كيف تعمل مجموعة راسبيري باي آي
تعمل مجموعة Raspberry Pi AI Kit على تحويل جهاز Pi 5 الخاص بك إلى منصة ذكاء اصطناعي متطورة من خلال الجمع بين M.2 HAT وشريحة تسريع Hailo-8L. بعبارات بسيطة، يعمل عن طريق تفريغ حسابات الذكاء الاصطناعي من وحدة المعالجة المركزية إلى وحدة معالجة عصبية مخصصة توفر 13 تريليون عملية في الثانية (13 TOPS) بينما تستهلك 1-2 واط فقط أثناء أعباء العمل النموذجية (المصدر: theregister.com, 2024). مقابل 70 دولارًا، ستحصل على تسريع الأجهزة الذي يجعل اكتشاف الكائنات في الوقت الفعلي، وتقدير الوضع، وتصنيف الصور قابلاً للتطبيق فعليًا على جهاز كمبيوتر أحادي اللوحة بقيمة 60 دولارًا.
لقد وجدت هذه الهندسة المعمارية ذكية بشكل خاص. بدلاً من الانتظار لسنوات حتى يقوم Raspberry Pi ببناء وحدة NPU متكاملة، فقد تعاونوا مع Hailo لإنشاء حل معياري يعمل اليوم ويتم ترقيته بسهولة غدًا - AI HAT + مع 26 TOPS متاح بالفعل لأولئك الذين يحتاجون إلى المزيد من الطاقة (المصدر: techcrunch.com، 2024).
هندسة الأجهزة: كيفية توصيل المكونات
تتكون مجموعة الذكاء الاصطناعي من قطعتين ماديتين تعملان كنظام واحد. أولاً، لديك Raspberry Pi M.2 HAT+ الرسمي، وهو عبارة عن لوحة دائرة يتم توصيلها بموصل GPIO ذو 40 سنًا لجهاز Pi 5 الخاص بك ويوفر فتحة M.2 2242 أو 2280. ثانيًا، هناك وحدة تسريع Hailo-8L AI، وهي بطاقة M.2 صغيرة بحجم قطعة العلكة يتم توصيلها بهذه الفتحة.
إليك ما يحدث عند توصيل كل شيء:
تستمد M.2 HAT الطاقة من دبابيس GPIO الخاصة بـ Pi 5 وتؤسس اتصال PCIe Gen 2 أو Gen 3 من خلال واجهة PCIe الخاصة باللوحة. تستقبل وحدة Hailo-8L الطاقة والبيانات من خلال اتصال M.2 الفردي هذا. تتعامل وحدة المعالجة المركزية الخاصة بـ Pi 5 مع نظام التشغيل ومنطق التطبيق والمعالجة المسبقة، بينما تتولى شريحة Hailo المسؤولية عند الحاجة إلى استنتاج الشبكة العصبية.
تأثير اتصال PCIe على الأداء
سرعة الاتصال مهمة بشكل كبير هنا. يُظهر الاختبار تضاعف معدلات الإطارات عند تشغيل PCIe Gen 3 مقارنةً بالجيل 2 على نفس طراز YOLOv8s (المصدر: forums.raspberrypi.com, 2024). يدعم Pi 5 PCIe Gen 3 x1، مما يمنحك ما يقرب من 1 جيجابايت/ثانية من عرض النطاق الترددي بين وحدة المعالجة المركزية ومسرع الذكاء الاصطناعي - وهو ما يكفي لمعظم مهام رؤية الكمبيوتر دون اختناقات.
يحقق Hailo-8L كفاءة تبلغ 3-4 TOPS لكل واط، مما يجعله جنبًا إلى جنب مع أجهزة Jetson Orin من Nvidia من حيث الأداء لكل دولار والأداء لكل واط (المصدر: jeffgeerling.com، 2024). عندما تأخذ في الاعتبار استهلاك Pi 5 البالغ 3-4 واط في وضع الخمول، فإن النظام بأكمله يستهلك طاقة أقل من شاحن الهاتف أثناء معالجة أعباء عمل الذكاء الاصطناعي.
داخل Hailo-8L: شرح تسريع الشبكة العصبية
إن Hailo-8L ليس معالجًا للأغراض العامة، فهو عبارة عن ASIC (دائرة متكاملة خاصة بالتطبيقات) مصممة خصيصًا لتشغيل الشبكات العصبية بكفاءة. فكر في الأمر مثل بطاقة الرسومات، ولكن بدلاً من عرض المثلثات، تم تحسينها لمضاعفات المصفوفات والتلافيفات التي تدعم نماذج الذكاء الاصطناعي.
تستخدم الشريحة بنية خاصة يطلق عليها Hailo اسم "Structured ASIC". دون التعمق في تصميم السيليكون، هذا يعني أن الشريحة تحتوي على وحدات أجهزة مخصصة لعمليات الشبكة العصبية المختلفة: الطبقات التلافيفية، ووظائف التنشيط، وعمليات التجميع، والطبقات المتصلة بالكامل، جميعها تحصل على مسارات التنفيذ المحسنة الخاصة بها.
كيف يحدث الاستدلال في الواقع
عند تشغيل نموذج مثل YOLOv8 لاكتشاف الكائنات، إليك سير العمل المبسط:
تلتقط الكاميرا الإطارات وترسلها إلى وحدة المعالجة المركزية الخاصة بـ Pi. تعالج وحدة المعالجة المركزية المعالجة المسبقة للصورة - تغيير حجمها إلى أبعاد إدخال النموذج، وتحويل مساحات الألوان، وتطبيع قيم البكسل. يتم إرسال هذه البيانات المعالجة مسبقًا عبر ناقل PCIe إلى Hailo-8L. يقوم المسرع بتشغيل الشبكة العصبية، ويخرج نتائج الكشف الأولية (المربعات المحيطة، ودرجات الثقة، والتنبؤات الطبقية). تتلقى وحدة المعالجة المركزية هذه النتائج وتتعامل مع القمع غير الأقصى بعد المعالجة لإزالة الاكتشافات المكررة، ورسم المربعات على الصورة، وتحديث واجهة مستخدم التطبيق الخاص بك.
ويظهر جمال تقسيم العمل هذا في المعايير. توضح الاختبارات أن AI Kit يعمل على تشغيل اليد والكشف عن المعالم بمعدل 26-28 إطارًا في الثانية، وهو ما يصل إلى 5.8 مرات أسرع من تشغيل نماذج TensorFlow Lite على وحدة المعالجة المركزية Pi 5 وحدها (المصدر: raspberrypi.com، 2024).
تنسيقات النماذج المدعومة
لا يقوم Hailo-8L بتشغيل نماذج TensorFlow أو PyTorch القياسية مباشرةً. تحتاج إلى تحويل النماذج الخاصة بك باستخدام برنامج التحويل البرمجي Dataflow Compiler من Hailo، والذي يعمل على تحسينها بما يتناسب مع بنية الشريحة. تأخذ عملية التجميع نموذجك المدرب (عادةً تنسيق ONNX) وتعيينه على أجهزة Hailo، مع تطبيق القياس الكمي والتحسينات الأخرى.
تتوفر النماذج المجمعة مسبقًا للبنى المشتركة من خلال Hailo Model Zoo: تعمل ResNet-50 بمعدل 500 إطارًا في الثانية، ومتغيرات YOLOv5، وYOLOv8 بأحجام متعددة، وMobileNet لتصنيف الوزن الخفيف، ونماذج تقدير الوضع. إذا كنت تعمل مع نماذج مخصصة، فإن سير عمل التجميع يتطلب بعض التعلم ولكنه يتبع ممارسات نشر الذكاء الاصطناعي القياسية.
استهلاك الطاقة والإدارة الحرارية
واحدة من أكثر مواصفات AI Kit إثارة للإعجاب هي كفاءة الطاقة. يسحب Hailo-8L عادة 1-2 واط أثناء الاستدلال النشط، مع قمم تبلغ حوالي 5 واط اعتمادًا على مدى تعقيد النموذج ومعدل الإطارات (المصدر: theregister.com، 2024). بالاشتراك مع الاستهلاك الأساسي لجهاز Pi 5، فإنك تنظر إلى ما يقرب من 5 إلى 9 واط من إجمالي طاقة النظام تحت أعباء عمل الذكاء الاصطناعي.
تشتمل وحدة M.2 على مبدد حراري صغير، وفي التشغيل العادي، يكون التبريد السلبي كافيًا. لقد لاحظت أن الشريحة تظل باردة بدرجة كافية بحيث لا يشكل الاختناق الحراري مصدر قلق لتطبيقات رؤية الكمبيوتر النموذجية. بالنسبة للمشروعات المغلقة أو سيناريوهات التحميل العالي المستمرة، فإن إضافة مروحة إلى حافظة Pi 5 الخاصة بك يساعد كلاً من وحدة المعالجة المركزية ومسرع الذكاء الاصطناعي في الحفاظ على أعلى أداء.
تكشف مقارنة هذا بالبدائل عن عرض القيمة: يبدأ سعر Nvidia Jetson Orin Nano بحوالي 249 دولارًا ويستهلك 7-15 واط تحت الحمل. تبلغ تكلفة مسرع Coral USB من Google 60 دولارًا ولكنه يوفر 4 أجهزة TOPS فقط ويتطلب عرض النطاق الترددي USB 3.0. تم إيقاف Intel Neural Compute Stick 2. تصل مجموعة أدوات الذكاء الاصطناعي إلى نقطة رائعة من حيث السعر والأداء وكفاءة الطاقة التي لم تكن موجودة قبل عام 2024.
مكدس البرامج: من نظام التشغيل إلى التطبيق
تتطلب مجموعة AI Kit نظام التشغيل Raspberry Pi OS (64 بت) Bookworm أو إصدار أحدث. توفر Hailo مجموعة برامج تتضمن برامج تشغيل kernel لاتصالات PCIe، ومكتبات وقت التشغيل التي تدير تحميل النماذج والاستدلال، وروابط Python لسهولة التكامل، وتكامل تطبيقات rpicam للمشاريع القائمة على الكاميرا.
إعداد النموذج الأول الخاص بك
يستغرق التثبيت حوالي 15 دقيقة إذا اتبعت الدليل الرسمي. بعد تحديث نظام التشغيل وتوصيل الأجهزة، تقوم بتشغيل البرنامج النصي لتثبيت Hailo، الذي يضيف وحدات kernel والمكتبات الضرورية. يتم تحديث حزمة تطبيقات rpicam لتشمل دعم Hailo، مما يتيح لك تشغيل نماذج الذكاء الاصطناعي مباشرةً من مسار الكاميرا.
يُظهر الاختبار باستخدام العروض التوضيحية المضمنة النظام أثناء العمل:
rpicam-hello --post-process-file /usr/share/rpicam-assets/hailo_yolov8_pose.json
يلتقط هذا الأمر إطارات الكاميرا، ويشغلها من خلال نموذج تقدير الوضعية على شريحة Hailo، ويعرض النتائج في الوقت الفعلي. يعتمد معدل الإطارات على تعقيد النموذج - فالنماذج الأخف مثل YOLOv8n تصل إلى 60+ إطارًا في الثانية بينما قد تعمل الإصدارات الأثقل مثل YOLOv8m بمعدل 20-30 إطارًا في الثانية.
بالنسبة لتطوير Python، يبدو سير العمل مثل OpenCV القياسي بالإضافة إلى الاستدعاءات الخاصة بـ Hailo:
يمكنك استيراد مكتبة HailoRT، وتحميل ملف النموذج المترجم الخاص بك، وتغذية الإطارات المعالجة مسبقًا إلى النموذج، واسترداد نتائج الاستدلال، ومعالجة المخرجات في منطق التطبيق الخاص بك. تلخص واجهة برمجة التطبيقات (API) معظم التعقيدات، على الرغم من أن فهم تنسيقات موتر الإدخال/الإخراج يتطلب قراءة وثائق النموذج.
أمثلة على تطبيقات العالم الحقيقي
تُظهر العديد من المشاريع تطبيقات عملية لأدوات الذكاء الاصطناعي. يستخدم نظام إدارة مخزون البيع بالتجزئة مجموعة أدوات الذكاء الاصطناعي التي تعمل على تشغيل YOLOv8n لاكتشاف المنتجات الموجودة على الرفوف، بينما تقوم EfficientNet على وحدة المعالجة المركزية بمراقبة عمليات اقتحام المستودعات (المصدر: forums.raspberrypi.com, 2024). يوضح نهج النموذج المزدوج كيف يمكنك الجمع بين الاستدلال المتسارع والنماذج المستندة إلى وحدة المعالجة المركزية عند الحاجة.
تستفيد تطبيقات الأمان من إمكانيات المجموعة في الوقت الفعلي. تعالج أنظمة التعرف على الوجه تدفقات الفيديو بمعدل 25-30 إطارًا في الثانية، مما يتيح التحكم في الدخول أو تسجيل الزائرين دون الاعتماد على السحابة. يتم تشغيل تقدير الوضع بسرعة كافية لتطبيقات اللياقة البدنية التي تتتبع شكل التمرين أو تحسب التكرارات.
تستفيد مشاريع مراقبة الحياة البرية من مصائد الكاميرا التي تعمل بالطاقة الشمسية ذات الاستهلاك المنخفض للطاقة، والتي تعمل على اكتشاف الأشياء وتحديد الحيوانات وسلوكياتها دون تغيير البطارية بشكل متكرر. إن الجمع بين تعدد استخدامات Pi والذكاء الاصطناعي المسرع للأجهزة يجعل عمليات نشر الحافة غير العملية سابقًا قابلة للتطبيق.
[اقتراح عنصر مرئي: أدخل رسمًا تخطيطيًا يوضح تدفق البيانات من الكاميرا → Pi CPU (المعالجة المسبقة) → PCIe → Hailo-8L (استدلال) → Pi CPU (النتائج) → العرض/التخزين]
القيود ومتى لا يجب استخدام مجموعة أدوات الذكاء الاصطناعي
تعمل المجموعة ببراعة من أجل الاستدلال ولكنها لن تساعد في التدريب النموذجي - الذي لا يزال يتطلب وحدات معالجة الرسومات السحابية أو محطات العمل. قد تبدو أجهزة TOPS الـ 13 مثيرة للإعجاب، ولكنها ليست قريبة من أجهزة مركز البيانات. يمكن للنماذج المعقدة أو تدفقات الاستدلال المتزامنة المتعددة أن تطغى على المسرع.
يتطلب توافق النموذج الاهتمام. أنت مقيد بالبنيات التي يدعمها مترجم Hailo. قد لا تعمل النماذج المتطورة من الأوراق البحثية حتى تضيف Hailo الدعم أو تستثمر الوقت في التجميع المخصص. تغطي Model Zoo حالات الاستخدام الأكثر شيوعًا، ولكن قد تتطلب التطبيقات المتخصصة حلولاً بديلة.
الكمون مهم لبعض التطبيقات. على الرغم من أن جهاز Hailo-8L سريع، إلا أن وقت إرسال البيانات ذهابًا وإيابًا عبر PCIe وتشغيل الاستدلال وإرجاع النتائج يضيف بضعة أجزاء من الثانية مقارنة بوحدات NPU المدمجة. بالنسبة للروبوتات أو أنظمة التحكم في الوقت الفعلي حيث يكون لكل مللي ثانية أهمية، فقد يكون تأخير خط الأنابيب هذا كبيرًا.
تؤثر قيود الميزانية على عرض القيمة. إذا كنت تمتلك جهاز Pi 5 بالفعل، فإن مجموعة أدوات الذكاء الاصطناعي التي تبلغ قيمتها 70 دولارًا هي أمر بديهي. إذا كنت تبدأ من الصفر، فأنت تنفق 130+ دولارًا أمريكيًا على النظام الكامل (Pi 5 + AI Kit + مزود الطاقة + التخزين)، وعند هذه النقطة يبدأ منافسو Jetson Nano في الظهور بمظهر تنافسي اعتمادًا على احتياجات أدائك.
مقارنة مواصفات الأجهزة
| مواصفة | مجموعة راسبيري باي للذكاء الاصطناعي | قبعة راسبيري باي AI + (13 قطعة) | قبعة راسبيري باي AI + (26 قطعة) |
|---|---|---|---|
| شريحة تسريع | هايلو-8L | هايلو-8L | هايلو-8 |
| أداء | 13 قمم | 13 قمم | 26 قطعة علوية |
| سعر | $70 | $70 | $110 |
| رسم القوة | 1-2 واط نموذجي، 5 واط ذروة | 1-2 واط نموذجي | 2.5 واط نموذجي |
| عامل الشكل | M.2 2242 | M.2 2242/2280 | M.2 2242/2280 |
| تاريخ الافراج عنه | يونيو 2024 | أكتوبر 2024 | أكتوبر 2024 |
توفر متغيرات AI HAT+ توافقًا أفضل مع علبة Pi 5 وتصميمًا ميكانيكيًا محسنًا ولكنها تقدم أداءً مطابقًا للمجموعة الأصلية في الطبقة 13 TOPS (المصدر: Electronicsweekly.com, 2025). يعمل الإصدار 26 TOPS على مضاعفة الإنتاجية للتطبيقات التي تحتاج إلى معالجة مدخلات ذات دقة أعلى أو تشغيل نماذج أكثر تعقيدًا.
مشكلات الإعداد الشائعة وحلولها
لم يتم الكشف عن AI Kit بعد التثبيت
يشير هذا عادةً إلى وجود مشكلة في تعداد PCIe. تأكد من تمكين PCIe في ملف config.txt الخاص بـ Pi وأن M.2 HAT مثبت بإحكام على جميع منافذ GPIO. تشغيل lspci يجب أن يُظهر جهاز Hailo إذا كان الاتصال يعمل.
تعمل النماذج بشكل أبطأ من المتوقع
تأكد من أنك تستخدم بالفعل مسرع Hailo ولا ترجع إلى استنتاج وحدة المعالجة المركزية. تحقق من السجلات بحثًا عن الأخطاء أثناء تحميل النموذج. تأكد من تجميع النموذج الخاص بك بشكل صحيح لبنية Hailo - ستفشل محاولة تشغيل النماذج غير المحولة أو ستفشل في تنفيذ وحدة المعالجة المركزية افتراضيًا.
تعطل النظام تحت الحمل
تسبب مشكلات مصدر الطاقة معظم مشكلات الاستقرار. يحتاج Pi 5 إلى 5V/5A (27W) كحد أدنى، وتضيف مجموعة AI إلى هذا المتطلب. استخدم مصدر الطاقة الرسمي Raspberry Pi 27W أو ما يعادله. تؤدي الطاقة غير الكافية إلى انخفاض الجهد الذي يؤدي إلى تعطل النظام أثناء استنتاج الذروة.
تكامل الكاميرا لا يعمل
يتطلب تكامل rpicam-apps Hailo إصدارات rpicam محددة. قم بتحديث كل شيء باستخدام Sudo apt update وsudo apt Upgrade قبل استكشاف الأخطاء وإصلاحها بشكل أكبر. تحتاج بعض وحدات الكاميرا إلى تغييرات في التكوين في /boot/config.txt لتعمل على النحو الأمثل مع مسار الذكاء الاصطناعي.
إثبات مستقبل استثمارك
التصميم المعياري يعني أنه يمكنك الترقية بشكل مستقل. في الوقت الحالي، يمكنك تشغيل مجموعة AI Kit بقيمة 70 دولارًا مع 13 نقطة. في العام المقبل، إذا كان تطبيقك يحتاج إلى المزيد من الأداء، يمكنك استبدال 26 TOPS AI HAT+ مقابل 110 دولارات دون استبدال Pi 5. تظل حزمة البرامج متوافقة عبر شرائح Hailo-8L وHailo-8.
تواصل Hailo توسيع حديقة الحيوان النموذجية الخاصة بها وتحسين دعم المترجم. النماذج التي تتطلب التحسين اليدوي في يونيو 2024 لديها الآن إصدارات مجمعة مسبقًا. يتسارع هذا الاتجاه مع نضوج المنصة. ينمو النظام البيئي حول مشاريع الذكاء الاصطناعي المستندة إلى Pi بسرعة، حيث تعمل المنتديات والبرامج التعليمية وأدوات الطرف الثالث على تسهيل التنفيذ كل شهر.
توفر تحديثات البرامج تحسينات في الأداء أيضًا. أظهرت المعايير المبكرة أن بعض النماذج تعمل بمعدل X FPS؛ وقد عززت برامج التشغيل المحسنة وتحديثات البرامج الثابتة هذه الأرقام بنسبة 10-20% دون إجراء تغييرات على الأجهزة. يؤدي البقاء على اطلاع بتحديثات حزمة نظام التشغيل وHailo إلى زيادة قدرات مجموعة أدواتك.
الأسئلة المتداولة
هل تعمل مجموعة Raspberry Pi AI Kit مع موديلات Pi الأقدم؟
لا، تتطلب مجموعة AI Kit جهاز Raspberry Pi 5. يعد اتصال PCIe ضروريًا للاتصال ذي النطاق الترددي العالي المطلوب بين وحدة المعالجة المركزية والمسرع. تفتقر نماذج Pi السابقة إلى دعم PCIe، مما يجعلها غير متوافقة مع هذه البنية.
هل يمكنني تشغيل نماذج متعددة للذكاء الاصطناعي في وقت واحد؟
نعم، ولكن الأداء يعتمد على مدى تعقيد النموذج ومعدلات الإطارات. يمكن لـ Hailo-8L تقسيم الوقت بين النماذج، على الرغم من أن تشغيل النماذج الثقيلة بشكل متزامن سيؤدي إلى تقليل معدلات الإطارات الفردية. غالبًا ما تقوم المشاريع العملية بتشغيل نموذج واحد متسارع ونموذج واحد أو أكثر يعتمد على وحدة المعالجة المركزية بالتوازي.
كم من الوقت يستغرق تجميع النموذج؟
يتم تجميع النماذج البسيطة خلال 5 إلى 15 دقيقة على كمبيوتر محمول لائق. قد تستغرق النماذج المعقدة ذات الطبقات المتعددة من 30 إلى 60 دقيقة. يمكنك التجميع مرة واحدة فقط لكل نموذج، ثم نشر ملف .hef المترجم إلى Pi الخاص بك. لا تتطلب النماذج المجمعة مسبقًا من Model Zoo أي تجميع على الإطلاق.
هل تعمل مجموعة AI بدون اتصال بالإنترنت؟
قطعاً. بمجرد تثبيت البرنامج وتجميع النماذج الخاصة بك، سيتم تشغيل كل شيء محليًا. وهذا يجعل المجموعة مثالية للتطبيقات الحساسة للخصوصية أو عمليات النشر عن بعد أو في أي مكان يكون فيه الوصول إلى الشبكة غير موثوق به أو غير متاح.
هل يمكنني تدريب النماذج مباشرة على AI Kit؟
لا، Hailo-8L عبارة عن أجهزة للاستدلال فقط. يتطلب التدريب تحسينات مختلفة للأجهزة والمزيد من الطاقة بشكل كبير. يتضمن سير العمل النموذجي التدريب على وحدات معالجة الرسومات السحابية أو محطات العمل باستخدام PyTorch/TensorFlow، والتحويل إلى تنسيق ONNX، والتجميع باستخدام أدوات Hailo، ثم نشر النموذج المجمع على Pi الخاص بك.
ما الفرق بين AI Kit وAI HAT+؟
تحتوي مجموعة AI Kit الأصلية على M.2 HAT مع وحدة Hailo-8L مقابل 70 دولارًا. AI HAT+ عبارة عن لوحة منقحة ذات توافق أفضل للحالة، وهي متاحة إما مع 13 TOPS Hailo-8L (70 دولارًا) أو 26 TOPS Hailo-8 (110 دولارًا). الأداء متطابق في مستوى 13 TOPS؛ اختر بناءً على التوفر وما إذا كنت بحاجة إلى التصميم المادي المحسن.
كيف تتعامل مجموعة AI Kit مع دقة الصور المختلفة؟
يعالج المسرع الدقة التي تم تدريب النموذج الخاص بك عليها - عادةً 640 × 640 أو ما شابه ذلك لاكتشاف الكائنات. تتعامل وحدة المعالجة المركزية لديك مع تغيير حجم مدخلات الكاميرا لتتناسب مع الأبعاد المتوقعة للنموذج. تتطلب دقة الإدخال الأعلى وقتًا أطول للمعالجة المسبقة ولكنها لا تؤثر بشكل مباشر على سرعة استدلال Hailo نظرًا لأن حجم إدخال النموذج يظل ثابتًا.
هل Hailo-8L متوافق مع موديلات TensorFlow Lite؟
ليس مباشرة. تحتاج إلى تحويل نماذج TensorFlow Lite إلى تنسيق ONNX، ثم تجميعها باستخدام مترجم Dataflow من Hailo. يتم دعم العديد من بنيات TensorFlow Lite الشائعة، ولكن قد تتطلب عملية التحويل تعديلات اعتمادًا على مدى تعقيد النموذج والعمليات المستخدمة.
اتخاذ خطواتك الأولى
ابدأ بالعروض التوضيحية المجمعة مسبقًا لفهم خصائص الأداء قبل الغوص في النماذج المخصصة. توضح عينات اكتشاف الكائنات وتقدير وضعها قدرات المجموعة دون الحاجة إلى معرفة تجميع النماذج. بمجرد أن تعتاد على الأجهزة، قم بتجربة نماذج مختلفة من Hailo Model Zoo للعثور على التوازن بين الدقة والسرعة لتطبيقك.
تمثل مجموعة Raspberry Pi AI Kit تحولًا كبيرًا في إمكانية الوصول إلى الذكاء الاصطناعي. لأول مرة، يستطيع الهواة والمطورون الصغار نشر أنظمة رؤية حاسوبية متطورة ذات أداء كان يتطلب في السابق أجهزة باهظة الثمن أو الاعتماد على السحابة. إن الجمع بين النظام البيئي لـ Raspberry Pi ومسرع Hailo الفعال يخلق إمكانيات لم تكن موجودة في فئة أقل من 100 دولار حتى عام 2024.
سواء كنت تقوم ببناء كاميرا أمنية ذكية، أو نظام فحص صناعي، أو تجربة الذكاء الاصطناعي على الحافة، فإن مجموعة الذكاء الاصطناعي توفر القدرة الحسابية لجعل هذه المشاريع قابلة للتطبيق. لقد أثبتت البنية كفاءتها، وينضج البرنامج بسرعة، ويعمل المجتمع بنشاط على بناء حلول يمكنك التعلم منها والتكيف معها.