Ultralytics all'AMD Embedded AI Working Group di Dublino
Scopri come Ultralytics e AMD hanno esplorato l'IA fisica, la robotica e la distribuzione della computer vision all'AMD Embedded AI Working Group 2026 di Dublino.
Zinnia Pourdad6 min di lettura
Di recente Ultralytics ha partecipato con AMD all'evento Embedded AI Working Group a Dublino, in Irlanda, per due giorni di sessioni tecniche, workshop pratici e dimostrazioni dal vivo dedicate all'IA embedded e all'IA fisica.
Ospitato presso l'ufficio AMD di Dublino il 3-4 novembre 2026, l'evento ha riunito ingegneri AMD, partner tecnologici e sviluppatori per esplorare come l'IA, il software e il computing adattivo possano contribuire a trasformare applicazioni reali da idee a soluzioni implementate.
In rappresentanza di Ultralytics, Manuel Calve, Head of Ecosystem and Partnerships, e Zinnia Pourdad, Global Events Manager, hanno partecipato all'evento per entrare in contatto con l'ecosistema AMD più ampio, presentare gli sviluppi recenti di Ultralytics YOLO e mostrare come Ultralytics YOLO supporti le applicazioni di computer vision su hardware AMD.
Ultralytics YOLO e AMD: portare l'IA dal cloud all'edge#
L'evento ha fatto seguito ai recenti sviluppi della collaborazione tecnica tra Ultralytics e AMD, tra cui il supporto ufficiale alle GPU AMD in Ultralytics YOLO. L'integrazione supporta una vasta gamma di hardware AMD, incluse le GPU AMD Radeon, e offre ulteriori opzioni di deployment sui processori AMD Ryzen AI e sui dispositivi edge. Gli sviluppatori possono ora addestrare i modelli Ultralytics YOLO utilizzando il software AMD ROCm e distribuire i modelli ONNX esportati con AMD MIGraphX per accelerare l'inferenza. Il supporto si estende alle GPU AMD Radeon e alle GPU integrate Ryzen AI compatibili; sono inoltre in corso ulteriori attività per abilitare il deployment sulle NPU Ryzen AI.
Ultralytics YOLO ora supporta anche l'esportazione AMD Xilinx, consentendo agli sviluppatori di preparare i modelli per il deployment sulle NPU AMD Versal AI Edge Series Gen 2. Utilizzando AMD Quark per la quantizzazione INT8 e Vitis AI per la compilazione, questa integrazione estende le capacità di deployment di Ultralytics YOLO alle applicazioni di IA edge.
Nel loro insieme, queste funzionalità offrono agli sviluppatori maggiore flessibilità per creare e distribuire applicazioni di computer vision in diversi ambienti di calcolo, dall'ispezione industriale alla robotica, fino alle smart camera.
Alla scoperta dell'IA embedded e della robotica throRworksho#
La prima giornata si è concentrata su presentazioni tecniche e workshop dedicati ad AMD Ryzen AI, ROCm, robotica e sviluppo di IA embedded.
Ultralytics YOLO26 è stato presentato in due workshop condotti da AMD, nei quali i partecipanti hanno acquisito esperienza pratica con la stima della posa di Ultralytics YOLO26, dimostrando come la computer vision possa supportare applicazioni che devono interpretare i movimenti e interagire con l'ambiente fisico circostante.
Il secondo workshop ha utilizzato YOLO26 pose in un contesto di robotica con ROS 2, esplorando come la stima della posa possa supportare applicazioni quali robot che seguono le persone, monitoraggio della distanza e riconoscimento dei gesti. Gli sviluppatori interessati a esplorare applicazioni simili possono seguire la nostra guida introduttiva a ROS.
Con questi workshop pratici, i partecipanti hanno esplorato come integrare Ultralytics YOLO26 nei flussi di lavoro di robotica e IA fisica, portando la computer vision in ambienti di sviluppo concreti.
Creare IA per applicazioni reali con Ultralytics YOLO e AMD#
Il secondo giorno, Manuel Calve, Head of Ecosystem and Partnerships presso Ultralytics, ha tenuto una sessione tecnica intitolata Creare IA per applicazioni reali con Ultralytics YOLO e AMD: dal cloud all'edge.
Dalla robotica e dall'ispezione industriale alle smart camera, le applicazioni di IA fisica nel mondo reale richiedono una computer vision veloce, accurata e pronta per il deployment.
Manuel ha illustrato come gli sviluppatori possano addestrare i modelli Ultralytics YOLO su GPU AMD compatibili utilizzando ROCm, esportare i modelli in ONNX e usare MIGraphX per accelerare l'inferenza. La sessione ha inoltre esplorato le opzioni di deployment nell'ecosistema hardware AMD più ampio, mostrando come i flussi di lavoro di computer vision possano passare dallo sviluppo alle applicazioni reali.
Tutti e sette i task di YOLO26 eseguiti dal vivo su AMD ROCm#
Le nostre dimostrazioni dal vivo hanno eseguito affiancati tutti i task di YOLO26 su AMD ROCm:
- Rilevamento degli oggetti: riquadri e etichette per gli oggetti rilevati
- Segmentazione delle istanze: una maschera di pixel per ogni oggetto rilevato
- Segmentazione semantica: una classe per ogni pixel
- Classificazione delle immagini: un'unica etichetta per l'intera immagine
- Stima della posa: 17 punti chiave per ogni persona rilevata
- Riquadri di delimitazione orientati: riquadri ruotati per viste aeree e dall'alto
- Stima della profondità: distanza in metri per ogni pixel
Queste funzionalità sono particolarmente utili per applicazioni quali il controllo qualità nella produzione, la robotica autonoma e il monitoraggio intelligente, dove è essenziale un'inferenza efficiente della computer vision.
Inizia a usare Ultralytics YOLO su AMD#
L'AMD Embedded AI Working Group ha riunito sviluppatori e partner tecnologici per esplorare come l'IA embedded e l'IA fisica stiano passando dallo sviluppo alle applicazioni reali. Dai workshop pratici con Ultralytics YOLO26 alle discussioni sul deployment dal cloud all'edge, l'evento ha evidenziato modi concreti per integrare la computer vision nei sistemi basati su AMD.
Ti interessa sviluppare con Ultralytics YOLO su hardware AMD? Consulta la documentazione sull'integrazione di Ultralytics con AMD per scoprire l'hardware supportato, le istruzioni di installazione, i flussi di lavoro di addestramento e l'inferenza accelerata con MIGraphX, quindi inizia a usare la Ultralytics Platform!
Domande frequenti
Sì. Dalla versione Ultralytics 8.4.171, YOLO si addestra e viene eseguito sulle GPU AMD Instinct e sulle GPU Radeon supportate tramite PyTorch su ROCm; i modelli ONNX esportati vengono eseguiti tramite il provider di esecuzione MIGraphX. È compatibile con Linux x86_64 e lo stesso argomento
device=0utilizzato con altre GPU seleziona la GPU AMD.Sì, sui processori dotati di GPU integrate supportate da ROCm. AMD indica Ryzen AI Max+ PRO 395, Ryzen AI Embedded X100 e Ryzen AI Embedded P185 come testati per eseguire modelli con PyTorch e distribuirli con MIGraphX. La NPU Ryzen AI non è un backend nativo di Ultralytics; i flussi di lavoro con NPU utilizzano gli strumenti AMD Ryzen AI o Vitis AI su un modello ONNX esportato.
MIGraphX è il motore AMD per l'ottimizzazione dei grafi e l'inferenza sulle GPU AMD. Non devi modificare il codice: esporta con
format="onnx", carica il file.onnxconYOLO()ed esegui le predizioni condevice=0. Su un sistema ROCm, Ultralytics installa e seleziona automaticamente il provider di esecuzione MIGraphX.Su una GPU AMD Radeon 8060S (Ryzen AI Max+ PRO 395), con FP32, batch size 1 e input da 640 pixel, usando Ultralytics 8.4.165, YOLO26n-pose impiega 2.5 ms per immagine su MIGraphX, contro 4.6 ms con PyTorch su ROCm, con lo stesso 0.566Ro95 su COCO. I tempi escludono il pre- e post-processing e la compilazione iniziale.
Sì. YOLO26 viene eseguito tramite la normale API Python di Ultralytics, quindi si integra in un nodo ROS 2 come qualsiasi altro componente Python. La nostra guida introduttiva a ROS mostra un nodo che esegue YOLO sui fotogrammi della telecamera e pubblica immagini annotate; per pubblicare i dati dei punti chiave bastano poche righe di codice aggiuntive nel nodo.
Scritto da
Global Events Manager · Ultralytics
Commenti
Fai una domanda, condividi i tuoi risultati o aiuta qualcun altro.
