CPU

Merkezi İşlem Birimi (CPU), bir bilgisayarın "beyni" olarak işlev gören ve donanım ve yazılımdan gelen komutları yorumlayıp yürütmekten sorumlu olan birincil bileşendir. Yapay zeka (AI) bağlamında, CPU veri işleme, sistem düzenleme ve özellikle güç verimliliğinin kritik olduğu uç cihazlarda çıkarım yürütmede temel bir rol oynar. GPU gibi özel donanımlar genellikle derin öğrenme modellerinin eğitilmesinde ağır işlerle ilişkilendirilirken, CPU genel makine öğrenimi (ML) süreci için vazgeçilmez CPU .

AI İş Akışlarında CPU'ların Rolü

GPU'lar eğitim sırasında muazzam paralellikleriyle övülse de, CPU bilgisayar görme (CV) yaşam döngüsünün birçok temel aşamasında ana iş gücü CPU . Genellikle x86 (Intel, AMD) veya ARM tasarımlarına dayanan mimarisi, sıralı işleme ve karmaşık mantık kontrolü için optimize edilmiştir.

• Veri Ön İşleme: Sinir ağı öğrenmeye başlamadan önce verilerin hazırlanması gerekir. CPU'lar, dosya yükleme, veri temizleme ve NumPy ve OpenCVkullanarak
• Kenar Çıkarım: Gerçek dünya uygulamaları için, modelleri büyük sunucularda çalıştırmak her zaman mümkün değildir. CPU'lar, tüketici donanımlarında verimli model uygulamalarına olanak tanır, örneğin Ultralytics bir dizüstü bilgisayarda veya Raspberry Pi'de çalıştırmak gibi.
• Son İşleme: Model ham olasılıkları çıktıktan sonra, CPU nesne algılamada Non-Maximum Suppression (NMS) gibi son mantığı işleyerek yinelenen tahminleri filtreler ve sonuçları iyileştirir.

CPU , GPU TPUCPU

Donanım ortamını anlamak, makine öğrenimi işlemlerini (MLOps) optimize etmek için çok önemlidir. Bu işlemciler, mimarileri ve ideal kullanım alanları açısından önemli ölçüde farklılık gösterir.

• CPU: Çok yönlülük ve karmaşık mantık için tasarlanmıştır. Görevleri sırayla işleyen birkaç güçlü çekirdeğe sahiptir. Küçük partilerde veri artırma, boru hattı yönetimi ve düşük gecikmeli çıkarım için en iyisidir. .
• GPU Grafik İşlem Birimi): Başlangıçta grafikler için tasarlanan GPU'lar, paralel işlem için tasarlanmış binlerce küçük çekirdeğe sahiptir. Matris çarpımlarını CPU çok daha hızlı gerçekleştirebildikleri için model eğitimi için standarttırlar. .
• TPU Tensor Birimi): Google tarafından özellikle tensor geliştirilen özel bir devre (ASIC). Belirli iş yükleri için oldukça verimli olmakla birlikte, CPU genel amaçlı esnekliğine sahip değildir.

Gerçek Dünya Uygulamaları

CPU'lar, maliyet, kullanılabilirlik ve enerji tüketiminin büyük ham verim ihtiyacından daha önemli olduğu uygulamalar için sıklıkla tercih edilen donanımlardır. .

1. Akıllı Güvenlik Kameraları: Güvenlik alarm sistemlerinde, kameralar genellikle video akışlarını yerel olarak işler. CPU bir nesne algılama modeli, bir kişiyi veya aracı tanımlayabilir ve videoyu buluta göndermeden bir uyarı tetikleyebilir, böylece bant genişliği ve kullanıcı gizliliği korunur.
2. Endüstriyel Otomasyon: Fabrika zeminlerinde, öngörücü bakım sistemleri CPU'ları kullanarak makinelerden gelen sensör verilerini izler. Bu sistemler, arızaları öngörmek için titreşimleri veya sıcaklık artışlarını gerçek zamanlı olarak analiz eder ve pahalı GPU ihtiyaç duymadan sorunsuz üretim otomasyonu sağlar. .

Ultralytics CPU da Çıkarım Çalıştırma

Geliştiriciler, sunucusuz bilgi işlem ortamları veya düşük güçlü cihazlarla uyumluluğu doğrulamak için genellikle modelleri CPU'larda test ederler. Ultralytics , CPU kolayca hedeflemenizi sağlayarak uygulamanızın her yerde çalışmasını garanti eder.

Aşağıdaki örnek, hafif bir modeli yüklemeyi ve özellikle CPU üzerinde çıkarım yapmayı gösterir:

from ultralytics import YOLO

# Load the lightweight YOLO26 nano model
# Smaller models are optimized for faster CPU execution
model = YOLO("yolo26n.pt")

# Run inference on an image, explicitly setting the device to 'cpu'
results = model.predict("https://ultralytics.com/images/bus.jpg", device="cpu")

# Print the detection results (bounding boxes)
print(results[0].boxes.xywh)

Intel performansı daha da iyileştirmek için, geliştiriciler modellerini OpenVINO formatına aktarabilirler. Bu format, sinir ağı yapısını x86 mimarisi için özel olarak optimize eder. Veri kümelerini yönetmek ve bu dağıtımları koordine etmek için Ultralytics gibi araçlar, açıklama ekleme işleminden uç yürütmeye kadar iş akışını basitleştirir.