Umetna inteligenca

Axiomtek je za namene razvoja pametnih rešitev s pomočjo umetne inteligence razvil vgrajen sistem z modulom Jetson TX2. Modul je namenjen napravam, ki se zanašajo na dinamične vhodne parametre, na katerih se izvaja že naučena nevronska mreža. Samo učenje te nevronske mreže običajno poteka na gručah stotine GPU-jev, katere lahko na primer najamemo pri različnih zunanjih ponudnikih.

Vgrajeni sistem eBox560-900-FL z modulom Jetson TX2

Računalnik eBox560-900 z modulom Jetson naloge izvaja s pomočjo grafično procesne enote (GPU). Zaradi paralelne zgradbe je sposoben lokalno zmogljivo obdelovati velike količine računskih operacij hkrati in pohitriti delovanje strojnega in globokega učenja ter delovanje nevronskih mrež, ki so lahko osnova za sisteme umetno inteligenco (AI).

Prilagojen delovanju nevronskih mrež

S paralelno zasnovo je eBox560-900 usklajen z računskim modelom nevronskih mrež, ki paralelno obdelujejo informacije. Osnovni gradniki mreže so umetni nevroni oz. pragovne funkcije. Mreže imajo več vhodov in enega ali več izhodov. Vhodi so različno uteženi in so povezani z izhodom preko enega ali več nivojev – na skici je prikazan en nivo.

Matematični model nevrona sešteje signale (w_n) različno uteženih vhodov (x_n). V kolikor vsota preseže določen prag (θ), nevron glede na aktivacijsko funkcijo odda signal. Če je mreža več nivojska, in ponavadi je, oddan signal prejme drug nevron v naslednji plasti, ki ga takisto obdela.

• Sinaptične uteži: vrednosti Wn so uteži, povezane s posameznim nevronom, ki določi moč vhodnega vektorja Xn,

• Prag nevrona je vrednost, pri kateri se aktivira izhod,

• Aktivacijska oz. prenosna funkcija, ki je lahko različnih oblik funkcij (na sliki sigmoidna), izvaja matematično operacijo na izhodnem signalu,

• Izhod mreže je utežena vsota vhodov.

Uteži nevronov ter prag, pri katerem nevron odda signal, se oblikujejo z učenjem. V učnem načinu torej mrežo naučimo, kako naj reagira na določen vzorec vhodov. Za učenje uporabimo veliko bazo vhodnih podatkov ter določimo želeni izhod. Da dobimo željen rezultat, mreža z učenjem išče optimalne vrednosti uteži ter pragove.

Operacije z nevronskimi mrežami se izvajajo paralelno, saj vsak nevron deluje relativno neodvisno od ostalih, zato so se nevronske mreže zmožne prilagajati zapletenemu okolju, z veliko vhodnimi parametri, v realnem času in z minimalnimi zakasnitvami.

Specifikacije vgrajenega sistema eBox560-900-FL

Modul TX2 je dvakrat zmogljivejši in varčnejši od predhodnika TX1. CPU modula TX2 vsebuje dvojedrnika Nvidia Denver 2.0, ter štirijedrnika ARM Cortex A57. GPU temelji na arhitekturi Pascal z 256 jedri. Vgrajenega je 8GB LPDDR4 pomnilnika ter 32GB eMMC diskovnega prostora z možnostjo razširitve na M.2 vodilu.

Računalnik ima USB, dva Ethernet ter HDMI izhod, ki podpira 4K resolucijo. Prostor je za razširitveno kartico PCIE Mini, za WLAN in Bluetooth ali 3G/4G/LTE/GPRS modul, ki preko možnosti priklopa štirih zunanjih anten zagotavlja brezžično povezljivost.

Kompakten in robusten dizajn eBOX560-900 ustreza zaščiti IP40. Deluje v razširjenem temperaturnem območju od -10°C do 50°C in je odporen proti vibracijam do 3G, ter skladen s certifikatom CE in FCC Class A. Različne možnosti montaže omogočajo vgradnjo računalnika na DIN letev ali stensko montažo.

Računalnik temelji na operacijskem sistemu Linux 16.04, razvijalcem pa je na voljo SDK Jetson Development Pack (JetPack), ki vsebuje vsa potrebna orodja za razvoj aplikacij. JetPack vsebuje orodja za strojno učenje, računalniški vid, GPU izračune ter multimedijo.

JetPack orodja:

• Deep Learning: TensorRT, cuDNN, NVIDIA DIGITS™ Workflow

• Computer Vision: NVIDIA VisionWorks, OpenCV

• GPU Compute: NVIDIA CUDA, CUDA Libraries

• Multimedia: ISP Support, Camera imaging, Video CODEC

Primeri iz industrije

Modul bo našel prostor v sistemih, ki potrebujejo lokalno paralelno procesiranje podatkov in varčujejo s porabo električne energije. Veliko današnjih naprav, npr. glasovni asistenti, kot so Alexa, pošiljajo podatke na strežnike, kjer jih obdelajo in pošljejo nazaj v napravo. S takim modulom se lahko izognete komunikaciji z oblakom in informacije obdelate lokalno. Tako lahko povečate mero zasebnosti, saj se informacije ne bodo pretakale izven domačega omrežja. Z vgrajenim sistemom eBox560-900-FL boste lahko hitreje izvajali analize slikovnih posnetkov v dronu ali avtomobilu, saj se mora analiza tam izvajati izredno hitro. Lokalno procesiranje slik je zahtevano tudi v samovozečih vozilih, saj je za njihovo delovanje tako hitro komuniciranje s strežnikom in analiza v realnem času skoraj nemogoča.

Želite izvedeti več primerov uporabe vgrajenega sistema eBox560-900-FL?

Obiščite www.tipteh.si/ebox-jetson, kjer lahko najdete več video posnetkov primerov uporabe!