Link to this sectionتصدير ونشر Axelera AI#

تعقد Ultralytics شراكة مع Axelera AI لتمكين الاستدلال عالي الأداء والموفر للطاقة على أجهزة Edge AI. قم بتصدير ونشر نماذج Ultralytics YOLO مباشرة إلى Metis® AIPU باستخدام Voyager SDK.

توفر Axelera AI تسريعاً مخصصاً للأجهزة لـ الرؤية الحاسوبية على الحافة، باستخدام بنية تدفق بيانات مملوكة لها والحوسبة داخل الذاكرة لتوفير ما يصل إلى 856 TOPS باستهلاك منخفض للطاقة.

Link to this sectionاختيار الجهاز المناسب#

تقدم Axelera AI عوامل شكل متنوعة لتناسب قيود النشر المختلفة. يساعدك الرسم البياني أدناه في تحديد الجهاز الأمثل لنشر Ultralytics YOLO الخاص بك.

graph TD
    A[Start: Select Deployment Target] --> B{Device Type?}
    B -->|Edge Server / Workstation| C{Throughput Needs?}
    B -->|Embedded / Robotics| D{Space Constraints?}
    B -->|Standalone / R&D| E[Dev Kits & Systems]

    C -->|Max Density <br> 30+ Streams| F[**Metis PCIe x4**<br>856 TOPS]
    C -->|Standard PC <br> Low Profile| G[**Metis PCIe x1**<br>214 TOPS]

    D -->|Drones & Handhelds| H[**Metis M.2**<br>2280 M-Key]
    D -->|High Performance Embedded| I[**Metis M.2 MAX**<br>Extended Thermal]

    E -->|ARM-based All-in-One| J[**Metis Compute Board**<br>RK3588 + AIPU]
    E -->|Prototyping| K[**Arduino Portenta x8**<br>Integration Kit]

    click F "https://store.axelera.ai/"
    click G "https://store.axelera.ai/"
    click H "https://store.axelera.ai/"
    click J "https://store.axelera.ai/"

Link to this sectionمحفظة الأجهزة#

تم تحسين مجموعة أجهزة Axelera لتشغيل Ultralytics YOLO26 والإصدارات السابقة بكفاءة عالية في الإطارات في الثانية لكل واط.

Link to this sectionبطاقات التسريع#

تتيح هذه البطاقات تسريع الذكاء الاصطناعي في الأجهزة المضيفة الحالية، مما يسهل عمليات النشر في البيئات القائمة.

Link to this sectionالأنظمة المتكاملة#

للحصول على حلول جاهزة، تتعاون Axelera مع المصنعين لتوفير أنظمة تم التحقق منها مسبقاً لـ Metis AIPU.

• لوحة حوسبة Metis: جهاز حافة مستقل يجمع بين Metis AIPU ووحدة المعالجة المركزية Rockchip RK3588 ARM.
• محطات العمل: أبراج المؤسسات من Dell (Precision 3460XE) و Lenovo (ThinkStation P360 Ultra).
• أجهزة الكمبيوتر الصناعية: أنظمة متينة من Advantech و Aetina مصممة لـ أتمتة التصنيع.

Link to this sectionالمهام المدعومة#

المهام التالية مدعومة عبر نماذج YOLOv8 و YOLO11 و YOLO26.

Link to this sectionالتثبيت#

Link to this sectionتثبيت Ultralytics#

pip install ultralytics

للحصول على تعليمات مفصلة، راجع دليل تثبيت Ultralytics. إذا واجهت صعوبات، فاستشر دليل المشكلات الشائعة الخاص بنا.

Link to this sectionتثبيت تعريف Axelera#

1. أضف مفتاح مستودع Axelera:

   sudo sh -c "curl -fsSL https://software.axelera.ai/artifactory/api/security/keypair/axelera/public | gpg --dearmor -o /etc/apt/keyrings/axelera.gpg"

2. أضف المستودع إلى apt:

   اختر المقتطف المناسب من الأسفل ليتناسب مع نظام التشغيل المستخدم.

   # Ubuntu 22.04
   sudo sh -c "echo 'deb [signed-by=/etc/apt/keyrings/axelera.gpg] https://software.axelera.ai/artifactory/axelera-apt-source ubuntu22 main' > /etc/apt/sources.list.d/axelera.list"

   # Ubuntu 24.04
   sudo sh -c "echo 'deb [signed-by=/etc/apt/keyrings/axelera.gpg] https://software.axelera.ai/artifactory/axelera-apt-source ubuntu24 main' > /etc/apt/sources.list.d/axelera.list"

3. قم بتثبيت SDK وتحميل التعريف:

   sudo apt update
   sudo apt install -y metis-dkms=1.4.16
   sudo modprobe metis

pip install axelera-devkit==1.6.0 --extra-index-url https://software.axelera.ai/artifactory/api/pypi/axelera-pypi/simple
pip install axelera-rt==1.6.0 --extra-index-url https://software.axelera.ai/artifactory/api/pypi/axelera-pypi/simple

Link to this sectionتصدير نماذج YOLO إلى Axelera#

يدعم تنسيق Axelera أوضاع Export و Predict و Validate. يتم تشغيل الاستدلال والتحقق على أجهزة Axelera Metis AIPU. قم بتصدير نموذجك، ثم قم بتحميل النموذج المصدر لتشغيل الاستدلال أو التحقق من دقته.

from ultralytics import YOLO

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

# Export the model to Axelera format
model.export(format="axelera")  # creates 'yolo26n_axelera_model'

from ultralytics import YOLO

# Load the exported Axelera model
model = YOLO("yolo26n_axelera_model")

# Run inference
results = model("https://ultralytics.com/images/bus.jpg")

from ultralytics import YOLO

# Load the exported Axelera model
model = YOLO("yolo26n_axelera_model")

# Validate accuracy on the COCO8 dataset
metrics = model.val(data="coco8.yaml")

Link to this sectionوسائط التصدير#

للحصول على جميع خيارات التصدير، راجع وثائق وضع التصدير.

Link to this sectionهيكل المخرجات#

yolo26n_axelera_model/
├── yolo26n.axm                  # Axelera model file
├── compiler_config_final.toml  # Compiler configuration used for the build
└── metadata.yaml               # Model metadata (classes, image size, etc.)

Link to this sectionمعايير Axelera AI#

يعمل Metis AIPU على زيادة الإنتاجية مع تقليل استهلاك الطاقة.

تستند المعايير إلى بيانات Axelera AI. تعتمد الإطارات في الثانية الفعلية على حجم النموذج، وتجميع الدفعات، ودقة الإدخال.

Link to this sectionتطبيقات العالم الحقيقي#

تمكّن Ultralytics YOLO على أجهزة Axelera حلول حوسبة حافة متقدمة:

• التجزئة الذكية: عد الكائنات في الوقت الفعلي وتحليلات الخرائط الحرارية لتحسين المتجر.
• السلامة الصناعية: اكتشاف معدات الوقاية الشخصية (PPE) بزمن انتقال منخفض في بيئات التصنيع.
• تحليلات الطائرات بدون طيار: اكتشاف الكائنات عالي السرعة على الطائرات بدون طيار لـ الزراعة وعمليات البحث والإنقاذ.
• أنظمة المرور: التعرف على لوحات الترخيص القائم على الحافة وتقدير السرعة.

Link to this sectionسير العمل الموصى به#

1. تدريب نموذجك باستخدام وضع التدريب من Ultralytics
2. تصدير إلى تنسيق Axelera باستخدام model.export(format="axelera")
3. تحقق من الدقة باستخدام yolo val للتأكد من الحد الأدنى لفقدان التكميم
4. تنبأ باستخدام yolo predict للتحقق النوعي
5. النشر إلى خط أنابيب متكامل عالي الأداء دون الحاجة إلى PyTorch — راجع أمثلة YOLO على Voyager SDK لخطوط أنابيب Python القابلة للتكوين باستخدام axelera-rt

Link to this sectionفحص سلامة الجهاز#

تحقق من أن جهاز Axelera الخاص بك يعمل بشكل صحيح:

# if axdevice cannot be found, please run at least one inference (see above) to ensure the required packages are installed
axdevice

للحصول على تشخيصات مفصلة، راجع وثائق AxDevice.

Link to this sectionأقصى أداء#

يستخدم هذا التكامل تهيئة النواة الواحدة لضمان التوافق. للإنتاج الذي يتطلب أقصى قدر من الإنتاجية، يوفر Axelera Voyager SDK ما يلي:

• استخدام متعدد النوى (Metis AIPU رباعي النوى)
• خطوط أنابيب الاستدلال بالبث المتدفق
• الاستدلال المبلط للكاميرات ذات الدقة العالية

راجع model-zoo للحصول على معايير الأداء (FPS) أو تواصل مع Axelera للحصول على دعم الإنتاج.

Link to this sectionمشكلات معروفة#

للحصول على الدعم، قم بزيارة مجتمع Axelera.

Link to this sectionالأسئلة الشائعة#

Link to this sectionما هي إصدارات YOLO المدعومة على Axelera؟#

يدعم Voyager SDK تصدير نماذج YOLOv8 و YOLO11 و YOLO26. راجع المهام المدعومة لمعرفة توافر المهام لكل نموذج.

Link to this sectionهل يمكنني نشر نماذج مدربة مخصصة؟#

نعم. يمكن تصدير أي نموذج تم تدريبه باستخدام وضع التدريب في Ultralytics إلى تنسيق Axelera، بشرط استخدامه للطبقات والعمليات المدعومة.

Link to this sectionكيف يؤثر تكميم INT8 على الدقة؟#

يقوم Voyager SDK من Axelera تلقائياً بتكميم النماذج لبنية AIPU ذات الدقة المختلطة. بالنسبة لمعظم مهام اكتشاف الكائنات، تفوق مكاسب الأداء (FPS أعلى، طاقة أقل) بشكل كبير التأثير الطفيف على mAP. يستغرق التكميم من ثوانٍ إلى عدة ساعات اعتماداً على حجم النموذج. قم بتشغيل yolo val بعد التصدير للتحقق من الدقة.

Link to this sectionكم عدد صور المعايرة التي يجب أن أستخدمها؟#

نوصي باستخدام 100 إلى 400 صورة. أكثر من 400 صورة لا تقدم أي فائدة إضافية وتزيد من وقت التكميم. جرب 100 و200 و400 صورة لإيجاد التوازن الأمثل.

Link to this sectionأين يمكنني العثور على Voyager SDK؟#

تتوفر حزمة SDK والمشغلات وأدوات المترجم عبر بوابة مطوري Axelera.