Перейти к содержанию

Ускорение искусственного интеллекта Axelera

Скоро - Q1 2026

Поддержка Axelera в ultralytics является в процессе. Приведенные здесь примеры демонстрируют планируемый UI/UX и станут доступными для выполнения после выпуска пакета времени выполнения Axelera.

Компания Ultralytics сотрудничает с Axelera AI для оптимизации высокопроизводительных и энергоэффективных выводов на устройствах Edge AI. Эта интеграция позволяет пользователям экспортировать и развертывать моделиUltralytics YOLO непосредственно на платформах Metis® AIPU и Europa® с помощью Voyager SDK.

Экосистема искусственного интеллекта Axelera

Компания Axelera AI предоставляет специализированное аппаратное ускорение для компьютерного зрения и генеративного искусственного интеллекта на границе. Их технология использует запатентованную архитектуру потока данных и вычисления в памяти для обеспечения высокой пропускной способности (до 856 TOPS) при низком энергопотреблении.

Для пользователей Ultralytics это открывает масштабируемый путь к развертыванию функций обнаружения объектов, оценки положения и других задач YOLO на различных устройствах - от встроенных беспилотников до граничных серверов.

Выбор подходящего оборудования

Axelera AI предлагает различные форм-факторы, чтобы соответствовать различным ограничениям на развертывание. Приведенная ниже диаграмма поможет определить оптимальное оборудование для развертывания 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/"

Портфель аппаратных средств

Линейка оборудования Axelera оптимизирована для работы Ultralytics YOLO11 и устаревших версий с высокой эффективностью FPS на ватт.

Карты ускорителей

Эти карты позволяют ускорять ИИ в существующих хост-устройствах, что облегчает развертывание в условиях "зрелого поля".

ПродуктФорм-факторВычислитеПроизводительность (INT8)Целевое применение
Metis PCIe x4PCIe Gen3 x164x Metis AIPUs856 TOPSВидеоаналитика высокой плотности, умные города
Metis PCIe x1PCIe Gen3 x11x Метис Айпу214 TOPSПромышленные ПК, управление очередями в розничной торговле
Метис М.2M.2 2280 M-Key1x Метис Айпу214 TOPSБеспилотники, робототехника, портативные медицинские устройства
Metis M.2 MAXM.2 22801x Метис Айпу214 TOPSСреды, требующие усовершенствованного терморегулирования

Интегрированные системы

В случае готовых решений Axelera сотрудничает с производителями, поставляя системы, предварительно проверенные для Metis AIPU.

  • Вычислительная плата Metis: Автономное пограничное устройство, объединяющее Metis AIPU с CPU Rockchip RK3588.
  • Рабочие станции: Корпоративные башни от Dell (Precision 3460XE) и Lenovo (ThinkStation P360 Ultra).
  • Промышленные компьютеры: Надежные системы от Advantech и Aetina, предназначенные для автоматизации производства.

Интеграция с Voyager SDK

Voyager SDK служит связующим звеном между моделями Ultralytics и аппаратным обеспечением Axelera. Он управляет компиляцией, квантованием и выполнением нейронных сетей во время исполнения.

Ключевые особенности для пользователей Ultralytics :

  1. Бесшовный экспорт: Компилятор SDK оптимизирует модели YOLO для архитектуры потока данных Metis.
  2. Механизм квантования: Автоматически преобразует модели FP32 в INT8 с минимальной потерей точности.
  3. Pipeline Builder: Основанный на YAML фреймворк для создания цепочки из нескольких моделей (например, обнаружение + оценка позы) без написания сложного кода на C++.

Установка и настройка

Чтобы использовать ускорение Axelera, вам необходимо ultralytics установленный пакет. Обратите внимание, что Voyager SDK - это отдельная установка системного уровня, необходимая для взаимодействия с оборудованием. Колеса выполнения ожидаются в Q1 2026; приведенные ниже команды отражают предполагаемый порядок настройки.

# 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.

Экспорт моделей YOLO в Axelera

Когда пакет времени выполнения Axelera будет поставлен (целевой квартал 2026 года), вы экспортируете свои обученные модели YOLO в формат Axelera с помощью стандартной команды экспорта Ultralytics . Этот процесс генерирует артефакты, необходимые компилятору Voyager.

Требуется Voyager SDK

Параметр format='axelera' экспорт требует наличия библиотек Axelera в вашей среде. В качестве альтернативы можно экспортировать в ONNX и вручную скомпилировать с помощью набора инструментов Voyager.

Примеры экспорта

Преобразование модели YOLO11 для развертывания в Metis.

Экспорт в формат Axelera

Будущий пример - будет работать, когда выйдет время выполнения

Этот блок кода демонстрирует планируемый поток. Для его успешного выполнения потребуется готовящийся к выпуску пакет времени выполнения Axelera (ETA Q1 2026).

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

Доступные аргументы см. в документации по режиму экспорта.

Запуск логического вывода

После экспорта вы сможете загрузить скомпилированную в Axelera модель напрямую с помощью функции ultralytics API (аналогично загрузке ONNX модели). В приведенном ниже примере показана ожидаемая схема использования для выполнения выводов и сохранения результатов после поставки пакета времени выполнения.

Вывод с помощью формата Axelera

Будущий пример - будет работать, когда выйдет время выполнения

Этот блок кода демонстрирует планируемый поток. Для его успешного выполнения потребуется готовящийся к выпуску пакет времени выполнения Axelera (ETA Q1 2026).

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()

Производительность выводов

Metis AIPU разработан для обеспечения максимальной пропускной способности при минимальном потреблении энергии. Приведенные ниже контрольные показатели иллюстрируют производительность, достижимую при использовании стандартных моделей Ultralytics .

МетрикаMetis PCIe x4Метис М.2Примечание
Пиковая пропускная способность856 TOPS214 TOPSINT8 Точность
YOLOv5m FPS~1539 FPS~326 FPSВход 640x640
YOLOv5s FPSН/Д~827 FPSВход 640x640
ЭффективностьВысокийОчень высокийИдеально подходит для питания от аккумулятора

Бенчмарки основаны на данных Axelera AI (сентябрь 2025 года). Фактический FPS зависит от размера модели, пакетной обработки и разрешения входного сигнала.

Приложения в реальном мире

Ultralytics YOLO на оборудовании Axelera позволяет создавать передовые решения для пограничных вычислений:

Часто задаваемые вопросы

Какие версии YOLO поддерживаются на Axelera?

Voyager SDK и интеграция с Ultralytics поддерживают экспорт данных YOLOv8 и YOLO11 моделей.

Можно ли развернуть модели с пользовательским обучением?

Да. Любая модель, обученная с помощью Ultralytics Train Mode, может быть экспортирована в формат Axelera, если в ней используются поддерживаемые слои и операции.

Как квантование INT8 влияет на точность?

В механизме квантования Axelera используются передовые методы калибровки для минимизации падения точности. Для большинства задач обнаружения выигрыш в производительности значительно превосходит незначительное влияние на mAP.

Где я могу найти Voyager SDK?

SDK, драйверы и инструменты компилятора доступны на портале разработчиков Axelera.



📅 Создано 0 дней назад ✏️ Обновлено 0 дней назад
glenn-jocher

Комментарии