Link to this sectionAxelera AI Dışa Aktarma ve Dağıtım#

Ultralytics partners with Axelera AI to enable high-performance, energy-efficient inference on Edge AI devices. Export and deploy Ultralytics YOLO models directly to the Metis® AIPU using the Voyager SDK.

Axelera AI, uçta bilgisayarlı görü için özel donanım hızlandırması sağlar; düşük güç tüketimiyle 856 TOPS'a kadar performans sunmak için tescilli bir veri akışı mimarisi ve bellek içi hesaplama kullanır.

Link to this sectionDoğru Donanımı Seçme#

Axelera AI, farklı dağıtım kısıtlamalarına uyum sağlamak için çeşitli form faktörleri sunar. Aşağıdaki tablo, 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:#fff

Link to this sectionDonanım Portföyü#

Axelera donanım serisi, Ultralytics YOLO26 ve önceki sürümleri watt başına yüksek FPS verimliliğiyle çalıştıracak şekilde optimize edilmiştir.

Link to this sectionHızlandırıcı Kartlar#

Bu kartlar, mevcut ana bilgisayarlarda yapay zeka hızlandırmasını etkinleştirerek mevcut altyapıya entegre dağıtımları kolaylaştırır.

Link to this sectionEntegre Sistemler#

Anahtar teslim çözümler için Axelera, Metis AIPU için önceden doğrulanmış sistemler sağlamak üzere üreticilerle iş birliği yapar.

• Metis İşlem Kartı: Metis AIPU ile Rockchip RK3588 ARM CPU birimini eşleştiren bağımsız bir uç cihaz.
• İş İstasyonları: Dell (Precision 3460XE) ve Lenovo (ThinkStation P360 Ultra) şirketlerinden kurumsal kule tipi bilgisayarlar.
• Endüstriyel Bilgisayarlar: Advantech ve Aetina tarafından üretim otomasyonu için tasarlanmış sağlamlaştırılmış sistemler.

Link to this sectionDesteklenen Görevler#

Aşağıdaki görevler YOLOv8, YOLO11 ve YOLO26 modellerinde desteklenir.

Link to this sectionKurulum#

Link to this sectionUltralytics Kurulumu#

pip install ultralytics

Ayrıntılı talimatlar için Ultralytics Kurulum kılavuzumuza bak. Sorun yaşarsan Yaygın Sorunlar kılavuzumuza başvur.

Link to this sectionAxelera Sürücü Kurulumu#

1. 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"

2. Depoyu apt'ye ekle:

   Kullandığın işletim sistemiyle eşleşen uygun kod parçacığını 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"

3. SDK'yi kur ve sürücüyü yükle:

   sudo apt update
   sudo apt install -y metis-dkms=1.5.5
   sudo modprobe metis

pip install axelera-devkit==1.7.0 --extra-index-url https://software.axelera.ai/artifactory/api/pypi/axelera-pypi/simple
pip install axelera-rt==1.7.0 --extra-index-url https://software.axelera.ai/artifactory/api/pypi/axelera-pypi/simple

Link to this sectionYOLO Modellerini Axelera'ya Aktarma#

Axelera formatı Dışa Aktarma, Tahmin ve Doğrulama modlarını destekler. Çıkarım ve doğrulama işlemleri Axelera Metis AIPU donanımı üzerinde çalışır. Modelini dışa aktar, ardından çıkarım çalıştırmak veya doğruluğunu test etmek 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")

Link to this sectionDışa Aktarma Argümanları#

Tüm dışa aktarma seçenekleri için Dışa Aktarma Modu belgelerine bak.

Link to this sectionÇıktı 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.)

Link to this sectionAxelera AI Karşılaştırmalı Testleri (Benchmark)#

Metis AIPU, enerji tüketimini en aza indirirken iş hacmini en üst düzeye çıkarır.

Karşılaştırmalı testler Axelera AI verilerine dayanmaktadır. Gerçek FPS; model boyutuna, yığınlamaya ve giriş çözünürlüğüne bağlıdır.

Link to this sectionGerçek Dünya Uygulamaları#

Axelera donanımı üzerinde 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 tespiti.
• Drone Analytics: High-speed object detection on UAVs for agriculture and search-and-rescue.
• Trafik Sistemleri: Uç tabanlı plaka tanıma ve hız tahmini.

Link to this sectionÖnerilen İş Akışı#

1. Modelini Ultralytics Eğitim Modu kullanarak Eğit
2. Dışa Aktar: model.export(format="axelera") komutuyla Axelera formatına aktar.
3. Minimum niceleme kaybını doğrulamak için yolo val ile doğruluğu Doğrula
4. Niteliksel doğrulama için yolo predict kullanarak Tahmin Et
5. Deploy to a high-performance end-to-end pipeline without PyTorch dependency — see the YOLO on Voyager SDK examples for composable Python pipelines using axelera-rt

Link to this sectionCihaz Sağlık Kontrolü#

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
axdevice

Detaylı tanılama için AxDevice belgelerine bak.

Link to this sectionMaksimum Performans#

Bu entegrasyon, uyumluluk için tek çekirdekli yapılandırmayı kullanır. Maksimum iş hacmi gerektiren üretim ortamları için Axelera Voyager SDK şunları sunar:

• Çok çekirdekli kullanım (dört çekirdekli Metis AIPU)
• Akış çıkarım işlem hatları
• Daha yüksek çözünürlüklü kameralar için döşemeli (tiled) çıkarım

FPS karşılaştırmaları için model-zoo kısmına bak veya üretim desteği için Axelera ile iletişime geç.

Link to this sectionBilinen Sorunlar#

Destek için Axelera Topluluğu sayfasını ziyaret et.

Link to this sectionSSS#

Link to this sectionAxelera üzerinde hangi YOLO sürümleri destekleniyor?#

Voyager SDK; YOLOv8, YOLO11 ve YOLO26 modellerinin dışa aktarılmasını destekler. Model bazında görev kullanılabilirliği için Desteklenen Görevler bölümüne bak.

Link to this sectionÖzel eğitimli modelleri dağıtabilir miyim?#

Evet. Desteklenen katmanları ve işlemleri kullandığı sürece, Ultralytics Eğitim Modu kullanılarak eğitilen herhangi bir model Axelera formatına aktarılabilir.

Link to this sectionINT8 kuantizasyonu doğruluğu nasıl etkiler?#

Axelera'nın Voyager SDK'sı, modelleri karma hassasiyetli AIPU mimarisi için otomatik olarak niceleştirir. Çoğu nesne tespiti görevi için performans kazanımları (daha yüksek FPS, daha düşük güç), mAP üzerindeki minimal etkiden çok daha ağır basar. Niceleme, model boyutuna bağlı olarak saniyelerden birkaç saate kadar sürebilir. Doğruluğu doğrulamak için dışa aktardıktan sonra yolo val komutunu çalıştır.

Link to this sectionKaç tane kalibrasyon görseli kullanmalıyım?#

100 ila 400 görsel kullanmanı öneririz. 400'den fazlası ek bir fayda sağlamaz ve kuantizasyon süresini uzatır. En uygun dengeyi bulmak için 100, 200 ve 400 görsellerle denemeler yap.

Link to this sectionVoyager SDK'yı nerede bulabilirim?#

SDK, sürücüler ve derleyici araçları Axelera Geliştirici Portalı aracılığıyla edinilebilir.