網頁

2021年1月28日 星期四

支援Intel十一代Tiger Lake UP3工業電腦參考名單

 

圖片來源

未來Intel十一代CPU(Tiger Lake UP3)將整合自家GPU Xe,未來在AI領域的模型練訓上效能將大幅提升,若再配合OpenVINO使用,會比單用CPU(AVX指令集、MKL加速函式庫)或VPU(神經運算棒NCS)進行AI推論的速度高出許多。目前OpenVINO 2021.1版已可支援Tiger Lake。

十一代Tiger Lake主要有下面幾款 [wiki] [Intel]

  • Intel® Core™ i7-1185G7E
  • Intel® Core™ i7-1165G7E
  • Intel® Core™ i5-1145G7E
  • Intel® Core™ i5-1135G7E
  • Intel® Core™ i3-1125G4E
  • Intel® Core™ i3-1115G4E
  • Intel® Pentium Gold® 7505
  • Intel® Celeron® 6305E

其中Tiger Lake UP3 i7 / i5 自帶GPU為Iris Xe,分別有96 / 80個執行單元(EUs),而其它自帶的GPU為UHD Graphics,有48個執行單元。

接下來整理了已上市(或快上市)嵌入式機種(不含筆電類型)或模組板,共有8家公司(研華、研揚、凌華、新漢、威強電、安富利、瑞傳、超微),14款產品,如有疏漏煩請於留言區交流補充,謝謝!

(點擊型號文字可連結至各產品官網介紹)

2021年1月26日 星期二

從CES 2021看實境互動技術未來發展

 

一年一度的消費性電子展(CES 2021)最近(2021/1/11-14)剛結束,今年在Covid-19疫情攪局下全部都改為線上展出,雖然各大廠有推出許多精采的產品介紹影片,但總覺得少了一點味道。台灣方面在科技部領軍下,集結了31個單位100個新創公司共同參與,並在「台灣科技新創基地(TTA)」的協助下打造了一個VR線上展覽館

不過對於想在PC上使用一般網頁瀏覽器來體驗TTA這個VR線上展覽館的朋友要有點心理準備,因為這個介面是極度不友善的,體驗感受極差,想仔細看一下廠商提供的資料,不論是影片或靜態資料都會一直不斷的被移動(場景水平旋轉),且無法將想看的資料放大到全螢幕,根本很難閱讀。另外當畫面移到某個正在播放影片時,卻沒有將沒出現在畫面正中央的但還在播放的影片聲音靜音,導致有多組聲音一起在播放,實在難以聽清楚在介紹的內容。或許下次應該考慮同步多提供一般2D網頁式操作介面,再由使用者自行選擇是使用VR設備或普通電腦操作會更理想些。

整體看下來,本次CES可能是去年受疫情影響,各廠家研發進度感覺上有點落後,因此亮點並不多。為方便大家理解此次展會在「實境互動(Reality Interaction」領域中有何值得關注的產品。

一般來說實境互動包含取得真實世界資訊(如3D掃描、建模等)、顯示(疊合)虛擬世界物件到真實世界(如VR, AR, MR, XR顯示眼鏡或裸視3D顯示器等)、人機互動(如手勢、頭部姿態、眼睛注視、運動感測器、力回饋設備等)等技術整合而得。接下來就針對這三大領域的新品幫大家作一些簡單盤點,如有遺漏的地方再煩請多多在留言區交流並提供相關資訊。(註:產品排列順序不代表任何意義)

2021年1月22日 星期五

【Intel OpenVINO™教學】如何利用Docker快速建置OpenVINO開發環境

 

2012年Alex Krizhevsky利用卷積神經網路(Convolutional Neural Network, CNN) AlexNet以15.3% Top5錯誤率遠甩第二名好幾條街(26.1%),贏得ImageNet大規模視覺辨識挑戰賽(ILSVRC)首獎,從此開啟人工智慧、神經網路、深度學習的新世代。自此各個廠商也紛紛推出自家的開發工具,搶食人工智慧這塊大餅。

2018年5月INTEL有鑑於邊緣智能(Edge AI)設備的硬體效能遠低於雲端機房,且不同硬體、開發工具間存在嚴重差異,造成工程師學習上極大的困擾,因此推出開放(免費)電腦視覺推論及神經網路(深度學習)優化工具包「OpenVINO」(Open Visual Inference & Neural Network Optimization Toolkit)」[1][2]。

OpenVINO整合了OpenCV, OpenCL等開源電腦視覺及加速運算函式庫,並可運行在多種作業系統(Windows, Linux),輕鬆搭配自家各種不同硬體加速運算平台(Inetl CPU, GPU, FPGA, VPU, GNA),且支援各種常見AI開發框架(TensorFlow, Caffe, MXNet, ONNX, KALDI)訓練出的模型及參數,更有提供模型的優化工具使運算效能及模型大小得到更佳的輸出,最重要的是工程師只需寫一次程式就能在不同平台上執行,大大降低學習及佈署的負擔。

早先OpenVINO的版本彈性雖然較大,但安裝程序冗長,一不小心容易造成步驟缺失導致系統無法正確運行。為解決這項問題,OpenVINO也有推出Docker安裝方式,輕鬆搞定安裝及執行問題,且可有效隔離不同版本及其它開發環境。接著就簡單說明「什麼是Docker?和虛擬機VM有何不同?」、「如何安裝Docker工作環境」及「如何使用Docker安裝OpenVINO」,最後再以一個範例來說明「如何利用公開模型mobilenet執行影像分類」。

2021年1月19日 星期二

Github上OpenVINO最受歡迎的前20名開源項目

 

最近剛好盤點了一下Github上關於OpenVINO最受歡迎項目,截至2021/1/19止,在Github上使用"OpenVINO"關鍵字進行檢索,共有1,154項,以下就依獲得星星(star)數量簡單列出前20名。

這20名中其中,Intel官方(包括openvinotoolkit, NervanaSystems, movidius)就佔了7項,而Daniil-Osokin貢獻了3項(第7,14,19名),PINTO0309(第9,10,13名)。而就非官方貢獻者,台灣灼灼科技(DT42)第4名則是排在最前面。

另外個人雖然也有貢獻了幾個OpenVINO的開源項目,但目前還排在非常後面,最好的一項也才27顆星,希望未來能有機會再創作幾個有趣的專案分享給大家,這次就先排在第21項,當作是對自己的期許吧!