Anpassen von KI für Ihre Anwendung

Die KI-Technologie verändert schnell, wie Geräte mit der Welt interagieren. Traditionell muss ein Programmierer vorherbestimmen, wie ein System auf die verschiedenen und unvorhersehbaren Umstände reagieren wird, die in realen Szenarien auftreten können. Mit KI kann ein Modell trainiert werden, das gewünschte Reaktionen so erfasst, dass das Modell zuverlässig gewünschte Reaktionen auf Umstände liefern kann, die nie vorhergesehen wurden.

Eine Herausforderung für Entwickler, die neu in der KI sind, ist die Anpassung einer KI-Implementierung für ihre Anwendung. Es sei denn, eine spezifische Anwendung hat genug Volumen, um ihre eigene Board-Implementierung zu rechtfertigen, tendieren fertige KI-Boards dazu, sich auf allgemeine Wirksamkeit zu konzentrieren. Sie werden Ressourcen und Schnittstellen haben, die nicht für jede Anwendung erforderlich sind, und somit unnötig Kosten erhöhen.

Beispielsweise sind Entwicklerkits wie das Jetson Nano Developer Kit eine großartige Möglichkeit, um sich mit der Erstellung einer grundlegenden KI-Implementierung vertraut zu machen. Das Jetson Nano kommt mit einer Vielzahl von Schnittstellen, was es unkompliziert macht, ein Testsystem in sehr kurzer Zeit aufzubauen und in Betrieb zu nehmen. Das Kit dient als ein ausgezeichneter Ausgangspunkt für eine breite Palette von vielfältigen Anwendungen, von der Sensorverarbeitung über die Videoanalyse bis hin zur Tonverarbeitung und darüber hinaus.

Sobald Sie jedoch verstehen, wie man ein allgemeines KI-System aufbaut, werden Sie mit der Entwicklung Ihrer Anwendung beginnen wollen, indem Sie einen Prototyp verwenden, der der endgültigen Produktionshardware so nahe wie möglich kommt. Dies ist besonders wichtig, wenn KI an den Rand (Edge) verlagert wird.

Die Kosten, Verfügbarkeit und Skalierbarkeit von GPUs in der Cloud sind extrem flexibel. Wenn Sie nicht die gewünschte Reaktionsfähigkeit erhalten oder feststellen, dass Ihr Modell mehr Daten benötigt als ursprünglich gedacht, um effektiv zu arbeiten, können Sie problemlos mehr Cloud-Ressourcen zuweisen.

Am Edge ist das nicht so einfach. Am Edge müssen Sie die optimale Mischung aus Ressourcen bestimmen, wenn Sie Kosten, Leistung und Genauigkeit ausbalancieren möchten. Ideal ist ein System, das sich leicht herunterskalieren lässt, ohne umfangreiche Hardwareänderungen zu erzwingen.

Beachten Sie, dass auch Komponenten wie Sensoren, Kameras, Schnittstellen, Speicher und MCUs, die den Rest der Anwendung ausmachen, die Einfachheit des Designs beeinflussen. Dies liegt daran, dass Sie irgendwann Ihr KI-System mit dem Rest der Anwendung integrieren müssen.

Betrachten Sie die kaskadierenden Änderungen, die erforderlich sind, wenn Sie feststellen, dass Sie die Videobildgröße erhöhen müssen, um das zu erreichen, was Sie wollen. Das KI-Modell muss nun mit einem anderen Bildformat arbeiten, was die Leistungs- und Speicheranforderungen des gesamten Systems vollständig verändert. Darüber hinaus müssen Sie eine neue Kamera nahtlos in Ihre bestehende Firmware integrieren, in der Hoffnung, dass eine Neuschreibung der Firmware vermieden werden kann. Das Ausbalancieren und dann Optimieren dieser neuen Kombination von Ressourcen wird ebenfalls Zeit in Anspruch nehmen. Stellen Sie sich jetzt vor, Sie müssen eine zweite Kamera hinzufügen und die effektive Bildrate erhöhen.

Diese Integrationsphase kann extrem zeitaufwändig und frustrierend sein, wenn Sie sie manuell durchführen müssen. Beispielsweise sind Kameratreiber, selbst von demselben Anbieter, oft nicht austauschbar; Sie müssen immer noch umfangreiche Tests durchführen, um zu bestätigen, dass der neue Treiber genau so funktioniert wie der vorherige.

Ein kundenspezifischer Plattformansatz für das Design, wie Geppetto, kann Ihre Entwicklungszeit enorm reduzieren. Mit Geppetto können Sie bewährte Funktionsblöcke per Drag-and-Drop in Ihr individuelles Board einfügen. Für AI-Anwendungen können Sie mit dem Jetson Nano beginnen und alle Funktionen, die Sie nicht benötigen, entfernen. Anschließend können Sie Sensoren, Schnittstellen, Prozessoren und andere Schaltkreise aus umfangreichen Modulbibliotheken hinzufügen, um ein für Ihre Anwendung optimiertes, individuelles Modul zu erstellen.

Ein wesentlicher Vorteil dieses Ansatzes ist, dass Sie kosteneffektiv einige Boards für die anfängliche Entwicklung und das Testen herstellen lassen können. Wenn Sie feststellen, dass Sie mehr – oder weniger – Verarbeitungsleistung benötigen, können Sie Ihr Design leicht anpassen, ohne ein völlig neues System entwerfen zu müssen.

Darüber hinaus wird Ihr individuelles Board mit vorintegriertem Betriebssystem und Treibern geliefert. Sie müssen nicht alle Komponenten zum Zusammenarbeiten bringen, denn das haben wir bereits für Sie erledigt.

AI-Technologie ist wirklich nur ein paar Klicks entfernt. Besuchen Sie Gumstix, um mehr zu erfahren.