Exécuter les modèles Ultralytics YOLO sur le PC IA d’Intel avec OpenVINO

YOLO Vision 2024 (YV24), l’événement hybride annuel d’Ultralytics, a réuni des passionnés d’IA, des développeurs et des experts du monde entier pour explorer les dernières innovations en vision par ordinateur. YV24 a été une excellente occasion et une plateforme idéale pour discuter des nouvelles avancées. L’événement a accueilli des acteurs majeurs du secteur de l’IA, qui ont présenté leurs dernières innovations. Intel était notamment présent et a donné une présentation consacrée à son nouveau PC IA révolutionnaire et à l’intégration d’Intel OpenVINO avec des modèles YOLO Ultralytics comme Ultralytics YOLO11.

La présentation était animée par Adrian Boguszewski, évangéliste logiciel, coauteur du jeu de données LandCover.ai et chargé de former les développeurs à la boîte à outils OpenVINO d’Intel, ainsi que par Dmitriy Pastushenkov, évangéliste PC IA fort de plus de 20 ans d’expérience en automatisation industrielle et en IA. Pendant l’événement, Adrian a fait part de son enthousiasme : « C’est un événement formidable aujourd’hui, non seulement parce qu’Ultralytics a lancé une nouvelle version de YOLO, mais aussi parce que nous pouvons présenter ce nouveau modèle fonctionnant sur notre nouveau matériel, ainsi qu’une nouvelle version d’OpenVINO. »

Dans cet article, nous examinerons les principaux points de la présentation d’Intel à YV24, en nous penchant sur les détails de son PC IA, de la série Intel Core Ultra 200V et de son intégration avec les modèles YOLO Ultralytics à l’aide de la boîte à outils OpenVINO. Commençons !

Les technologies d’IA de pointe en 2024#

Dmitriy a commencé la présentation en détaillant les principales différences entre l’IA traditionnelle et l’IA générative. L’accent a été mis sur l’évolution de ces technologies et de leurs cas d’utilisation en 2024. Les techniques traditionnelles d’IA, comme la vision par ordinateur et le traitement automatique du langage naturel, sont essentielles pour des tâches comme l’estimation de pose, la détection d’objets et la reconnaissance vocale. L’IA générative représente toutefois une nouvelle vague de technologies d’IA, qui englobe des applications telles que les chatbots, la génération de texte à partir d’images, l’écriture de code et même la génération de vidéos à partir de texte.

Fig. 1. Adrian et Dmitriy d’Intel sur scène à YV24, discutant des cas d’utilisation de l’IA.

Dmitriy a souligné la différence d’échelle entre les deux. Il a expliqué que, tandis que les modèles d’IA traditionnels sont constitués de millions de paramètres, les modèles d’IA générative fonctionnent à une échelle bien plus grande. Les modèles d’IA générative impliquent souvent des milliards, voire des milliers de milliards de paramètres, ce qui les rend beaucoup plus exigeants en ressources de calcul.

Le PC IA d’Intel : une nouvelle frontière matérielle pour l’IA#

Dmitriy a présenté le PC IA d’Intel comme une nouvelle solution matérielle conçue pour relever les difficultés croissantes liées à l’exécution efficace des modèles d’IA traditionnels et génératifs. Le PC IA d’Intel est une machine puissante et économe en énergie. Il peut exécuter localement un large éventail de modèles d’IA, sans nécessiter de traitement dans le cloud.

Le traitement local contribue à préserver la confidentialité des données. Lorsque les modèles d’IA peuvent fonctionner indépendamment des connexions Internet, les préoccupations éthiques des secteurs en matière de confidentialité et de sécurité trouvent une réponse.

Le processeur Intel Core Ultra 200V Series est le moteur du PC IA d’Intel. Ce processeur intègre trois composants clés : l’unité centrale de traitement (CPU), l’unité de traitement graphique (GPU) et l’unité de traitement neuronal (NPU). Chacun joue un rôle spécifique dans la gestion de différents types de charges de travail liées à l’IA. Le CPU est idéal pour les tâches plus petites à faible latence nécessitant des réponses rapides, tandis que le GPU est optimisé pour les opérations à haut débit, comme l’exécution de modèles d’IA. Le NPU, conçu pour être économe en énergie, convient parfaitement aux tâches de longue durée comme la détection d’objets en temps réel avec des modèles tels que YOLO11.

Il a été précisé que le CPU peut atteindre 5 TOPS (billions d’opérations par seconde), le GPU jusqu’à 67 TOPS, tandis que le NPU permet d’exécuter des tâches d’IA en continu de manière économe en énergie, sans épuiser les ressources du système.

Les avancées d’Intel en matière d’IA : Intel Core Ultra 200V Series#

Le processeur Intel Core Ultra 200V Series intègre les trois moteurs d’IA — NPU, CPU et GPU — dans une seule petite puce. Sa conception convient parfaitement aux appareils compacts comme les ordinateurs portables, sans sacrifier les performances.

Le processeur intègre également de la RAM, ce qui réduit le besoin de cartes graphiques distinctes. Cela contribue à diminuer la consommation d’énergie et à conserver un appareil compact. Dmitriy a également insisté sur la flexibilité du processeur. Tu peux choisir d’exécuter les modèles d’IA sur le CPU, le GPU ou le NPU, selon la tâche. Par exemple, la détection d’objets avec des modèles YOLO11 peut être exécutée sur n’importe lequel de ces moteurs, tandis que des tâches plus complexes, comme la génération d’images à partir de texte, peuvent utiliser simultanément le GPU et le NPU pour améliorer les performances.

Pendant la présentation, Dmitriy a sorti la puce de sa poche, permettant à chacun de se rendre compte de sa taille réelle, malgré sa capacité à gérer des tâches d’IA aussi avancées. C’était une manière amusante et mémorable de montrer comment Intel rend les puissantes capacités d’IA accessibles à des appareils plus portables et pratiques.

Fig. 2. Le processeur Intel Core Ultra 200V tient dans une poche.

Optimiser les modèles d’IA avec Intel OpenVINO#

Après avoir présenté les dernières avancées matérielles d’Intel, Dmitriy est passé à la pile logicielle d’Intel dédiée à l’IA. Il a présenté OpenVINO, un framework open source d’Intel conçu pour optimiser et déployer efficacement des modèles d’IA sur différents appareils. OpenVINO ne se limite pas aux tâches visuelles et prend également en charge les modèles d’IA utilisés pour le traitement automatique du langage naturel, le traitement audio, les Transformers, etc.

OpenVINO est compatible avec des plateformes populaires comme PyTorch, TensorFlow, et ONNX, et les développeurs peuvent facilement l’intégrer à leurs workflows. Il a notamment attiré l’attention sur la quantification. La quantification compresse les poids des modèles afin de réduire leur taille, permettant ainsi aux grands modèles de s’exécuter correctement sur des appareils locaux sans recourir au cloud. OpenVINO fonctionne avec plusieurs frameworks, sur CPU, GPU, NPU, FPGA ou même des appareils ARM, et prend en charge Windows, Linux et macOS. Dmitriy a également montré au public à quel point il est facile de démarrer avec OpenVINO.

Fig. 3. Dmitriy explique comment démarrer avec OpenVINO.

Intégrer Ultralytics à Intel OpenVINO#

Dans la deuxième partie de la présentation, Adrian a pris le relais et expliqué l’intégration fluide entre les modèles YOLO Ultralytics et la boîte à outils OpenVINO d’Intel, simplifiant ainsi le processus de déploiement des modèles YOLO. Il a expliqué étape par étape comment exporter un modèle YOLO à l’aide du package Python Ultralytics vers le format OpenVINO, rapidement et simplement. Cette intégration permet aux développeurs d’optimiser beaucoup plus facilement leurs modèles pour le matériel Intel et de tirer le meilleur parti des deux plateformes.

Fig. 4. Adrian explique comment Ultralytics simplifie l’exportation de ton modèle au format OpenVINO.

Adrian a montré qu’une fois qu’un modèle YOLO Ultralytics est entraîné, tu peux l’exporter à l’aide de quelques options simples de ligne de commande. Tu peux par exemple préciser si tu souhaites exporter le modèle en virgule flottante pour obtenir une précision maximale, ou dans une version quantifiée pour gagner en vitesse et en efficacité. Il a également souligné que les développeurs peuvent gérer ce processus directement dans le code, en utilisant des options comme la quantification INT8 pour améliorer les performances sans trop sacrifier la précision.

Démonstrations d’IA en temps réel sur le PC IA d’Intel#

Pour mettre toute cette théorie en pratique, l’équipe Intel a présenté une démonstration en temps réel de détection d’objets en exécutant YOLO11 sur le PC IA d’Intel. Adrian a montré comment le système gérait le modèle sur différents processeurs : 36 images par seconde (FPS) sur le CPU avec un modèle en virgule flottante, plus de 100 FPS sur le GPU intégré et 70 FPS avec la version quantifiée INT8. Ils ont ainsi montré avec quelle efficacité le PC IA d’Intel peut gérer des tâches d’IA complexes.

Il a également indiqué que le système peut exécuter des modèles en parallèle, en utilisant simultanément le CPU, le GPU et le NPU pour les tâches où toutes les données ou les images vidéo sont disponibles à l’avance. Cela est utile pour traiter des charges importantes, comme des vidéos. Le système peut répartir la charge de travail entre différents processeurs, ce qui le rend plus rapide et plus efficace.

Pour conclure, Adrian a mentionné que tu pouvais tester des démonstrations chez toi, notamment des solutions comme le comptage de personnes et la gestion intelligente des files d’attente. Il a ensuite présenté une démonstration bonus permettant de saisir des prompts pour générer en temps réel des images oniriques sur le GPU. Cela a illustré la polyvalence du PC IA d’Intel, aussi bien pour les tâches d’IA traditionnelles que pour les projets créatifs d’IA générative.

Détection d’objets en temps réel avec Intel OpenVINO#

Lors de l’événement, Intel disposait d’un stand où était présentée une démonstration de détection d’objets en temps réel utilisant Ultralytics YOLO11 sur son PC IA Intel. Les participants ont pu voir le modèle en action, optimisé avec OpenVINO et déployé sur le processeur Intel Core Ultra 200V.

Fig. 5. Les participants ont pu assister à une démonstration en temps réel au stand Intel OpenVINO.

Sur le stand Intel, Dmitriy a déclaré : « C’est la première fois que je participe à YOLO Vision, et je suis heureux d’être à Madrid. Nous présentons le modèle YOLO11 d’Ultralytics, qui fonctionne sur le processeur Intel Core Ultra 200V. Il offre d’excellentes performances, et nous utilisons OpenVINO pour optimiser et déployer le modèle. La collaboration avec Ultralytics et l’exécution du modèle sur le matériel Intel le plus récent, en utilisant le CPU, le GPU et le NPU, ont été très simples. » Le stand proposait également des cadeaux amusants, comme des t-shirts et des carnets que les participants pouvaient emporter chez eux.

Points clés à retenir#

La présentation technique d’Intel à YV24, consacrée aux processeurs Intel Core Ultra 200V Series, a montré comment la boîte à outils OpenVINO optimise des modèles d’IA comme Ultralytics YOLO11. Cette intégration permet d’exécuter directement les modèles YOLO sur les appareils des utilisateurs, avec d’excellentes performances pour des tâches de vision par ordinateur comme la détection d’objets. Son principal avantage est que les utilisateurs n’ont pas besoin de dépendre de services cloud.

Les développeurs et les passionnés d’IA peuvent exécuter et affiner facilement des modèles YOLO, en exploitant pleinement du matériel comme les CPU, les GPU et les NPU pour des applications en temps réel. La boîte à outils Intel OpenVINO, associée aux modèles YOLO Ultralytics, ouvre de nouvelles possibilités pour apporter des capacités avancées d’IA directement sur les appareils personnels. Elle constitue donc une option idéale pour les développeurs désireux de stimuler l’innovation en IA dans divers secteurs.

Collaborons et innovons ! Consulte notre dépôt GitHub pour découvrir nos contributions et échanger avec notre communauté. Découvre comment nous utilisons l’IA pour avoir un impact dans des secteurs comme la production industrielle et la santé.