Axelera AI ile Dışa Aktarma ve Dağıtım#
Ultralytics, yüksek performanslı ve enerji tasarruflu çıkarımı Edge AI cihazlarında mümkün kılmak için Axelera AI ile iş ortaklığı yapar. Ultralytics YOLO models modellerini Voyager SDK kullanarak doğrudan Metis® AIPU'ya dışa aktar ve dağıt.
Axelera AI, özel bir veri akışı mimarisi ve bellek içi hesaplama kullanarak düşük güç tüketimiyle 856 TOPS değerine kadar ulaşan, uçta bilgisayarlı görü için özel donanım hızlandırması sağlar.
Doğru Donanımı Seçme#
Axelera AI, farklı dağıtım kısıtlarına uygun çeşitli form faktörleri sunar. Aşağıdaki grafik, Ultralytics YOLO dağıtımın için en uygun donanımı belirlemene yardımcı olur.
graph TD
A[Start: Select Deployment Target]:::start --> B{Device Type?}:::decide
B -->|Edge Server / Workstation| C{Throughput Needs?}:::decide
B -->|Embedded / Robotics| D{Space Constraints?}:::decide
B -->|Standalone / R&D| E[Dev Kits & Systems]:::proc
C -->|Max Density <br> 30+ Streams| F[**Metis PCIe x4**<br>856 TOPS]:::out
C -->|Standard PC <br> Low Profile| G[**Metis PCIe x1**<br>214 TOPS]:::out
D -->|Drones & Handhelds| H[**Metis M.2**<br>2280 M-Key]:::out
D -->|High Performance Embedded| I[**Metis M.2 MAX**<br>Extended Thermal]:::out
E -->|ARM-based All-in-One| J[**Metis Compute Board**<br>RK3588 + AIPU]:::out
E -->|Prototyping| K[**Arduino Portenta x8**<br>Integration Kit]:::out
click F "https://store.axelera.ai/"
click G "https://store.axelera.ai/"
click H "https://store.axelera.ai/"
click J "https://store.axelera.ai/"
classDef start fill:#4CAF50,color:#fff
classDef proc fill:#2196F3,color:#fff
classDef decide fill:#FF9800,color:#fff
classDef out fill:#9C27B0,color:#fffDonanım Portföyü#
Axelera donanım ürün ailesi, Ultralytics YOLO26 ve eski sürümleri watt başına yüksek FPS verimliliğiyle çalıştıracak şekilde optimize edilmiştir.
Hızlandırıcı Kartları#
Bu kartlar, mevcut ana cihazlarda AI hızlandırmasını etkinleştirerek brownfield dağıtımlarını kolaylaştırır.
| Ürün | Form Faktörü | Hesaplama | Performans (INT8) | Hedef Uygulama |
|---|---|---|---|---|
| Metis PCIe x4 | PCIe Gen3 x16 | 4x Metis AIPU | 856 TOPS | Yüksek yoğunluklu video analitiği, akıllı şehirler |
| Metis PCIe x1 | PCIe Gen3 x1 | 1x Metis AIPU | 214 TOPS | Endüstriyel PC'ler, perakende kuyruk yönetimi |
| Metis M.2 | M.2 2280 M-Key | 1x Metis AIPU | 214 TOPS | Dronlar, robotik, taşınabilir tıbbi cihazlar |
| Metis M.2 MAX | M.2 2280 | 1x Metis AIPU | 214 TOPS | Gelişmiş termal yönetim gerektiren ortamlar |
Entegre Sistemler#
Anahtar teslim çözümler için Axelera, Metis AIPU için önceden doğrulanmış sistemler sunmak üzere üreticilerle iş birliği yapar.
- Metis Compute Board: Metis AIPU'yu Rockchip RK3588 ARM CPU ile birleştiren bağımsız bir uç cihaz.
- İş istasyonları: Dell (Precision 3460XE) ve Lenovo (ThinkStation P360 Ultra) tarafından sunulan kurumsal kule tipi bilgisayarlar.
- Endüstriyel PC'ler: Üretim otomasyonu için tasarlanmış, Advantech ve Aetina tarafından sunulan dayanıklı sistemler.
Desteklenen Görevler#
Derinlik tahmini desteklenmiyor: derinlik kafası, Metis AIPU derleyicisinin alt seviyeye çeviremediği operatörler üretir. YOLO26 örnek bölütleme de Ultralytics export tarafından desteklenmez, ancak aşağıda açıklandığı gibi Voyager SDK aracılığıyla yine de dağıtılabilir. YOLO26 anlamsal bölütleme desteklenmektedir.
| Görev | YOLOv8 | YOLO11 | YOLO26 |
|---|---|---|---|
| Algılama | ✅ | ✅ | ✅ |
| Segmentasyon | ✅ | ✅ | ❌ |
| Semantik | ❌ | ❌ | ✅ |
| Derinlik | ❌ | ❌ | ❌ |
| Sınıflandırma | ✅ | ✅ | ✅ |
| Poz | ✅ | ✅ | ✅ |
| OBB | ✅ | ✅ | ✅ |
YOLO26 örnek bölütleme, Ultralytics export komutu aracılığıyla henüz desteklenmemektedir. yolo26-seg ihtiyacı olan kullanıcılar, kullanıcı alanı geçici çözümü sağlayan deploy.py kullanarak Voyager SDK üzerinden dağıtım yapabilir. Yerel derleyici desteği gelecekteki bir sürüme eklenecektir.
Kurulum#
Axelera formatına dışa aktarma şunları gerektirir:
- İşletim Sistemi: Yalnızca Linux (Ubuntu 22.04/24.04 önerilir)
- Donanım: Axelera AI hızlandırıcısı (Metis cihazları)
- Python: 3.10, 3.11, 3.12 ve 3.13 sürümleri
- PyTorch:
torch>=2.8,<2.13 - Voyager SDK: 1.8.0; dışa aktarma bu geliştirme kiti sürümünü kurar ve çıkarım bu çalışma zamanı sürümünü kurar
- Metis çekirdek sürücüsü:
metis-dkms1.6.2 veya daha yenisi,pippaketinden ayrı olarak kurulur - Sistem bağımlılığı:
sudo apt install libgl1(OpenCV tarafından gereklidir,piparacılığıyla dahil edilmez)
Ultralytics Kurulumu#
pip install ultralyticsAyrıntılı talimatlar için Ultralytics Kurulum kılavuzumuza bak. Sorunlarla karşılaşırsan Yaygın Sorunlar kılavuzumuza başvur.
Axelera Sürücü Kurulumu#
-
Axelera depo anahtarını ekle:
sudo sh -c "curl -fsSL https://software.axelera.ai/artifactory/api/security/keypair/axelera/public | gpg --dearmor -o /etc/apt/keyrings/axelera.gpg" -
Depoyu apt'ye ekle:
Kullanılan işletim sistemiyle eşleşen uygun parçacığı aşağıdan seç.
# 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" -
Sürücüyü kur ve yükle. SDK 1.8,
metis-dkms1.6.2 veya daha yenisini gerektirir, bu nedenle en yenisi burada kurulur:sudo apt update sudo apt install -y metis-dkms sudo modprobe metis
Çekirdek sürücüsü Python SDK paketlerinden ayrı olarak kurulur, bu nedenle SDK'yı güncelledikten sonra sürücüyü de o SDK'nın minimum sürümüne (SDK 1.8 için 1.6.2) yükseltmelisin. Kurulum sırasında hiçbir şey bunu kontrol etmez ve minimum sürümün altındaki bir sürücü cihazı kullanılamaz durumda bırakır: axdevice, gereken sürümü bildirir ve cihazı açamaz.
[libaxldev.c:285] Found kernel driver version 1.5.5, but at least version 1.6.2 is required. Please update the kernel driver
ERROR: AXR_ERROR_CONNECTION_ERROR: Failed to open device metis-0:4:0Ayrıca bkz. Step 3: Install the Metis kernel driver. Ubuntu üzerinde zaten daha eski bir SDK çalıştırıyorsan, sürücüyü güncelle ve çekirdek modülünü yeniden yükle (yeniden başlatma gerekmez):
sudo apt update
sudo apt install -y metis-dkms
sudo rmmod metis
sudo modprobe metisArdından cihazın algılandığını doğrulamak için axdevice komutunu yeniden çalıştır.
Axelera modeliyle gerçekleştirilen ilk yolo export format=axelera veya yolo predict çalıştırması, Axelera SDK paketlerini otomatik olarak indirip yükler. Bağlantı hızına bağlı olarak bu işlem birkaç dakika sürebilir ve indirme sırasında ilerleme gösterilmez. Önceden manuel olarak yüklemek için:
pip install axelera-devkit==1.8.0 --extra-index-url https://software.axelera.ai/artifactory/api/pypi/axelera-pypi/simple
pip install axelera-rt==1.8.0 --extra-index-url https://software.axelera.ai/artifactory/api/pypi/axelera-pypi/simpleSDK 1.8, derlenmiş .axm model biçimi sürümünü yükseltir, bu nedenle daha eski bir SDK tarafından üretilen _axelera_model dizinleri yükleme sırasında reddedilir. Yükseltmeden sonra her modeli yeniden dışa aktar:
Error: Unsupported model version: 4.0, expected at least 5.0
Please re-deploy or re-download the model.YOLO Modellerini Axelera'ya Dışa Aktarma#
Axelera formatı Dışa Aktarma, Tahmin ve Doğrulama modlarını destekler. Çıkarım ve doğrulama, Axelera Metis AIPU donanımında çalışır. Modelini dışa aktar, ardından çıkarım çalıştırmak veya doğruluğunu doğrulamak için dışa aktarılan modeli yükle.
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")Dışa Aktarma Bağımsız Değişkenleri#
| Bağımsız değişken | Tür | Varsayılan | Açıklama |
|---|---|---|---|
format | str | 'axelera' | Axelera Metis AIPU donanımı için hedef format. |
imgsz | int veya tuple | 640 | Model girdisi için görüntü boyutu. |
batch* | int | 1 | Dışa aktarma modelinin toplu çıkarım boyutunu veya dışa aktarılan modelin predict modunda eşzamanlı olarak işleyeceği maksimum görüntü sayısını belirtir. |
quantize | int veya str | 8/auto | Niceleme hassasiyeti. Axelera AIPU için 8 (INT8) gereklidir ve otomatik olarak etkinleştirilir. Kullanımdan kaldırılan half/int8 işaretlerinin yerini alır. INT8 niceleme bölümüne bak. |
data | str | None | Niceleme veri kümesi YAML'ı; sınıflandırma için bunun yerine veri kümesi dizini veya yerleşik veri kümesi adı kullanılır. Belirtilmezse Ultralytics göreve özgü bir niceleme veri kümesi seçer. |
fraction | float, int veya list | 1.0 | Oran, görüntü sayısı veya [train, val, test] oranları/sayıları olarak niceleme alt kümesi. İki öğeli listeler test değerini tam bırakırken 0 bunu atlar (100-400 görüntü önerilir). |
device | str | None | Dışa aktarma cihazı: GPU (device=0) veya CPU (device=cpu). |
* batch>1 ile çıkarım, Voyager SDK 1.8.0 veya daha yenisini gerektirir; modeller tek bir görüntü için derlenir.
Tüm dışa aktarma seçenekleri için Dışa Aktarma Modu belgelerine bak.
Çıktı Yapısı#
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.)Axelera AI Karşılaştırmaları#
Metis AIPU, enerji tüketimini en aza indirirken aktarım hızını en üst düzeye çıkarır.
| Model | Metis PCIe FPS (saniye başına kare) | Metis M.2 FPS (saniye başına kare) |
|---|---|---|
| YOLOv8n | 847 | 771 |
| YOLO11n | 746 | 574 |
| YOLO26n | 648.6 | 484.9 |
Karşılaştırmalar Axelera AI verilerine dayanır. Gerçek FPS; model boyutuna, toplu işlemeye ve giriş çözünürlüğüne bağlıdır.
Bunlar, Voyager SDK'nın akış boru hattı kullanılarak 720p video dosyası üzerinden model zoo tarafından ölçülen ana bilgisayar aktarım hızı rakamlarıdır. Tek bir predict çağrısı bunun yerine farklı bir miktar olan görüntü başına gecikmeyi bildirir.
Gerçek Dünya Uygulamaları#
Axelera donanımında Ultralytics YOLO, gelişmiş uç bilişim çözümlerini mümkün kılar:
- Akıllı Perakende: Mağaza optimizasyonu için gerçek zamanlı nesne sayımı ve ısı haritası analitiği.
- Endüstriyel Güvenlik: Üretim ortamlarında düşük gecikmeli KKD algılama.
- Drone Analitiği: Tarım ve arama-kurtarma için İHA'larda yüksek hızlı nesne algılama.
- Trafik Sistemleri: Uç tabanlı plaka tanıma ve hız tahmini.
Önerilen İş Akışı#
- Modelini Ultralytics Eğitim Modu ile Eğit
model.export(format="axelera")kullanarak Axelera formatına Dışa Aktar- Niceleme kaybının en aza indirildiğini doğrulamak için
yolo valile doğruluğu Doğrula - Nitel doğrulama için
yolo predictkullanarak Tahmin Et - PyTorch bağımlılığı olmadan yüksek performanslı uçtan uca bir işlem hattına Dağıt —
axelera-rtkullanan birleştirilebilir Python işlem hatları için Voyager SDK üzerinde YOLO örneklerine bak
Cihaz Durumu Denetimi#
Axelera cihazının düzgün çalıştığını doğrula:
# if axdevice cannot be found, please run at least one inference (see above) to ensure the required packages are installed
axdeviceAyrıntılı tanılama için AxDevice belgelerine bak.
Maksimum Performans#
Modeller tek bir görüntü için derlenir. Predict işlevine birkaç görüntü geçirmek, bunları Axelera zamanlayıcısı (Voyager SDK 1.8 veya daha yenisi) üzerinden yönlendirir, böylece batch>1 doğru şekilde çalışır, ancak tek bir cihazda uçtan uca ölçüldüğünde batch=1 değerinden daha hızlı değildir:
yolo predict model=yolo26n_axelera_model source=path/to/images batch=8Maksimum aktarım hızı gerektiren üretim için Axelera Voyager SDK şunları sunar:
- İşlem aşamasında birkaç kare tutan akış çıkarım boru hatları
- Tek bir modeli birkaç çekirdek üzerinde derleme
- Daha yüksek çözünürlüklü kameralar için döşemeli çıkarım
FPS karşılaştırmaları için model-zoo sayfasına bakabilir veya üretim desteği için Axelera ile iletişime geçebilirsin.
Bilinen Sorunlar#
- M.2 güç sınırlamaları: Büyük veya çok büyük modeller, güç kaynağı kısıtlamaları nedeniyle M.2 hızlandırıcılarda çalışma zamanı hatalarıyla karşılaşabilir.
Destek için Axelera Community sayfasını ziyaret et.
SSS#
Voyager SDK, YOLOv8, YOLO11 ve YOLO26 modellerinin dışa aktarılmasını destekler. Model bazında görev kullanılabilirliği için Desteklenen Görevler sayfasına bak.
Evet. Ultralytics Train Mode kullanılarak eğitilen tüm modeller, desteklenen katmanları ve işlemleri kullanmaları koşuluyla Axelera biçimine aktarılabilir.
Axelera'nın Voyager SDK'sı, modelleri karma hassasiyetli AIPU mimarisi için otomatik olarak nicelemeye tabi tutar. Çoğu nesne tespiti görevinde performans kazanımları (daha yüksek FPS, daha düşük güç tüketimi), mAP üzerindeki minimum etkiden önemli ölçüde daha ağır basar. Niceleme, model boyutuna bağlı olarak birkaç saniyeden birkaç saate kadar sürebilir. Doğruluğu doğrulamak için dışa aktarma işleminden sonra
yolo valkomutunu çalıştır.100 ila 400 görüntü kullanmanı öneririz. 400'den fazlası ek bir fayda sağlamaz ve niceleme süresini artırır. En uygun dengeyi bulmak için 100, 200 ve 400 görüntüyle denemeler yap.
SDK, sürücüler ve derleyici araçları Axelera Developer Portal üzerinden kullanılabilir.