جدول المحتويات:
الذكاء الاصطناعي والآلات التي يمكن أن تتعلم هي كيف سيتم تحسين الأشياء التي نستخدمها كل يوم. تتوافق Google و Android مع AI من خلال Google Assistant والتعلم الآلي ، لذلك من المهم معرفة كيفية عمل النهاية الخلفية وكيف وصلوا إلى هناك وأنواع المعدات التي تجعل كل ذلك ممكنًا. إنه رائع حقًا أيضًا!
سيحتاج الأشخاص الذين سيبنون هذه التكنولوجيا في المستقبل إلى الأدوات اللازمة للقيام بذلك. في عام 2017 ، تقوم NVIDIA بدورها ، وجيتسون TX2 هي تجسيد لهذه الفكرة. يحتاج المطورون إلى أجهزة لا يمكنها فقط القيام بالحوسبة والتفكير (نعم ، سأقولها) والتي سيحتاجها مستقبلنا الأكثر ذكاءً ، ولكنها أيضًا سهلة الاستخدام والنشر.
منظمة العفو الدولية على الحافة.
تشير NVIDIA إلى هذا كـ "تقديم AI على الحافة" وهو وصف مناسب. TX2 هو كمبيوتر عملاق كامل. إنه قادر على معالجة البيانات من تلقاء نفسه في المكان والزمان الذي يحدث بالفعل بدلاً من آلاف الأميال عبر الإنترنت. نحن نأخذ التوصيلية كأمر مفروغ منه نظرًا للطريقة التي نستخدمها بها الآن ، ولكن هناك الكثير من الحالات التي يكون فيها انتظار رحلة ذهابًا وإيابًا من آلة ذكية طويلًا جدًا في انتظاره. وجزء كبير من هذا الرخام الأزرق الذي نعيش عليه ليس له اتصال بالإنترنت ، ولن يكون لوقت طويل جدًا.
كمبيوتر صغير يمكنه فعل أي شيء ومعالجة جميع البيانات التي يجمعها هو كيفية معالجة هذه المشكلات. يبدو أن NVIDIA قد سمّته هنا.
ما هذا الشيء؟
هذا ليس شيئًا يمكنك العثور عليه في Best Buy لاستخدامه في الأشياء التي تفعلها بهاتفك. لا يعمل بنظام Android (ولكن بالتأكيد لن يكون من الصعب إصلاح ذلك) وهو شيء لن يشتري معظمنا. لكنه لا يزال جزءًا مهمًا جدًا من الأشياء التي نحبها.
Jetson TX2 هي أداة تطوير. تعد Jetson TX2 أيضًا وحدة جاهزة للمجال لتشغيل أي جهاز قائم على الذكاء الاصطناعي. إنه كمبيوتر بحجم بطاقة الائتمان مع جميع المدخلات والمخرجات التي يمتلكها الكمبيوتر "العادي". عندما تقوم بتوصيل وحدة TX2 في اللوحة الخلفية المصممة خصيصًا لها (والتي تعد جزءًا من مجموعة التطوير) ، فإنها تتحول في الغالب إلى جهاز كمبيوتر صغير الحجم نموذجي عامل كامل مع جميع المنافذ والمقابس لديه سطح المكتب الخاص بك أيضا.
يمكن للمطورين استخدام هذا لإنشاء معدات موجودة واستخدام Jetson بالفعل لتشغيل العروض التوضيحية والمحاكاة. إنها آلة صغيرة قادرة على القيام بجميع العمليات الحسابية التي يمكن أن يقوم بها أكبر بكثير أثناء استخدام مقدار ضئيل من القوة للقيام بذلك. المواصفات التقنية مثيرة للإعجاب.
- سلسلة NVIDIA Parker Tegra X2: وحدة معالجة الرسومات Pascal ذات النواة 256-نواة ووحدة المعالجة المركزية دنفر 64 بت المقترنة بأربعة وحدات المعالجة المركزية Cortex-A57 في تكوين HMP
- 8GB من 128 بت LPDDR4 RAM
- سعة تخزينية تبلغ 32 جيجابايت
- 802.11b / g / n / ac 2x2 MIMO Wi-Fi
- بلوتوث 4.1
- USB 3.0 و USB 2.0
- جيجابت إيثرنت
- فتحة بطاقة SD للتخزين الخارجي
- ساتا 2.0
- إكمال PMIC متعدد القنوات
- موصل I / O قياسي عالي السرعة ومنخفض للصناعة 400 دبوس
أفضل المواصفات التقنية هي أن Jetson TX2 هو دبوس لاستبدال الدبوس في Jetson TX1 العام الماضي. دع ذلك يغرق قليلاً - فالمطورين الذين يستخدمون أجهزة كمبيوتر NVIDIA TX1 الحالية لتشغيل العقول وراء أجهزتهم سوف يكونون قادرين على إيقاف الأمور وسحب اللوحة القديمة ووضعها في اللوحة الجديدة. سيتم تحديث برنامج TX1 على نفس البرنامج الذي يستخدمه TX2 ، وبالتالي سيكون انخفاضًا حرفيًا. إذا كنت قد أنجزت أي نوع من العمل الميداني أو المصنع على معدات تكلف الكثير من المال عندما يكون هناك أي وقت توقف ، فأنت تفهم مدى أهمية ذلك. أثناء تطوير معدات الجيل التالي ، تستخدم الأجهزة التي تعمل بنسبة 100٪ مع الجيل الحالي.
السر هنا هو من خلال نوى Pascal GPU النوى. ونفس السبب في استخدام نوى Pascal في بطاقات الفيديو المتطورة جدًا المصممة للألعاب VR و 4K ثلاثية الأبعاد هي سبب استخدامها في Jetson TX2. الجرافيك النوى هي وسيلة أكثر فعالية لاقتلاع الأرقام. إنها أسرع وتستخدم طاقة أقل كثيرًا.
الكأس المقدسة للحوسبة هي الذكاء الاصطناعي (AI): بناء آلة ذكية للغاية ، ويمكن أن تتعلم من تلقاء نفسها دون تعليمات واضحة. التعلم العميق هو عنصر حاسم لتحقيق الذكاء الاصطناعى الحديث. التعلم العميق يتيح لـ "الذكاء" من الذكاء الاصطناعي إدراك العالم من حوله ؛ تتعلم الآلة وتتخذ القرارات في النهاية بنفسها. أصبح من المعترف به الآن على نطاق واسع في الأوساط الأكاديمية والصناعية أن وحدات معالجة الرسومات هي أحدث التقنيات في تدريب الشبكات العصبية العميقة (DNN) ، وذلك بسبب مزايا السرعة والكفاءة في استخدام الطاقة مقارنةً بالمنصات التقليدية القائمة على وحدة المعالجة المركزية.
أجهزة الكمبيوتر NVIDIA GPU تفعل بالفعل بعض الأشياء المدهشة. إنهم يقودون التعلم العميق المستخدم في السيارات ذاتية القيادة ، حيث يقومون بتدريس المهارات الحركية الشبيهة بالإنسان الآلي مثل المشي والاستيعاب ، وتحليل الفيديو بسرعة عالية لتوفير تسميات توضيحية نصية وحتى تشغيل Go. وضرب المعارضين الإنسان جيدة حقا.
يمكن أن تقوم نوى GPU بنفس العمل باستخدام طاقة أقل مثل الحوسبة التقليدية لوحدة المعالجة المركزية.
الاختبار الحقيقي لمنظمة العفو الدولية والأدمغة التي يمكن أن تدفع هو في الأفق. هناك حاجة ماسة إلى روبوتات وطائرات بدون طيار مستقلة للوظائف مثل الفحص الصناعي ، والأجهزة الطبية المحمولة التي يمكن نقلها في هذا المجال لمساعدة المحتاجين إليها هي في أمس الحاجة إليها ، وحتى كاميرات الأمن الذكية التي يمكنها تحليل ما يرونه واتخاذ الإجراءات المناسبة قريبًا كن حقائق. تحتاج هذه الأفكار إلى الحوسبة التي يمكن أن تدفع الذكاء الاصطناعى بخوارزميات التعلم العميق والقدرة على تحليل البيانات العصبية التي تم جمعها من قبل الشبكة العصبية. لا يمكن توصيلها بكابل وسيتم استخدامها في الأماكن التي لا توجد بها تغطية فيريزون.
إلى جانب كونها قوية ، يجب أن يكون الكمبيوتر المصمم ليكون صغيراً ومحملاً فعالاً في استهلاك الطاقة. يُظهر اختبار (ملف بتنسيق.pdf) أن الحوسبة المستندة إلى NVIDIA GPU يمكن أن تكون مكافئة لوحدة المعالجة المركزية Intel i7 6700K CPU واستخدام 6 واط من الطاقة مقارنة بـ 60. بالنسبة للمعدات غير المتصلة بشبكة الطاقة ، هذا أمر مهم.
لقد أجرينا بعض المعايير باستخدام AlexNet و GoogLeNet - CV لتصنيف واختبار الكشف عن الكائنات على أساس السيرة الذاتية وكانت النتائج رائعة. في وضع Max-P (عالي الطاقة) ، تمكن Jetson TX2 من تحليل 641 صورة في الثانية في المتوسط باستخدام شبكة AlexNet أثناء استخدام 13 واط فقط من الطاقة. بلغ متوسط اختبار GoogLeNet 278 صورة في الثانية أثناء استخدام 14 واط من الطاقة. سجلت اختبارات Max-Q (منخفضة الطاقة) 481 صورة في الثانية في المتوسط على AlexNet و 191 صورة في الثانية على GoogLeNet أثناء استخدام 7 واط فقط من الطاقة. هذا هو حوالي ضعف ما يمكن أن توفره Jetson TX1 في العام الماضي ، وكان جيدًا للغاية في ذلك أيضًا.
عندما تتمكن من معالجة المعلومات بسرعة وهذا الموقع الدقيق ، فإن الاتصال بالسحابة ليس هو العامل المقيد الذي كانت عليه.
في المختبر
يجب أن يكون Jetson TX2 قادرًا جدًا في هذا المجال. إنها أول أجهزة الجيل التالي التي ستتعلم من خلال الاستغناء عن أي اتصال بالسحابة وترقية كبيرة من المعدات الموجودة. لكنه يحتوي أيضًا على ميزات يحبها المطورون.
يمكن لوحدة حساب حجم بطاقة الائتمان أن تصل إلى لوحة شركات كاملة متوفرة كجزء من مجموعة تطوير Jetson TX2. تستخدم لوحة الناقل دبابيس الإدخال / الإخراج 400 في وحدة Jetson لتوفير اتصالات سطح المكتب القياسية. يمكن لمطور البرامج استخدام لوحة مفاتيح وماوس USB قياسي وشاشة قياسية و Jetson TX2 لإنشاء بيئة تطوير كاملة.
يعمل على نظام التشغيل Linux4Tegra الذي يستند إلى Ubuntu 16.04 ، يتم تضمين جميع الأدوات التي قد تحتاج إليها لتطوير وتصحيح تطبيقات التعلم العميق AI كجزء من برنامج JetPack الخاص بـ NVIDIA. يمكن للمطورين تنزيل الحزمة من Developer Zone في NVIDIA وكذلك متابعة البرامج التعليمية ومعرفة المجتمع لمعرفة ما يمكن أن تفعله Jetson ثم تبدأ العمل على أفكارهم الخاصة. تم تكوين البرامج المضمنة في JetPack مسبقًا لتشغيلها على نظام معالجة TX2:
- cuDNN - مكتبة تسريع GPU من البدائل للشبكات العصبية العميقة.
- إن NVIDIA VisionWorks عبارة عن حزمة تطوير برمجيات لـ Computer Vision (CV) ومعالجة الصور.
- مجموعة أدوات CUDA - بيئة تطوير شاملة لمطوري C و C ++ الذين يقومون ببناء تطبيقات تسريع GPU.
- TensorRT - وقت تشغيل عالي الأداء لاستدلال التعلم العميق لتصنيف الصور وتقسيمها وكشفها عن الشبكات العصبية.
- NVIDIA Nsight Eclipse - تطبيق Eclipse IDE كامل المواصفات ومخصص لتطوير تطبيقات تصحيح الأخطاء وتصنيفها.
- Tegra System Profiler و Tegra Graphics Debugger - أدوات لملف التعريف واختبار التطبيقات باستخدام OpenGL.
- الضمان والأصول اللازمة لتطوير وتصميم الأجهزة باستخدام NVIDIA Jetson TX2.
يعد استخدام نفس النظام الأساسي لإنشاء أي تطبيق وتصحيحه أمرًا ضروريًا لأي شيء معقد ومعقد. إنها إحدى الطرق التي يمكن بها للمطورين تبسيط العملية وأي شيء يمكن أن يساعد في جعل الأمور أسهل للمطورين الأكثر سعادة. في حين أن Jetson TX2 قد لا يتم تصميمه باعتباره التطوير الوحيد وبناء الكمبيوتر الذي ستستخدمه أي مجموعة ، مع العلم أنه قادر على أن يكون نعمة للتثبيت والعمل الميداني. يمكن إجراء تعديلات وتغييرات صغيرة على Edge بنفس الطريقة التي تتم بها المعالجة دون إرسال البيانات مرة أخرى إلى بنك كمبيوتر آخر للمعالجة والعودة.
يمكن تصميم المعدات باستخدام أصول الأجهزة والرسومات المتاحة ليس فقط للحد من التعقيد ولكن للسماح بواجهة سهلة باستخدام الأجهزة الطرفية والبرامج المتوفرة بسهولة. مسلحًا بجهاز كمبيوتر محمول وكابل USB ، فللمهندس أو التقنية الميدانية كل ما يلزم لإعادة البناء من الأساس إلى القمة إذا لزم الأمر.
يعني برنامج NVIDIA Jetpack أن المطورين يمكنهم التركيز على عملهم ، وليس إعداد بيئة بناء.
حتى تثبيت Jetpack الخاص بـ NVIDIA مبسط. تم تزويد المراجعين بإصدار محدث لتثبيته ، وباتباع بعض الإرشادات البسيطة من خلال واجهة المستخدم الرسومية الذكية تمت إعادة بناء كاملة لجميع البرامج التي تم الانتهاء منها ببضع خطوات وفنجان من القهوة. مرة أخرى ، نرى NVIDIA تسهّل الأمور حتى يتمكن المطورون من التركيز على عملهم بدلاً من الحفاظ على بيئة البناء نفسها.
بعد بضعة أيام من إعداد الأشياء واختبار كل شيء ، شعرت بالانزعاج الشديد لما تقدمه NVIDIA هنا. أول Jetson TX1 كان منتجًا رائعًا يلبي الحاجة إلى التطوير السريع باستخدام نوى GPU للقيام بالأثقال الثقيلة لتطبيقات الشبكات العصبية للتعلم العميق. في وقت قصير جدًا ، رفعت NVIDIA الشريط مع خليفة يمكنه كسر التبعية على السحابة باستخدام نفس أدوات وتقنيات التطوير المألوفة.
تكنولوجيا المستقبل ستثير وتلهمنا جميعًا. منتجات مثل Jetson TX2 هي ما سيجعل ذلك المستقبل ممكنًا. يصل سعر مجموعة أدوات تطوير NVIDIA Jetson TX2 إلى 599 دولارًا لأوامر البيع بالتجزئة و 299 دولارًا للطلاب.
انظر في NVIDIA Embedded Developers portal
