تخطي إلى المحتوى

تسريع أكسيليرا للذكاء الاصطناعي

قريباً - الربع الأول من عام 2026

دعم أكسيليرا في ultralytics هو قيد التنفيذ. تُظهر الأمثلة هنا واجهة المستخدم/تجربة المستخدم المخطط لها وستصبح قابلة للتشغيل بمجرد إصدار حزمة وقت تشغيل Axelera.

تتعاون شركة Ultralytics مع Axelera AI لتبسيط الاستدلال عالي الأداء والموفر للطاقة على أجهزة Edge AI. يسمح هذا التكامل للمستخدمين بتصدير نماذجUltralytics YOLO ونشرها مباشرةً على منصات Metis® AIPU وEuropa® باستخدام Voyager SDK.

منظومة أكسيليرا للذكاء الاصطناعي

توفر أكسيليرا للذكاء الاصطناعي تسريعاً مخصصاً للأجهزة للرؤية الحاسوبية والذكاء الاصطناعي التوليدي على الحافة. تستفيد تقنيتهم من بنية تدفق البيانات الخاصة بهم والحوسبة داخل الذاكرة لتقديم إنتاجية عالية (تصل إلى 856 TOPS) ضمن غلاف طاقة منخفض.

بالنسبة لمستخدمي Ultralytics يوفر هذا مساراً قابلاً للتطوير لنشر اكتشاف الأجسام وتقدير الوضعية ومهام YOLO الأخرى على أجهزة تتراوح من الطائرات بدون طيار المدمجة إلى الخوادم الطرفية.

اختيار الأجهزة المناسبة

تقدم أكسيليرا للذكاء الاصطناعي عوامل شكل مختلفة لتناسب قيود النشر المختلفة. يساعد الرسم البياني أدناه في تحديد الأجهزة المثلى لنشر Ultralytics YOLO .

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/"

محفظة الأجهزة

تم تحسين مجموعة أجهزة Axelera لتشغيل Ultralytics YOLO11 والإصدارات القديمة بكفاءة عالية في الثانية لكل واط.

بطاقات التسريع

تعمل هذه البطاقات على تمكين تسريع الذكاء الاصطناعي في الأجهزة المضيفة الحالية، مما يسهل عمليات النشر في الحقول غير المكتملة.

المنتجعامل الشكلالحوسبةالأداء (INT8)التطبيق المستهدف
ميتيس PCIe x4PCIe Gen3 x164 أضعاف وحدات ميتيس AIPUs856 توبستحليلات الفيديو عالية الكثافة والمدن الذكية
ميتيس PCIe x1PCIe Gen3 x11 × ميتيس AIPU214 توبسالحواسيب الشخصية الصناعية، وإدارة طوابير التجزئة
ميتيس M.2المفتاح M.2 2280 M-Key1 × ميتيس AIPU214 توبسالطائرات بدون طيار، والروبوتات، والأجهزة الطبية المحمولة
ميتيس M.2 MAXM.2 22801 × ميتيس AIPU214 توبسالبيئات التي تتطلب إدارة حرارية متقدمة

الأنظمة المتكاملة

بالنسبة لحلول تسليم المفتاح، تتعاون أكسيليرا مع الشركات المصنعة لتوفير أنظمة تم التحقق من صلاحيتها مسبقًا لوحدة معالجة المعلوماتية الآلية Metis AIPU.

  • لوحة حوسبة Metis: جهاز حافة مستقل يقترن وحدة المعالجة CPU Metis AIPU مع CPU Rockchip RK3588 ARM.
  • محطات العمل: الأبراج المؤسسية من Dell (Precision 3460XE) وLenovo (ThinkStation P360 Ultra).
  • الحواسيب الشخصية الصناعية: أنظمة متينة من Advantech و Aetina مصممة لأتمتة التصنيع.

تكامل Voyager SDK

تعمل Voyager SDK كجسر بين نماذج Ultralytics وأجهزة Axelera. ويتولى تجميع الشبكات العصبية وتكميمها وتنفيذها في وقت التشغيل.

الميزات الرئيسية لمستخدمي Ultralytics :

  1. تصدير سلس: يعمل المحول البرمجي SDK على تحسين نماذج YOLO لبنية تدفق بيانات Metis.
  2. محرك التحويل الكمي: يحول نماذج FP32 تلقائيًا إلى دقة INT8 بأقل خسارة في الدقة.
  3. منشئ خط الأنابيب: إطار عمل قائم على YAML لتسلسل نماذج متعددة (على سبيل المثال، الكشف + تقدير الوضعية) دون كتابة كود C++L معقد.

التثبيت والإعداد

لاستخدام تسريع أكسيليرا، تحتاج إلى ultralytics مثبتة. لاحظ أن Voyager SDK هو تثبيت منفصل على مستوى النظام مطلوب للربط مع الأجهزة. من المتوقع أن تكون عجلات وقت التشغيل في Q1 2026؛ تعكس الأوامر أدناه تدفق الإعداد المقصود.

# Install Ultralytics
pip install ultralytics

# Note: Download and install the Axelera Voyager SDK from the Axelera Developer Portal
# to enable the 'axelera' export format and runtime.

تصدير نماذج YOLO إلى أكسيليرا

عندما يتم شحن حزمة وقت تشغيل Axelera (المستهدف في الربع الأول من عام 2026)، ستقوم بتصدير نماذج YOLO المدربة إلى تنسيق Axelera باستخدام أمر تصدير Ultralytics القياسي. تولد هذه العملية القطع الأثرية المطلوبة من قبل مترجم Voyager.

مطلوب مجموعة أدوات تطوير البرمجيات Voyager SDK

في format='axelera' يتطلب التصدير أن تكون مكتبات أكسيليرا متوفرة في بيئتك. بدلاً من ذلك، يمكنك التصدير إلى ONNX وتجميعها يدويًا باستخدام سلسلة أدوات Voyager.

أمثلة على التصدير

تحويل نموذج YOLO11 لنشر Metis.

التصدير إلى تنسيق أكسيليرا

مثال مستقبلي - سيعمل عندما يتم إصدار وقت التشغيل

توضح هذه الكتلة البرمجية التدفق المخطط له. سيتطلب تنفيذ حزمة وقت تشغيل Axelera القادمة (ETA Q1 2026) بنجاح.

from ultralytics import YOLO

# Load a standard or custom trained YOLO11 model
model = YOLO("yolo11n.pt")

# Export to Axelera format
# int8=True enables quantization for the NPU
model.export(format="axelera", int8=True, imgsz=640)
# Export a model via CLI
yolo export model=yolo11n.pt format=axelera int8=True imgsz=640

للاطلاع على الوسيطات المتاحة، راجع وثائق وضع التصدير.

تشغيل الاستدلال

بمجرد تصديره، ستتمكن من تحميل النموذج الذي تم تجميعه من أكسليرا مباشرةً باستخدام ultralytics واجهة برمجة التطبيقات (مشابهة لتحميل ONNX النماذج). يوضح المثال أدناه نمط الاستخدام المتوقع لتشغيل الاستدلال وحفظ النتائج بعد شحن حزمة وقت التشغيل.

الاستدلال بتنسيق أكسيليرا

مثال مستقبلي - سيعمل عندما يتم إصدار وقت التشغيل

توضح هذه الكتلة البرمجية التدفق المخطط له. سيتطلب تنفيذ حزمة وقت تشغيل Axelera القادمة (ETA Q1 2026) بنجاح.

from ultralytics import YOLO

# Load the Axelera-compiled model (example path; same flow as ONNX)
model = YOLO("yolo11n_axelera.axmodel")  # will work once Axelera runtime is released

# Run inference; you can pass a file, folder, glob, or list of sources
results = model("path/to/images", imgsz=640, save=True)

# Iterate over result objects to inspect or render detections
for r in results:
    boxes = r.boxes  # bounding boxes tensor + metadata
    print(f"Detected {len(boxes)} objects")

    # Save visuals per result (files saved alongside inputs)
    r.save()  # saves annotated image(s) to disk
    # Or display interactively (desktop environments)
    # r.show()

الأداء الاستدلالي

تم تصميم Metis AIPU لزيادة الإنتاجية إلى أقصى حد مع تقليل استهلاك الطاقة. توضح المعايير أدناه الأداء الذي يمكن تحقيقه باستخدام نماذج Ultralytics القياسية.

مقياس (Metric)ميتيس PCIe x4ميتيس M.2ملاحظة
ذروة الإنتاجية856 توبس214 توبسدقة INT8
YOLOv5m FPS~1539 FPS~326 FPSمدخلات 640 × 640
YOLOv5s FPSغير متاح~827 FPSمدخلات 640 × 640
الكفاءةعاليةعالية جداًمثالية لطاقة البطارية

تستند المعايير إلى بيانات أكسيليرا للذكاء الاصطناعي (سبتمبر 2025). يعتمد FPS الفعلي على حجم النموذج والتجميع ودقة الإدخال.

تطبيقات عملية في أرض الواقع

تعمل Ultralytics YOLO على أجهزة Axelera على تمكين حلول الحوسبة المتطورة المتطورة:

الأسئلة الشائعة

ما هي إصدارات YOLO المدعومة على أكسيليرا؟

تدعم مجموعة أدوات تطوير البرمجيات Voyager SDK وتكامل Ultralytics تصدير YOLOv8 و YOLO11 والنماذج.

هل يمكنني نشر نماذج مدربة مخصصة؟

نعم. يمكن تصدير أي نموذج تم تدريبه باستخدام وضعUltralytics Train Mode إلى تنسيق Axelera، شريطة أن يستخدم طبقات وعمليات مدعومة.

كيف يؤثر التكميم INT8 على الدقة؟

يستخدم محرك التكميم في Axelera تقنيات معايرة متقدمة لتقليل انخفاض الدقة. بالنسبة لمعظم مهام الاكتشاف، تفوق مكاسب الأداء بشكل كبير التأثير الضئيل على mAP.

أين يمكنني العثور على Voyager SDK؟

تتوفر مجموعة تطوير البرمجيات SDK وبرامج التشغيل وأدوات التحويل البرمجي عبر بوابة مطوري أكسيليرا.



📅 تم الإنشاء منذ 0 أيام ✏️ تم التحديث منذ 0 يوم
glenn-jocher

تعليقات