Entrenamiento de modelos AI
Exportar a formato ONNX
Paquete u3o
Integración en uniVision 3
Conexiones de interfaz
Paso 1: Su formación, su marco
- Aproveche su marco de aprendizaje automático preferido, como PyTorch, TensorFlow u otras herramientas compatibles con ONNX, sin necesidad de cambiar su entorno de desarrollo existente. No están vinculados a software patentado ni plataformas en la nube, y mantienen la máxima flexibilidad a la hora de desarrollar sus modelos de IA.
- Entrene sus modelos localmente, en la nube o en sus clústeres de GPU existentes, manteniendo siempre el control total de sus datos, arquitecturas de modelos e hiperparámetros. Sus científicos de datos pueden seguir trabajando con las herramientas que conocen y utilizan de forma eficiente.
Paso 2: Exportar a formato ONNX
- ONNX (Open Neural Network Exchange) es un estándar abierto e independiente del fabricante para el intercambio de modelos de IA. La conversión desde su marco se realiza con unas pocas líneas de código a través de funciones de exportación integradas.
- Los Notebooks de wenglor indican las mejores prácticas y colaboran a la exportación, validación y procesamiento posterior. Se admiten las tecnologías de clasificación (multiclase y multietiqueta) y detección de objetos, incluida la cuantificación opcional para un rendimiento optimizado.
Paso 3: Paquete u3o
- El formato u3o es el paquete listo para el despliegue para dispositivos con el software uniVision 3. Combina el modelo ONNX con todos los metadatos relevantes, como especificaciones de entrada/salida, preprocesamiento y etiquetas de clase.
- Se crea automáticamente a través de scripts Python de wenglor en GitHub, incluida la validación para el hardware de destino. Opcionalmente, el modelo de IA se puede cuantificar para aumentar aún más el rendimiento.
Paso 4: Integración en uniVision 3
- El módulo “Imagen ONNX” permite la importación directa de paquetes u3o en uniVision 3. El software está disponible en diferentes variantes en función de la aplicación: las Smart Cameras de la serie B60 para la inferencia compacta de IA directamente en la instalación o los controladores de visión artificial de la serie MVC para modelos con un uso intensivo de datos. En combinación con otros módulos, se pueden realizar aplicaciones de visión artificial potentes y flexibles.
Paso 5: Conexión
- La integración se realiza sin problemas a través de interfaces existentes en PLC, robots y sistemas de TI. Para ello, se utiliza la estructura de comunicación existente de uniVision 3, sin ningún middleware adicional.
Tecnologías y tipos de modelos compatibles con el módulo ONNX
El formato ONNX es compatible con todos los marcos de aprendizaje automático comunes, por lo que su configuración existente puede seguir utilizándose sin cambios.
| Formato de modelo compatible | ONNX |
| Marco de entrenamiento |
PyTorch, TensorFlow, scikit-learn, Apache Spark, Keras, Caffe2, Microsoft Cognitiv Toolkit (CNTK), Theano*
|
| Tipos de modelos compatibles |
|
| Optimización (opcional) |
|
*Además de los marcos mencionados, son posibles otras integraciones.
El formato ONNX es compatible con todos los marcos de aprendizaje automático comunes, por lo que su configuración existente puede seguir utilizándose sin cambios.
|
Formato de modelo compatible
|
|
ONNX
|
|
Marco de entrenamiento
|
|
PyTorch, TensorFlow, scikit-learn, Apache Spark, Keras, Caffe2, Microsoft Cognitiv Toolkit (CNTK), Theano*
|
|
Tipos de modelos compatibles
|
|
|
Optimización (opcional)
|
|
*Además de los marcos mencionados, son posibles otras integraciones.
¿Por qué utilizar GitHub para proyectos de aprendizaje automático?
- Notebooks Jupyter listos para usar en todos los pasos del flujo de trabajo de aprendizaje automático
- Estructura clara de los metadatos gracias a las especificaciones detalladas de JSON
- Actualizaciones periódicas para las nuevas versiones del marco
- Ejemplos de código Python fácilmente adaptables y ampliables
¿Qué ventajas ofrece ONNX en uniVision 3?
Estándar abierto ONNX sin dependencia del proveedor
- Utilice el marco de su elección (por ejemplo, PyTorch, Tensorflow, etc.).
- Sus procesos existentes no cambian.
IA y procesamiento de imágenes basado en reglas en un solo flujo de trabajo
- Benefíciese de la combinación de redes neuronales con herramientas basadas en reglas.
- Aproveche unas herramientas perfectamente integradas como el enmascaramiento, la definición del ROI y el posprocesamiento.
Hardware y software optimizados para ONNX Runtime
- Las Smart Cameras B60 disponen de una unidad de procesamiento neuronal para el cálculo acelerado por IA.
- Todos los controladores de visión artificial MVC garantizan tiempos de proceso óptimos con una potente CPU.
Numerosas interfaces industriales para una fácil integración
Todos los resultados se pueden procesar directamente a través de la infraestructura de comunicación existente de uniVision 3.
Dos formas de ejecutar modelos de IA en el hardware de wenglor
El paquete de licencias uniVision AI permite ejecutar modelos de IA directamente desde AI Lab o entrenados externamente a través del formato ONNX. uniVision AI garantiza una integración perfecta de sus modelos de IA, mientras que el entrenamiento de modelos se puede realizar de principio a fin en AI Lab o con marcos de aprendizaje automático comunes en su propia cadena de herramientas.
Módulo “Imagen ONNX”: integración de modelos de IA entrenados externamente en formato ONNX
Integre sus modelos de IA entrenados con marcos de código abierto.
| Entrenamiento de modelos | En su propia cadena de herramientas (p. ej. PyTorch, Tensorflow) local o externa |
| Interfaz | Importación de modelos de IA en formato ONNX (a través de GitHub) |
| Transparencia | Compatibilidad con mapas de calor (según el modelo) |
| Integración | Ejecución directa en uniVision: compatibilidad y conversión según la documentación |
Módulo “Imagen IA”: entrenamiento de modelos de IA en AI Lab
Aproveche todo el flujo de trabajo de IA de un solo proveedor.
| Entrenamiento de modelos | En la nube en AI Lab |
| Flujo de datos | Transmisión de imágenes de uniVision 3 a AI Lab a través de weHub |
| Transparencia | Máxima trazabilidad mediante mapas de calor y evaluaciones |
| Acceso | Interfaz de usuario intuitiva para proyectos estructurados sin cadena de herramientas de aprendizaje automático propia |
El hardware adecuado para una ejecución óptima de los modelos de IA
Con el software uniVision 3, el hardware de visión artificial de wenglor ofrece los requisitos óptimos para la ejecución eficiente de modelos de IA.
En las Smart Cameras de la serie B60, la unidad de procesamiento neuronal (NPU) garantiza una ejecución eficiente y rápida de los modelos de IA. La aceleración Intel® OpenVINO™ y el procesador multinúcleo de los controladores de visión artificial de la serie MVC permiten una ejecución eficiente y en paralelo de varios modelos de IA y flujos de proceso complejos.Licencias para el uso de ONNX en uniVision 3
Para la ejecución de los modelos de IA creados en AI Lab, el módulo “Imagen IA” está disponible en el hardware de visión artificial correspondiente. Esto forma parte del paquete de licencias “uniVision AI”.
El paquete de licencias “uniVision AI” incluye la activación de los siguientes módulos:
- Módulo “Imagen IA” (para modelos de IA de AI Lab)
- Módulo “Imagen ONNX” (para modelos de IA en formato ONNX)
La licencia “uniVision AI” está disponible de la siguiente manera:
- Para cámaras inteligentes de la serie B60: Licencia DNNL031
- Para los controladores de visión artificial de la serie MVC: Licencia DNNL032
