"Tüm Çerezleri Kabul Et" seçeneğine tıklayarak, sitede gezinmeyi geliştirmek, site kullanımını analiz etmek ve pazarlama çabalarımıza yardımcı olmak için cihazınızda çerezlerin saklanmasını kabul edersiniz. Daha fazla bilgi
Çerez Ayarları
"Tüm Çerezleri Kabul Et" seçeneğine tıklayarak, sitede gezinmeyi geliştirmek, site kullanımını analiz etmek ve pazarlama çabalarımıza yardımcı olmak için cihazınızda çerezlerin saklanmasını kabul edersiniz. Daha fazla bilgi
Madrid'deki Google for Startups kampüsünde düzenlenen YOLO VISION 2023 (YV23) etkinliği, yapay zeka topluluğundan özenle seçilmiş konuşmacılardan oluşan bir seçkiyi sergiledi. Bunlar arasında, Sony'nin Edge Derin Öğrenme Ürün Müdürü olan Amir Servi de vardı ve Sony'nin Model Sıkıştırma Araç Seti'nin (MCT) harikalarını ortaya çıkardığı yapay zeka araştırması ile gerçek zamanlı uç nokta arasındaki boşluğu kapatma konusunda anlayışlı bir sunum yaptı.
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, yapay zeka modellerini uç cihazlarda dağıtmanın zorluklarına değinerek, sınırlı kaynaklar ve donanım kısıtlamalarının oluşturduğu engelleri vurguladı. Konuşması sırasında, PyTorch ve TensorFlow'a sorunsuz bir şekilde entegre edilmiş açık kaynaklı bir araç olan Sony'nin Model Sıkıştırma Araç Seti'ni (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 Kampüsü'nde YOLO VISION 2023'te sunum yapıyor.
Kuantalama teknikleri basitleştirildi: Sonuçlar daha çok şey ifade ediyor
Amir, niceleme tekniklerini basitleştirerek, PTQ, GPTQ ve bunların etkili sonuçları dünyasına bir bakış sundu. İzleyiciler, karma hassasiyetli PTQ'nun başarısına ve Ultralytics YOLOv8 modeli için elde edilen olağanüstü sıkıştırma oranlarına hayran kaldı.
Özet
Özetle, Amir'in konuşması, AI araştırması ile gerçek zamanlı uygulama arasındaki yolu aydınlattı. İşbirliği, anlayışımızı derinleştirdi ve MCT'nin YOLO modellerini kullanan, sürekli gelişen makine öğrenimi alanına getirdiği olasılıklar konusunda bize ilham verdi.
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!