأدوات أساسية مثل PyTorch وTorchVision، وجميعها مهيأة لمعمارية ARM64 في Jetson. وباستخدام هذه الحاوية، يستطيع المطورون توفير وقت الإعداد والتركيز على إنشاء تطبيقات ذكاء الرؤية الاصطناعي وتحسينها باستخدام YOLO11.

تطبيقات Ultralytics YOLO11 على NVIDIA Jetson Orin Nano Super#

لمن يبحثون عن أفكار لمشروع الذكاء الاصطناعي المقبل، تحيط بنا فرص تطبيقات الرؤية الحاسوبية الطرفية.

يغيّر الذكاء الاصطناعي الطرفي المساحات الذكية في الحياة اليومية، إذ يتيح للأنظمة اكتشاف الأجسام وتعقّبها في الوقت الفعلي من دون الاعتماد على المعالجة السحابية. سواء أكان الأمر مراقبة حركة المرور في مدينة مزدحمة أم تحديد الأنشطة غير المعتادة في الأماكن العامة، فإن الذكاء الاصطناعي للرؤية على الأجهزة الطرفية يعزز الأمن والكفاءة.

تستفيد شركات البيع بالتجزئة أيضًا من الذكاء الاصطناعي الطرفي والرؤية الحاسوبية. فمن عمليات فحص المخزون المؤتمتة إلى منع السرقة، تتيح نماذج مثل Ultralytics YOLO11 للشركات نشر حلول آنية مباشرةً في المتاجر.

وبالمثل، في الذكاء الاصطناعي في الرعاية الصحية، تساعد المراقبة القائمة على الأجهزة الطرفية على حماية سلامة المرضى واكتشاف الحالات الشاذة ودعم الامتثال، من دون تأخيرات ناجمة عن الاعتماد على السحابة. ومع أدوات مثل Jetson Orin Nano Super وUltralytics YOLO11، يتبلور مستقبل الذكاء الاصطناعي للرؤية مباشرةً على الأجهزة الطرفية، حيث تشتد الحاجة إليه.

أبرز النقاط#

يوفر نشر نماذج Ultralytics YOLO مثل YOLO11 على مجموعة تطوير NVIDIA Jetson Orin Nano Super حلًا موثوقًا وفعالًا لتطبيقات الذكاء الاصطناعي الطرفي. وبفضل أداء GPU القوي والدعم الأصلي لـ PyTorch وONNX وTensorRT ونتائج المعايير المبهرة، فهو مناسب تمامًا لمهام الرؤية الحاسوبية في الوقت الفعلي، مثل اكتشاف الأجسام وتعقّبها.

تغيّر التطورات في الذكاء الاصطناعي للرؤية وتسريع العتاد أساليب عملنا، وتساعد المطورين على بناء حلول قابلة للتوسع وعالية الأداء على الأجهزة الطرفية. ومع تقدم الذكاء الاصطناعي، تجعل أدوات مثل Ultralytics YOLO11 وJetson Orin Nano Super تقديم حلول ذكية وفورية أسهل من أي وقت مضى.

هل تهتم بالذكاء الاصطناعي؟ تفضل بزيارة مستودع GitHub للاطلاع على مساهماتنا والتفاعل مع مجتمعنا. تعرّف على كيفية توظيفنا للذكاء الاصطناعي لإحداث أثر في قطاعات مثل الزراعة والرعاية الصحية.