Uç Hesaplama

Kenar bilişim, veri işleme ve depolamayı, genellikle binlerce kilometre uzaklıktaki merkezi bir konuma bağlı kalmak yerine, ihtiyaç duyulan yere daha yakın hale getiren dağıtılmış bir bilgi teknolojisi mimarisidir. Verileri kaynağa yakın bir yerde (yerel sunucular, IoT ağ geçitleri veya cihazların kendileri gibi) işleyerek, bu yaklaşım gecikmeyi önemli ölçüde azaltır ve veri iletimi için gereken bant genişliğini en aza indirir. Yapay zeka ve makine öğrenimi bağlamında, kenar bilişim, Yapay zeka ve makine öğrenimi bağlamında kenar bilişim, Edge AI'yı dağıtmak için gerekli olan kritik altyapıyı sağlar ve sofistike modellerin akıllı kameralar, dronlar ve endüstriyel sensörler üzerinde anında yanıt verebilir şekilde doğrudan çalışmasına olanak tanır. .

Edge Computing'in Temel Avantajları

Merkezi bulut işleminden yerelleştirilmiş uç işlemine geçiş, özellikle bilgisayar görme ve gerçek zamanlı analitik için birçok dönüştürücü avantaj sunmaktadır. Özellikle bilgisayar görme ve gerçek zamanlı analitik için. Özellikle bilgisayar görme ve gerçek zamanlı analitik için.

• Azaltılmış Gecikme Süresi: Geleneksel bulut mimarileri, verilerin işlenmek üzere veri merkezine gönderilmesini ve ardından cihaza geri gönderilmesini gerektirir. Kenar bilişim, bu gidiş-dönüş sürecini ortadan kaldırarak, milisaniyelerin önemli olduğu durumlarda gerçek zamanlı çıkarım yapılmasını sağlar. Bu, anlık fren kararları almak zorunda olan otonom araçlar gibi güvenlik açısından kritik sistemler için çok önemlidir.
• Bant Genişliği Verimliliği: nesne algılama için yüksek çözünürlüklü video akışları iletmek büyük bant genişliği tüketir. Ham verileri yerel olarak işleyerek ve yalnızca ilgili meta verileri veya uyarıları buluta göndererek, kuruluşlar veri iletim maliyetlerini önemli ölçüde azaltabilirler.
• Gelişmiş Veri Gizliliği: Tıbbi görüntüler veya yüz tanıma verileri gibi hassas bilgiler, tamamen yerel ortamda işlenebilir. Bu yerel sınırlama, kişisel verilerin cihazdan asla çıkmamasını sağlayarak GDPR gibi katı düzenlemelere uyumu destekler.
• Çevrimdışı İşlevsellik: Kenar cihazları, internet bağlantısı kesintili veya kaybolduğunda bile özerk olarak çalışmaya devam edebilir. Bu güvenilirlik, tarımsal yapay zeka gibi uygulamalar için hayati önem taşır. Bu uygulamalarda, dronlar ağ kapsama alanının zayıf olduğu uzak tarlalardaki mahsulleri izler.

Kenar Bilişim ve Bulut Bilişim Karşılaştırması

Bulut bilişim, büyük veri kümelerini depolama ve büyük ölçekli modelleri eğitme konusunda üstünlük sağlarken, uç bilişim yürütme aşamasına odaklanır. Bunları rakip teknolojiler olarak değil, birbirini tamamlayan teknolojiler olarak görmek faydalıdır. Bulut genellikle model eğitimi için kullanılır; burada geçmiş verileri işlemek için yoğun hesaplama gücü gerekir. Eğitim tamamlandıktan sonra, optimize edilmiş model çıkarım için kenara yerleştirilir. Bu hibrit yaklaşım her ikisinin de güçlü yönlerini kullanır: bulutun sonsuz ölçeklenebilirliği ve kenarın hızı.

Gerçek Dünya Uygulamaları

Kenar bilişim, zekayı doğrudan fiziksel operasyonlara entegre ederek endüstrileri yeniden şekillendiriyor.

• Akıllı Üretim: Endüstriyel otomasyonda fabrikalar, makinelerden gelen sensör verilerini analiz etmek için uç ağ geçitleri kullanır. Bir titreşim anomalisinin tespit edilmesi durumunda sistem, tahminî bakım protokollerini anında tetikleyerek maliyetli kesintileri önleyebilir.
• Akıllı Perakende: Fiziksel mağazalar, envanter yönetimi için uç tabanlı kameralar kullanıyor. Sistemler, raflardaki track seviyelerini otonom olarak track edebiliyor ve personeli ürünleri yeniden stoklamaları konusunda uyarıyor. Böylece, müşteri video akışlarını harici sunuculara aktarmadan operasyonel verimlilik artırılıyor.
• Trafik Yönetimi: Akıllı şehirler, trafik sinyallerini kontrol etmek için kavşaklara uç düğümler yerleştirir. Bu sistemler, trafik akışını yerel olarak gerçek zamanlı olarak analiz ederek, merkezi kontrol merkezlerinden bağımsız olarak çalışarak, ışık zamanlamasını optimize ederek trafiği optimize edebilir ve trafik sıkışıklığını azaltabilir.

Modelleri Uç Noktaya Dağıtma

Kaynakları sınırlı uç cihazlarda karmaşık modeller çalıştırmak için, geliştiriciler genellikle model niceleme veya TensorRT gibi özel formatlara aktarma gibi optimizasyon tekniklerini kullanır. TensorRT veya ONNXgibi özel formatlara dışa aktarma gibi optimizasyon tekniklerini kullanır. Ultralytics bu süreci basitleştirerek, kullanıcıların modellerini bulutta eğitmelerine ve bunları çeşitli uç hedeflerine sorunsuz bir şekilde dağıtmalarına olanak tanır.

Aşağıdaki örnek, bir YOLO26 modelini mobil ve gömülü uç cihazlar için yüksek düzeyde optimize edilmiş NCNN nasıl dışa aktaracağınızı göstermektedir.

from ultralytics import YOLO

# Load a pre-trained YOLO26 model
model = YOLO("yolo26n.pt")

# Export the model to NCNN format for mobile edge deployment
# This creates a lightweight, optimized version of the model
model.export(format="ncnn")

İlgili Kavramlar

• Kenar AI: Kenar bilişim, dağıtılmış altyapıyı ifade ederken, Kenar AI, özellikle bu altyapı üzerinde çalışan yapay zeka algoritmalarının uygulamasını ifade eder.
• Nesnelerin İnterneti (IoT): Sensörler ve yazılımlarla donatılmış fiziksel nesnelerden ("nesneler") oluşan ağ. Kenar bilişim, bu IoT cihazlarını "akıllı" hale getiren işlem gücünü sağlar.
• Sis Bilişim: Veri, hesaplama, depolama ve uygulamaların veri kaynağı ile bulut arasında bir yerde bulunduğu, genellikle bulut bilişimin kenara doğru bir uzantısı olarak kabul edilen merkezi olmayan bir bilişim altyapısı. Sis Bilişim: