Публикации по теме edge-computing

Публикации по теме 'edge-computing'

Облачный искусственный интеллект изменит мобильные приложения

Облачный искусственный интеллект изменит мобильные приложения Непрерывный рост приложений сотовых беспроводных сетей создает новый спрос на новые технологии. Беспроводная связь пятого поколения (5G) включает в себя несколько сетевых уровней, в которых используются такие технологии, как открытая сеть радиодоступа (Open RAN), сегментация сети и облачные вычисления. В облачных перифериях более широкая индустрия искусственного интеллекта (ИИ) становится свидетелем миграции ИИ на..

ФЕДЕРАЦИОННОЕ ОБУЧЕНИЕ: БУДУЩЕЕ РАСПРЕДЕЛЕННОГО МАШИНОСТРОЕНИЯ

Автор Лакшми Сатьян . Google представил федеративное обучение (FL) в 2017 году. Это особая категория машинного обучения, в которой модели обучаются с использованием децентрализованных данных, доступных на таких устройствах, как мобильные телефоны, беспилотные автомобили и т. Д. Это позволяет нам выполнять машинное обучение, пока хранение данных на устройстве. Это надежно и очень безопасно. Федеративное обучение позволяет создавать более умные модели, уменьшать задержку и..

Приближается TinyML

В то время как машинное обучение (ML) происходило в основном в облаке, а теперь вывод ML приближается к Edge, ничего не происходило с ML на ограниченных устройствах IoT с микроконтроллерами Ultra Low Power (ULP). Эта область называется TinyML . Это общий термин, не указывающий на какие-либо конкретные реализации. Появилось некоторое сообщество TinyML , возглавляемое Qualcom и Google. Я работал над TinyML, но недавно появилась эта команда, и оказалось, что индустрия проявляет большой..

Фрагменты трактата с открытыми исходными кодами

Фрагменты трактата с открытыми исходными кодами Библиотека нейронной сети Rust для Edge Авторы Матье Пумейрол и Жозеф Дюро После открытия исходного кода Snips-NLU год назад, Snips теперь делится Tract , новой частью своей встроенной голосовой платформы. Tract - это механизм логического вывода нейронной сети Snips. Хотя TensorFlow и, в меньшей степени, PyTorch доминируют в экосистеме решений для обучения нейронных сетей, среда для механизмов вывода на крошечных..

Сравнение вывода модели с устройством TFlite и Coral USB Accelerator

Что, если мы подготовим эксперимент, сравнивая модель с аналогичными характеристиками, использующую традиционный процессор для настольных ПК и, с другой стороны, EDGE TPU? Отдельный Edge TPU способен выполнять 4 триллиона операций (тера-операций) в секунду (TOPS), используя 0,5 Вт для каждого TOPS (2 TOPS на ватт). То, как это отразится на производительности вашего приложения, зависит от множества факторов. У каждой модели нейронной сети разные требования, и если вы используете..

Практическое руководство со SmartEdge Agile

Нестандартный искусственный интеллект на грани Вы, наверное, уже поняли, что я большой поклонник периферийных вычислений для машинного обучения. Но это не значит, что облаку нет места. Хотя некоторые устройства, такие как Coral Dev Board от Google, способны передавать обучение на устройство , на периферии это не так часто встречается. По крайней мере, пока. В обозримом будущем облако - это то место, где будет происходить обучение и будут храниться данные. То есть, если вам вообще..

Развертывание моделей машинного обучения для пограничных вычислений на дронах

В этом посте мы подробно расскажем, как мы разработали и обучили модель детектора одиночного выстрела (SSD), которая позволяет беспилотным летательным аппаратам на базе встроенного интеллекта UAVIA автоматически обнаруживать и отслеживать интересующие объекты наиболее оптимизированным для оборудования способом. Мы также предоставляем техническое описание модели SSD и представляем метод, который мы использовали для упрощения оптимизации моделей нейронных сетей для вывода в UAVIA DroneOS с..