コンテンツにスキップ

アクセラAIアクセラレーション

近日公開 - 2026年第1四半期

アクセラサポート ultralytics は 進行中.ここにある例は、予定されているUI/UXを示しており、アクセラランタイムパッケージがリリースされれば実行可能になる。

Ultralytics Axelera AIと提携し、エッジAIデバイスにおける高性能でエネルギー効率の高い推論を効率化します。この統合により、ユーザーはVoyager SDKを使用して、Ultralytics YOLO モデルを Metis® AIPUおよびEuropa®プラットフォームに直接エクスポートし、展開することができます。

アクセラAIエコシステム

アクセラAIは、エッジにおけるコンピュータ・ビジョンとジェネレーティブAIのための専用ハードウェア・アクセラレーションを提供する。同社のテクノロジーは、独自のデータフローアーキテクチャとインメモリーコンピューティングを活用し、低消費電力で高いスループット（最大856 TOPS）を実現します。

Ultralytics ユーザーにとって、これは、組み込みドローンからエッジサーバーに至るデバイスに、物体検出、姿勢推定、その他のYOLO タスクを展開するスケーラブルな道を提供する。

正しいハードウェアの選択

アクセラAIは、さまざまな導入制約に対応するため、さまざまなフォームファクターを提供しています。以下のチャートは、Ultralytics YOLO 展開に最適なハードウェアを特定するのに役立ちます。

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/"

ハードウェア・ポートフォリオ

アクセラハードウェアのラインナップは、以下の動作に最適化されています。 Ultralytics YOLO11およびレガシーバージョンをワットあたり高い FPS 効率で実行できるように最適化されています。

アクセラレーターカード

これらのカードは、既存のホスト・デバイスでのAIアクセラレーションを可能にし、ブラウンフィールドでの展開を容易にする。

製品フォームファクター計算するパフォーマンス（INT8）ターゲット・アプリケーション
メティス PCIe x4PCIe Gen3 x164xメティスAIPU856 トップス高密度ビデオ分析、スマートシティ
メティス PCIe x1PCIe Gen3 x11xメティスAIPU214 TOPS産業用PC、小売店の待ち行列管理
メティスM.2M.2 2280 M-Key1xメティスAIPU214 TOPSドローン、ロボット工学、携帯医療機器
メティスM.2 MAXM.2 22801xメティスAIPU214 TOPS高度な熱管理が必要な環境

統合システム

ターンキーソリューションについては、アクセレラはメーカーと提携し、Metis AIPU用に事前に検証されたシステムを提供している。

  • Metisコンピュートボード：Metis AIPUとRockchip RK3588 ARMCPU組み合わせたスタンドアローンのエッジデバイス。
  • ワークステーション：デル（Precision 3460XE）とレノボ（ThinkStation P360 Ultra）のエンタープライズ・タワー。
  • 産業用PC：製造オートメーション用に設計されたアドバンテックと エティナの堅牢なシステム。

ボイジャーSDKの統合

Voyager SDKは、Ultralytics モデルとアクセラ・ハードウェア間の橋渡しの役割を果たします。ニューラルネットワークのコンパイル、量子化、ランタイム実行を処理します。

Ultralytics ユーザーのための主な機能：

  1. シームレスなエクスポート：SDKのコンパイラーは、YOLO モデルをMetisデータフローアーキテクチャ用に最適化します。
  2. 量子化エンジン：FP32モデルを最小限の精度損失で自動的にINT8精度に変換します。
  3. パイプラインビルダー：YAMLベースのフレームワークで、複雑なC++コードを書くことなく、複数のモデル（検出＋姿勢推定など）を連鎖させることができる。

インストールとセットアップ

アクセラレータを使用するには ultralytics パッケージがインストールされている必要があります。Voyager SDKは、ハードウェアとのインターフェイスに必要なシステムレベルの別インストールであることに注意してください。ランタイム・ホイールは Q1 2026以下のコマンドは、意図したセットアップの流れを反映したものです。

# 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.

YOLO モデルのアクセラへのエクスポート

Axeleraランタイムパッケージが出荷されたら（2026年第1四半期を目標）、標準のUltralytics エクスポートコマンドを使用して、学習済みYOLO モデルをAxelera形式にエクスポートします。このプロセスにより、Voyagerコンパイラが必要とする成果物が生成されます。

Voyager SDKが必要

The format='axelera' エクスポートを行うには、お使いの環境でアクセラライブラリが利用可能である必要があります。あるいは ONNX で、Voyagerツールチェーンを使って手動でコンパイルする。

エクスポートの例

YOLO11 モデルをMetis展開用に変換する。

アクセラフォーマットへのエクスポート

将来の例 - ランタイムがリリースされたときに動作します。

このコードブロックは、予定されているフローを示している。正常に実行するには、今後リリースされるアクセラランタイムパッケージ（ETA Q1 2026）が必要です。

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

使用可能な引数については、エクスポートモードのドキュメントを参照してください。

推論の実行

一度エクスポートすると、アクセラでコンパイルしたモデルを ultralytics API（ロードに似ている ONNX モデル)。以下の例は、ランタイムパッケージが出荷された後に推論を実行し、結果を保存する場合の想定される使用パターンを示している。

アクセラフォーマットによる推論

将来の例 - ランタイムがリリースされたときに動作します。

このコードブロックは、予定されているフローを示している。正常に実行するには、今後リリースされるアクセラランタイムパッケージ（ETA Q1 2026）が必要です。

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()

推論パフォーマンス

Metis AIPUは、エネルギー消費を最小限に抑えながらスループットを最大化するように設計されています。以下のベンチマークは、標準的なUltralytics モデルで達成可能なパフォーマンスを示しています。

メトリックメティス PCIe x4メティスM.2注
ピーク・スループット856 トップス214 TOPSINT8 精度
YOLOv5m FPS~1539 FPS~326 FPS640x640 入力
YOLOv5s FPSN/A~827 FPS640x640 入力
効率性高い非常に高いバッテリー駆動に最適

アクセラAIのデータ（2025年9月）に基づくベンチマーク。実際のFPSはモデルサイズ、バッチ処理、入力解像度に依存する。

現実世界のアプリケーション

アクセラ・ハードウェア上のUltralytics YOLO 、高度なエッジ・コンピューティング・ソリューションを可能にします：

よくある質問

アクセラでサポートされているYOLO バージョンは？

Voyager SDKとUltralytics 統合は、以下のエクスポートをサポートします。 YOLOv8および YOLO11モデルのエクスポートをサポートしています。

カスタム学習済みモデルを導入できますか？

はい。Ultralytics Train Modeを使用してトレーニングされたモデルは、サポートされているレイヤーとオペレーションを使用する限り、Axeleraフォーマットにエクスポートできます。

INT8の量子化は精度にどう影響しますか？

アクセレラの量子化エンジンは、高度なキャリブレーション技術により精度の低下を最小限に抑えます。ほとんどの検出タスクにおいて、性能向上は mAP.

Voyager SDKはどこにありますか？

SDK、ドライバ、コンパイラツールは、アクセラ開発者ポータルから入手できます。



📅作成 0 日前 ✏️更新 0日前
glenn-jocher

コメント