Edge AI ምንድን ነው?

Edge AI መረጃ ወደሚወለድባቸው ቦታዎች የማሰብ ችሎታን ይገፋል። አሪፍ ይመስላል፣ ነገር ግን ዋናው ሀሳቡ ቀላል ነው፡ ከሴንሰሩ ቀጥሎ ያለውን አስተሳሰቡን ይስሩ ስለዚህ ውጤቶቹ አሁን እንጂ በኋላ ላይ አይታዩም። ደመናው እያንዳንዱን ውሳኔ ሳያሳድግ ፍጥነት፣ አስተማማኝነት እና ጥሩ የግላዊነት ታሪክ ያገኛሉ። እሽግ እናውጣው-አቋራጮች እና የጎን ተልእኮዎች ተካትተዋል። 😅

ከዚህ በኋላ ሊያነቧቸው የሚፈልጓቸው መጣጥፎች፡-

🔗 አመንጪ AI ምንድን ነው
የጄነሬቲቭ AI ግልጽ ማብራሪያ፣ እንዴት እንደሚሰራ እና ተግባራዊ አጠቃቀሞች።

🔗 ወኪል AI ምንድን ነው?
የወኪል AI፣ ራስን በራስ የማስተዳደር ባህሪያት እና የገሃዱ ዓለም አተገባበር ቅጦች አጠቃላይ እይታ።

🔗 AI scalability ምንድን ነው?
የ AI ስርዓቶችን በአስተማማኝ፣ በብቃት እና ወጪ ቆጣቢ በሆነ መንገድ እንዴት እንደሚመዘኑ ይወቁ።

🔗 ለ AI የሶፍትዌር ማዕቀፍ ምንድነው?
የ AI ሶፍትዌር ማዕቀፎችን ፣ የሕንፃ ጥቅማ ጥቅሞችን እና የአተገባበር መሰረታዊ ነገሮችን መከፋፈል።

Edge AI ምንድን ነው? ፈጣን ፍቺ 🧭

Edge AI የሰለጠነ የማሽን መማሪያ ሞዴሎችን በቀጥታ ወይም መረጃን በሚሰበስቡ መሳሪያዎች ላይ ወይም በአቅራቢያው ባሉ መሳሪያዎች ላይ የማስኬድ ልምድ ነው-ስልኮች, ካሜራዎች, ሮቦቶች, መኪናዎች, ተለባሾች, የኢንዱስትሪ ተቆጣጣሪዎች. ጥሬ መረጃን ወደ ሩቅ አገልጋዮች ለመተንተን ከማጓጓዝ ይልቅ፣ መሳሪያው ግብአቶችን በአገር ውስጥ ያስኬዳል እና ማጠቃለያዎችን ብቻ ይልካል። ያነሱ የዙር ጉዞዎች፣ ያነሰ መዘግየት፣ የበለጠ ቁጥጥር። ንፁህ ከሻጭ ገለልተኛ ገላጭ ከፈለጉ እዚህ ይጀምሩ። [1]

Edge AI በእውነቱ ጠቃሚ የሚያደርገው ምንድን ነው? 🌟

• ዝቅተኛ መዘግየት - ውሳኔዎች የሚከናወኑት በመሣሪያ ላይ ነው፣ ስለዚህ ምላሾች እንደ ነገር ፈልጎ ማግኘት፣ የቃላት መመልከቻ ወይም ያልተለመዱ ማንቂያዎች ላሉት የግንዛቤ ተግባራት ፈጣን እንደሆኑ ይሰማቸዋል። [1]

• ግላዊነት በአከባቢ - ሚስጥራዊነት ያለው መረጃ በመሣሪያው ላይ ሊቆይ ይችላል፣ ተጋላጭነትን ይቀንሳል እና በውሂብ-ማሳነስ ውይይቶች ላይ ያግዛል። [1]

• የመተላለፊያ ይዘት ቁጠባዎች - ከጥሬ ዥረቶች ይልቅ ባህሪያትን ወይም ክስተቶችን ይላኩ። [1]

• የመቋቋም ችሎታ - ረቂቅ ግንኙነት ወቅት ይሰራል.

• የወጪ ቁጥጥር - ጥቂት የደመና ስሌት ዑደቶች እና ዝቅተኛ መውጣት።

• የአውድ ግንዛቤ - መሳሪያው አካባቢውን "ይሰማዋል" እና ያስተካክላል.

ፈጣን መረጃ፡ አንድ የችርቻሮ አብራሪ ቋሚ የካሜራ ሰቀላዎችን በመሣሪያ ላይ ያለውን ሰው-ከነገር ምደባ ቀይሮ የሰዓት ቆጠራዎችን እና ልዩ ቅንጥቦችን ብቻ ገፋ። ውጤት፡- ከ200 ሚሴ በታች ማንቂያዎች በመደርደሪያው ጠርዝ ላይ እና ~90% ወደላይ ትራፊክ መውደቅ - የሱቅ WAN ውሎችን ሳይቀይሩ። (ዘዴ፡ የአካባቢ መረጃ፣ የክስተት ዝግጅት፣ ያልተለመዱ ሁኔታዎች ብቻ።)

ጠርዝ AI vs ደመና AI - ፈጣን ንፅፅር 🥊

• ስሌቱ በሚከሰትበት ቦታ : ጠርዝ = በመሳሪያው ላይ / በመሳሪያው አቅራቢያ; ደመና = የርቀት ዳታ ማዕከሎች.

• መዘግየት : ጠርዝ ≈ እውነተኛ ጊዜ; ደመና ክብ ጉዞዎች አሉት።

• የውሂብ እንቅስቃሴ ፡ የጠርዝ ማጣሪያዎች/መጭመቂያዎች መጀመሪያ; ደመና ሙሉ ታማኝ ሰቀላዎችን ይወዳል.

• አስተማማኝነት : ጠርዝ ከመስመር ውጭ መሮጡን ይቀጥላል; ደመና ግንኙነት ይፈልጋል።

• አስተዳደር : ጠርዝ የውሂብ ቅነሳን ይደግፋል; ደመና ቁጥጥርን ያማከለ። [1]

ወይ - ወይም አይደለም. ብልህ ስርዓቶች ሁለቱንም ያዋህዳሉ፡ ፈጣን ውሳኔዎች በአገር ውስጥ፣ ጥልቅ ትንታኔ እና የመርከብ ትምህርት በማእከላዊ። የተዳቀለው መልስ አሰልቺ እና ትክክል ነው።

Edge AI በእውነቱ በኮፈኑ ስር እንዴት እንደሚሰራ 🧩

1. ዳሳሾች ጥሬ ምልክቶችን-የድምጽ ፍሬሞችን፣ የካሜራ ፒክስሎችን፣ IMU መታዎችን፣ የንዝረት ምልክቶችን ይይዛሉ።

2. ቅድመ-ሂደት እነዚያን ምልክቶች ወደ ሞዴል ተስማሚ ባህሪያት ያድሳል።

3. ኢንቬንሽን የሩጫ ጊዜ ሲገኝ ማፍጠኛዎችን በመጠቀም በመሳሪያው ላይ የታመቀ ሞዴልን ያስፈጽማል።

4. ከሂደቱ በኋላ ውጤቶቹን ወደ ክስተቶች፣ መለያዎች ወይም የቁጥጥር እርምጃዎች ይለውጣል።

5. ቴሌሜትሪ የሚሰቀለው የሚጠቅመውን ብቻ ነው፡ ማጠቃለያዎች፣ ያልተለመዱ ነገሮች ወይም ወቅታዊ ግብረመልስ።

በዱር ውስጥ የሚያዩዋቸው በመሳሪያ ላይ የሚደረጉ የሩጫ ጊዜዎች ጎግል ሊትሬት (የቀድሞው TensorFlow Lite)፣ ONNX Runtime እና Intel's OpenVINOን ። እነዚህ የመሳሪያ ሰንሰለቶች ከጠንካራ ሃይል/የማስታወሻ በጀቶች እንደ ኳንትላይዜሽን እና ኦፕሬተር ውህደት ባሉ ብልሃቶች የፍቱን መጠን ይጨምቃሉ። ለውዝ እና መቀርቀሪያዎቹን ከወደዱ ዶክሞቻቸው ጠንካራ ናቸው። [3][4]

የት እንደሚታይ - እውነተኛ የአጠቃቀም ጉዳዮችን 🧯🚗🏭 ላይ ማመልከት ይችላሉ።

• በዳርቻው ላይ ራዕይ ፡ የበር ደወል ካሜራዎች (ሰዎች እና የቤት እንስሳት)፣ በችርቻሮ ውስጥ መደርደሪያን መቃኘት፣ ድሮኖች ጉድለቶችን ይመለከታሉ።

• ኦዲዮ በመሣሪያ ፡ ቃላቶች መቀስቀሻ፣ ቃላቶች፣ በእጽዋት ውስጥ መፍሰስን መለየት።

• የኢንዱስትሪ አዮቲ ፡- ሞተርስ እና ፓምፖች ከመውደቁ በፊት የንዝረት ጉድለቶችን ይቆጣጠራሉ።

• አውቶሞቲቭ ፡ የአሽከርካሪዎች ክትትል፣ ሌይን መለየት፣ የመኪና ማቆሚያ አጋዥ-ንዑስ ሰከንድ ወይም ደረትን።

• የጤና እንክብካቤ : ተለባሾች ባንዲራ arrhythmias በአካባቢው; በኋላ ማጠቃለያዎችን ያመሳስሉ.

• ስማርትፎኖች ፡ የፎቶ ማበልጸጊያ፣ አይፈለጌ ጥሪን ማወቅ፣ “ስልኬ ከመስመር ውጭ እንዴት ሰራ” አፍታዎች።

ለመደበኛ ፍቺዎች (እና “ጭጋግ vs ጠርዝ” የአጎት ልጅ ንግግር)፣ የ NIST ጽንሰ-ሃሳባዊ ሞዴልን ይመልከቱ። [2]

ተንኮለኛ የሚያደርገው ሃርድዌር 🔌

ጥቂት መድረኮች ብዙ በስም ይፈተሻሉ፡

• NVIDIA Jetson - ጂፒዩ-የተጎላበተው ሞጁሎች ለ ሮቦቶች / ካሜራዎች-ስዊስ-ሠራዊት-ቢላዋ vibes ለተከተተ AI.

• Google Edge TPU + LiteRT - ቀልጣፋ የኢንቲጀር ኢንቲጀር እና በጣም ዝቅተኛ ኃይል ላላቸው ፕሮጀክቶች የተሳለጠ የአሂድ ጊዜ። [3]

• አፕል ነርቭ ሞተር (ANE) - በመሳሪያ ላይ ጥብቅ ML ለ iPhone፣ iPad እና Mac; አፕል በኤኤንኢ ላይ ትራንስፎርመሮችን በብቃት በማሰማራት ላይ ተግባራዊ ስራዎችን አሳትሟል። [5]

• ኢንቴል ሲፒዩዎች/አይጂፒዩዎች/ኤንፒዩዎች ከOpenVINO ጋር - በ Intel ሃርድዌር ላይ “አንድ ጊዜ ይፃፉ፣ የትኛውም ቦታ ያሰማሩ”; ጠቃሚ ማመቻቸት ያልፋል.

• ONNX የሩጫ ጊዜ በሁሉም ቦታ - በስልኮች፣ ፒሲ እና መግቢያ መንገዶች ላይ ከሚሰካ የማስፈጸሚያ አቅራቢዎች ጋር ገለልተኛ የሩጫ ጊዜ። [4]

ሁሉንም ይፈልጋሉ? እውነታ አይደለም። ከእርስዎ መርከቦች ጋር የሚስማማ አንድ ጠንካራ መንገድ ይምረጡ እና ከእሱ ጋር መጣበቅ - የተካተቱ ቡድኖች ጠላት ነው።

የሶፍትዌር ቁልል - አጭር ጉብኝት 🧰

• የሞዴል መጨናነቅ : መጠናዊ (ብዙውን ጊዜ ወደ int8) ፣ መቁረጥ ፣ መፍጨት።

• የኦፕሬተር ደረጃ ማጣደፍ ፡ ከሲሊኮንዎ ጋር የተስተካከሉ አስኳሎች።

• የሩጫ ጊዜ ፡ LiteRT፣ ONNX Runtime፣ OpenVINO [3][4]

• የማሰማራት መጠቅለያዎች ፡ ኮንቴይነሮች/የመተግበሪያ ቅርቅቦች; አንዳንድ ጊዜ ማይክሮ ሰርቪስ በበር ላይ።

• MLOps ለዳር ፡ የኦቲኤ ሞዴል ዝማኔዎች፣ A/B መልቀቅ፣ የቴሌሜትሪ ቀለበቶች።

• የግላዊነት እና የደህንነት ቁጥጥሮች ፡ በመሣሪያ ላይ ምስጠራ፣ ደህንነቱ የተጠበቀ ማስነሻ፣ ማረጋገጫ፣ ማቀፊያ።

አነስተኛ መያዣ፡ የፍተሻ ድሮን ቡድን የከባድ ሚዛን መመርመሪያን በቁጥር የተመረኮዘ የተማሪ ሞዴል ለ LiteRT፣ ከዚያም NMS በመሳሪያ ላይ ተቀላቅሏል። የበረራ ጊዜ ተሻሽሏል ~ 15% ምስጋና ለዝቅተኛ ስሌት ስዕል; የሰቀላ መጠን ወደ ልዩ ክፈፎች የተቀነሰ። (ዘዴ፡ የውሂብ ስብስብ በጣቢያው ላይ ቀረጻ፣ የድህረ-ቁጥር ልኬት፣ ከሙሉ ልቀት በፊት የጥላ ሁነታ A/B።)

የንጽጽር ሰንጠረዥ - ታዋቂ የ Edge AI አማራጮች 🧪

እውነተኛ ንግግር፡- ይህ ሠንጠረዥ ሃሳባዊ እና ትንሽ የተመሰቃቀለ ነው - ልክ እንደ እውነተኛው አለም።

የ Edge AI መንገድ እንዴት እንደሚመረጥ - ትንሽ የውሳኔ ዛፍ 🌳

• በእውነተኛ ጊዜ ህይወትዎ ከባድ ነው? በአፋጣኝ + በቁጥር ሞዴሎች ይጀምሩ።

• ብዙ የመሳሪያ ዓይነቶች? ለተንቀሳቃሽነት ONNX Runtime ወይም OpenVINOን ሞገስ ያድርጉ። [4]

• የሞባይል መተግበሪያ በመላክ ላይ? LiteRT ትንሹ የመቋቋም መንገድ ነው። [3]

• ሮቦቲክስ ወይስ የካሜራ ትንታኔ? የጄትሰን ጂፒዩ ተስማሚ ኦፕስ ጊዜን ይቆጥባል።

• ጥብቅ የግላዊነት አቀማመጥ? ውሂብን አካባቢያዊ አቆይ፣ በእረፍት ጊዜ ማመስጠር፣ የምዝግብ ማስታወሻዎች ጥሬ ፍሬሞች አይደሉም።

• ትንሽ ቡድን? ልዩ የሆኑ የመሳሪያ ሰንሰለቶችን ያስወግዱ - አሰልቺ ቆንጆ ነው.

• ሞዴሎች ብዙ ጊዜ ይለወጣሉ? ከመጀመሪያው ቀን ጀምሮ ኦቲኤ እና ቴሌሜትሪ ያቅዱ።

ስጋቶች፣ ገደቦች እና አሰልቺ-ነገር ግን አስፈላጊ ቢት 🧯

• የሞዴል ተንሳፋፊ - አከባቢዎች ይለወጣሉ; ስርጭቶችን ይቆጣጠሩ፣ የጥላ ሁነታዎችን ያሂዱ፣ በየጊዜው ያሠለጥኑ።

• ጣራዎችን አስሉ - ጥብቅ ማህደረ ትውስታ / ኃይል አነስተኛ ሞዴሎችን ወይም ዘና ያለ ትክክለኛነት ያስገድዳል.

• ደህንነት - አካላዊ መዳረሻን ያስቡ; ደህንነቱ የተጠበቀ ቡት ፣ የተፈረሙ ቅርሶች ፣ ማስረጃዎች ፣ አነስተኛ መብት አገልግሎቶችን ይጠቀሙ።

• የውሂብ አስተዳደር - የአካባቢ ሂደት ያግዛል፣ ነገር ግን አሁንም ፈቃድ፣ ማቆየት እና ሰፊ ቴሌሜትሪ ያስፈልግዎታል።

• ፍሊት ኦፕስ - መሳሪያዎች በጣም በከፋ ጊዜ ከመስመር ውጭ ይሄዳሉ; የዘገዩ ማሻሻያዎችን እና እንደገና ሊጀመሩ የሚችሉ ሰቀላዎችን ዲዛይን ያድርጉ።

• የተሰጥኦ ድብልቅ - የተከተተ + ML + DevOps አንድ motley ሠራተኞች ነው; ባቡር ተሻጋሪ ቀደም ብሎ.

ጠቃሚ ነገርን ለመላክ ተግባራዊ ፍኖተ ካርታ 🗺️

1. በመስመር 3 ላይ ሊለካ የሚችል የእሴት-ጉድለት ማወቂያ፣ በስማርት ስፒከር ላይ የነቃ ቃል፣ ወዘተ ያለው አንድ የአጠቃቀም መያዣ ይምረጡ።

2. የታለመውን አካባቢ የሚያንፀባርቅ የተስተካከለ የውሂብ ስብስብ ይሰብስቡ ከእውነታው ጋር እንዲዛመድ ጩኸት ያስገቡ።

3. ለምርት ሃርድዌር ቅርብ በሆነ የዴቭ ኪት ላይ ፕሮቶታይፕ

4. ሞዴሉን በቁጥር / በመግረዝ ያጭቁት; ትክክለኛነትን ማጣት በሐቀኝነት ይለኩ. [3]

5. በንፁህ ኤፒአይ ከኋላ ግፊት እና ጠባቂዎች ጋር መጠቅለል - ምክንያቱም መሳሪያዎች 2 ሰአት ላይ ስለሚንጠለጠሉ።

6. ቴሌሜትሪ ይንደፉ፡ ቆጠራዎችን፣ ሂስቶግራሞችን ፣ ከጫፍ የወጡ ባህሪያትን ይላኩ።

7. ጠንካራ ደህንነት ፡ የተፈረመ ሁለትዮሽ፣ ደህንነቱ የተጠበቀ ቡት፣ አነስተኛ አገልግሎቶች ክፍት ናቸው።

8. የኦቲኤ እቅድ ያውጡ፡ የተደረደሩ ልቀቶች፣ ካናሪዎች፣ ፈጣን ግልበጣ።

9. ፓይለት በመጀመሪያ በሚያስደንቅ የማዕዘን መያዣ ውስጥ - እዚያ ከተረፈ የትም ይተርፋል።

10. በመጫወቻ ደብተር መጠን : ሞዴሎችን እንዴት እንደሚጨምሩ ፣ ቁልፎችን እንደሚቀይሩ ፣ መረጃን ማከማቸት - ስለዚህ ፕሮጀክት #2 ትርምስ አይደለም።

Edge AI የማወቅ ጉጉት ምንድነው ❓ አጭር መልሶች

Edge AI በትናንሽ ኮምፒዩተር ላይ ትንሽ ሞዴል እያሄደ ነው?
በአብዛኛው፣ አዎ - ግን መጠኑ አጠቃላይ ታሪኩ አይደለም። እንዲሁም ስለ መዘግየት በጀቶች፣ የግላዊነት ተስፋዎች እና በአገር ውስጥ የሚሰሩ እና በዓለም አቀፍ ደረጃ እየተማሩ ያሉ ብዙ መሳሪያዎችን ስለማደራጀት ነው። [1]

እኔም ጠርዝ ላይ ማሰልጠን እችላለሁ?
ቀላል ክብደት ያለው መሳሪያ ላይ ስልጠና/ግላዊነት ማላበስ አለ፤ ከባድ ስልጠና አሁንም በማዕከላዊነት ይሰራል። ጀብደኛ ከሆንክ ONNX የሩጫ ጊዜ ሰነዶች በመሳሪያ ላይ የስልጠና አማራጮች። [4]

Edge AI vs ጭጋግ ማስላት ምንድነው?
ጭጋግ እና ጠርዝ የአጎት ልጆች ናቸው. ሁለቱም ኮምፒውተሮችን ወደ ዳታ ምንጮች ያቀርባሉ፣ አንዳንዴም በአቅራቢያ በሮች በኩል። ለመደበኛ ትርጓሜዎች እና አውድ፣ NIST ይመልከቱ። [2]

Edge AI ሁልጊዜ ግላዊነትን ያሻሽላል?
ይረዳል - ግን አስማት አይደለም. አሁንም ማሳነስ፣ ደህንነቱ የተጠበቀ የዝማኔ መንገዶች እና በጥንቃቄ መግባት ያስፈልግዎታል። ግላዊነትን እንደ ልምድ እንጂ አመልካች ሳጥን አይደለም።

📚 በጥልቅ ጠልቀው ሊያነቡ ይችላሉ።

1) ትክክለኛነትን የማያፈርስ ሞዴል ማመቻቸት

ኳንትራይዜሽን የማስታወስ ችሎታን ይቀንሳል እና ኦፕስ ያፋጥናል፣ ነገር ግን በተወካይ መረጃ መለካት ወይም ሞዴሉ የትራፊክ ሾጣጣዎች ባሉበት ቦታ ሽኮኮዎችን ሊያሳያቸው ይችላል። አነስ ያለ ተማሪን የሚመራ መምህር - ብዙ ጊዜ የትርጓሜ ትምህርትን ይጠብቃል። [3]

2) የመግቢያ ጊዜዎችን በተግባር ያሳድጉ

የ LiteRT አስተርጓሚ ሆን ብሎ የማይንቀሳቀስ-የማይንቀሳቀስ ማህደረ ትውስታ በሚሰራበት ጊዜ ነው። ONNX የሩጫ ጊዜ በአፈፃፀም አቅራቢዎች በኩል ወደ ተለያዩ ፍጥነቶች ይሰካል። የብር ጥይትም አይደለም; ሁለቱም ጠንካራ መዶሻዎች ናቸው. [3][4]

3) በዱር ውስጥ ጥንካሬ

ሙቀት፣ አቧራ፣ ብልጭልጭ ሃይል፣ ዋይ ፋይን በጥፊ፡ የቧንቧ መስመሮችን እንደገና የሚያስጀምሩ፣ የመሸጎጫ ውሳኔዎች እና አውታረ መረቡ ሲመለስ የሚታረቁ ጠባቂዎችን ይገንቡ። ከትኩረት ጭንቅላት ያነሰ ማራኪ - የበለጠ ጠቃሚ ቢሆንም።

በስብሰባዎች ውስጥ የምትደግመው ሀረግ - What is Edge AI 🗣️

Edge AI የመዘግየት፣ የግላዊነት፣ የመተላለፊያ ይዘት እና አስተማማኝነት ተግባራዊ ገደቦችን ለማሟላት እውቀትን ወደ ውሂብ ያጠጋዋል። አስማቱ አንድ ቺፕ ወይም ማዕቀፍ አይደለም - የት እንደሚሰላ በጥበብ መምረጥ ነው።

የመጨረሻ አስተያየቶች - በጣም ረጅም፣ አላነበብኩትም 🧵

Edge AI ሞዴሎችን ከመረጃው አጠገብ ያካሂዳል ስለዚህም ምርቶች ፈጣን፣ ግላዊ እና ጠንካራ እንዲሆኑ። ከሁለቱም ዓለማት ምርጡን ለማግኘት የአካባቢ መረጃን ከደመና ቁጥጥር ጋር ያዋህዳሉ። ከመሣሪያዎችዎ ጋር የሚዛመድ የሩጫ ጊዜ ይምረጡ፣ በሚችሉበት ጊዜ በተፋጣሪዎች ላይ ይደገፉ፣ ሞዴሎችን ከጭመቅ ጋር ንፁህ ያድርጉት፣ እና እንደ ስራዎ ያሉ የበረራ ስራዎችን ይንደፉ - ምክንያቱም ጥሩ ሊሆን ይችላል። Edge AI ምንድን ነው ብሎ ከጠየቀ , ይናገሩ: ብልጥ ውሳኔዎች, በአካባቢው የተደረጉ, በሰዓቱ. ከዚያ ፈገግ ይበሉ እና ጉዳዩን ወደ ባትሪዎች ይለውጡ. 🔋🙂

ዋቢዎች

1. IBM - Edge AI ምንድን ነው? (ፍቺ, ጥቅሞች).
   https://www.ibm.com/think/topics/edge-ai

2. NIST - SP 500-325: Fog Computing ጽንሰ-ሐሳብ ሞዴል (ለጭጋግ / ጠርዝ መደበኛ አውድ).
   https://csrc.nist.gov/pubs/sp/500/325/የመጨረሻ

3. Google AI Edge - LiteRT (የቀድሞው TensorFlow Lite) (የአሂድ ጊዜ፣ መጠናዊ፣ ፍልሰት)።
   https://ai.google.dev/edge/litert

4. ONNX የሩጫ ጊዜ - በመሳሪያ ላይ ስልጠና (ተንቀሳቃሽ የሩጫ ጊዜ + በጠርዝ መሳሪያዎች ላይ ስልጠና)።
   https://onnxruntime.ai/docs/get-started/training-on-device.html

5. የአፕል ማሽን ትምህርት ምርምር - ትራንስፎርመሮችን በአፕል ነርቭ ሞተር ላይ ማሰማራት (ANE የውጤታማነት ማስታወሻዎች)።
   https://machinelearning.apple.com/research/neural-engine-transformers

በኦፊሴላዊው AI አጋዥ መደብር የቅርብ ጊዜውን AI ያግኙ

ስለ እኛ