Yolo Vision Shenzhen
Shenzhen
Şimdi katılın

Sony'nin MCT'si: AI araştırmasını gerçek zamanlı uç noktaya taşıyor

Nuvola Ladi

2 dakikalık okuma

31 Ocak 2024

YOLO VISION 2023'te Sony'nin Model Sıkıştırma Araç Kitini (MCT) keşfedin. Uç yapay zeka zorluklarının üstesinden gelin, nicelemenin gizemini çözün ve gerçek zamanlı dağıtımı keşfedin. Araştırmadan uygulamaya uzanan yolculukta bize katılın.

Madrid'deki Google for Startups kampüsünde düzenlenen YOLO VISION 2023 (YV23) etkinliğinde, yapay zeka topluluğundan seçilmiş konuşmacılar yer aldı. Bunlar arasında Sony'nin Edge Derin Öğrenme Ürün Müdürü Amir Servi, yapay zeka araştırmaları ile gerçek zamanlı uç nokta arasındaki boşluğu doldurma konusunda anlayışlı bir sunum yaptı ve Sony'nin Model Sıkıştırma Araç Seti'nin (MCT) harikalarını gözler önüne serdi.

Amir Servi ile tanışın: Araştırma ve gerçek zamanlı yapay zekayı bir araya getiriyor

Amir Servi'nin yapay zeka ve teknoloji alanındaki uzmanlığı, verimli Uç dağıtımı için uyarlanmış model sıkıştırma ve niceleme tekniklerinin aydınlatıcı bir keşfi için zemin hazırlıyor.

MCT ile Edge AI'nin Zorluklarının Üstesinden Gelmek

Amir, sınırlı kaynaklar ve donanım kısıtlamalarının yarattığı engelleri vurgulayarak uç cihazlarda yapay zeka modellerini dağıtmanın zorluklarını inceledi. Konuşması sırasında, PyTorch ve TensorFlow'a sorunsuz bir şekilde entegre edilen açık kaynaklı bir araç olan Sony'nin Model Sıkıştırma Araç Kitini (MCT) tanıttı.

MCT'nin Potansiyelini Ortaya Çıkarmak

Amir, MCT'nin etkileyici özelliklerini ortaya çıkardı. Donanım farkındalıklı nicelemeden, son teknoloji algoritmalara ve parametre aramasının otomasyonuna kadar MCT, gerçek dünya yapay zeka dağıtımının karmaşıklıklarının üstesinden gelmeye hazır çok yönlü bir araç seti olarak ortaya çıktı.

Şekil 1. Amir Servi, Madrid'deki Google for Startups Kampüsünde YOLO VISION 2023'te sunum yapıyor.

Kuantalama teknikleri basitleştirildi: Sonuçlar daha çok şey ifade ediyor

Amir, PTQ, GPTQ dünyasına ve bunların etkili sonuçlarına bir bakış sunarak niceleme tekniklerinin gizemini çözdü. İzleyiciler, PTQ'nun karışık hassasiyetle elde ettiği başarıya ve elde edilen kayda değer sıkıştırma oranlarına hayran kaldılar. Ultralytics YOLOv8 Model.

Özet

Özetle, Amir'in konuşması yapay zeka araştırması ile gerçek zamanlı uygulama arasındaki yolu aydınlattı. İşbirliği anlayışımızı derinleştirdi ve MCT'nin YOLO modelleri kullanarak sürekli gelişen makine öğrenimi alanına getirdiği olanaklardan ilham almamızı sağladı.

Amir Servi gibi sektör liderleriyle yapay zekanın gizemlerini çözmeye devam ederken daha heyecan verici güncellemeler için bizi izlemeye devam edin!

Daha fazla bilgi edinmek ister misiniz? Tam konuşmayı burada izleyin!

Gelin, yapay zekanın geleceğini
birlikte inşa edelim!

Makine öğreniminin geleceği ile yolculuğunuza başlayın

Ücretsiz başlayın