Entraînement de modèles d’IA
Export au format ONNX
Pack u3o
Intégration dans uniVision 3
Intégration d’interfaces
Étape 1 : Votre entrainement, votre framework
- Utilisez votre framework d’entrainement automatique préféré, tel que PyTorch, TensorFlow ou d’autres outils compatibles ONNX, sans modifier votre environnement de développement existant. Vous n’êtes pas lié à des logiciels propriétaires ou à des plateformes cloud, et vous conservez une flexibilité maximale dans le développement de vos modèles d’IA.
- Entraînez vos modèles localement, dans le cloud ou sur vos clusters GPU existants tout en gardant le contrôle total de vos données, architectures de modèles et hyperparamètres. Vos data scientists peuvent continuer à travailler avec les outils qu’ils connaissent et utilisent efficacement.
Étape 2 : Export au format ONNX
- ONNX (Open Neural Network Exchange) est une norme ouverte et indépendante du fabricant pour l’échange de modèles d’IA. La conversion à partir de votre framework s’effectue en quelques lignes de code via des fonctions d’exportation intégrées.
- Les notebooks wenglor affichent les meilleures pratiques et facilitent l’exportation, la validation et le traitement ultérieur. Les technologies de classification (Multi-Class et Multi-Label) ainsi que la détection d’objet sont prises en charge, y compris la quantification en option pour des performances optimisées.
Étape 3 : Pack u3o
- Le format u3o est le pack prêt à déployer pour les appareils équipés du logiciel uniVision 3. Il combine le modèle ONNX avec toutes les métadonnées pertinentes telles que les spécifications d’entrée/sortie, le prétraitement et les labels de classe.
- La création s’effectue automatiquement via les scripts wenglor Python dans GitHub, y compris la validation pour le matériel cible. En option, le modèle d’IA peut être quantifié pour améliorer davantage les performances.
Étape 4 : Intégration dans uniVision 3
- Le module « Image ONNX » permet l’importation directe de paquets u3o dans uniVision 3. Différentes options matérielles flexibles sont disponibles en fonction de l’application : les Smart Cameras de la série B60 pour une inférence IA compacte directement sur l’installation ou les contrôleurs de vision industrielle de la série MVC pour des modèles à forte intensité de calcul. En combinaison avec d’autres modules, il est possible de réaliser des applications de vision industrielle performantes et flexibles.
Étape 5 : Connexion
- L’intégration s’effectue de manière transparente via les interfaces existantes avec les API, les robots et les systèmes informatiques. La structure de communication existante d’uniVision 3 est utilisée, sans aucun middleware supplémentaire.
Technologies et types de modèles pris en charge pour le module ONNX
Le format ONNX est pris en charge par tous les frameworks d’entrainement automatique courants, de sorte que votre configuration existante peut être réutilisée sans modification.
| Format de modèle pris en charge | ONNX |
| Framework d’entrainement |
PyTorch, TensorFlow, Skikit-learn, Apache Spark, Keras, Caffe2, Microsoft Cognitive Toolkit (CNTK), Theano*
|
| Types de modèles pris en charge |
|
| Optimisation (en option) |
|
*Outre les frameworks mentionnés, d’autres intégrations sont possibles.
Le format ONNX est pris en charge par tous les frameworks d’entrainement automatique courants, de sorte que votre configuration existante peut être réutilisée sans modification.
|
Format de modèle pris en charge
|
|
ONNX
|
|
Framework d’entrainement
|
|
PyTorch, TensorFlow, Skikit-learn, Apache Spark, Keras, Caffe2, Microsoft Cognitive Toolkit (CNTK), Theano*
|
|
Types de modèles pris en charge
|
|
|
Optimisation (en option)
|
|
*Outre les frameworks mentionnés, d’autres intégrations sont possibles.
Pourquoi utiliser GitHub pour les projets d’entrainement automatique ?
- Notebooks Jupyter prêts à l’emploi pour toutes les étapes du flux de travail d’entrainement automatique
- Structure claire des métadonnées grâce aux spécifications JSON détaillées
- Mises à jour régulières pour les nouvelles versions du framework
- Exemples de code Python facilement personnalisables et extensibles
Quels sont les avantages d’ONNX dans uniVision 3 ?
Standard ouvert ONNX sans Vendor Lock-in
- Utilisez le framework de votre choix (par ex. PyTorch, Tensorflow, etc.).
- Vos processus existants restent inchangés.
IA et traitement d’images basé sur des règles dans un seul flux de travail
- Profitez de la combinaison de réseaux neuronaux et d’outils basés sur des règles.
- Utilisez des outils intégrés tels que le masquage, la définition du ROI et le post-traitement.
Matériel et logiciel optimisés pour ONNX Runtime
- Les Smart Cameras B60 disposent d’une unité de traitement neuronal pour le calcul accéléré de l’IA.
- Tous les contrôleurs de vision industrielle MVC garantissent des temps de processus optimaux grâce à un processeur puissant.
Nombreuses interfaces industrielles courantes pour une intégration optimale
Tous les résultats peuvent être traités directement via l’infrastructure de communication existante d’uniVision 3.
Deux façons d’exécuter des modèles d’IA sur le matériel
Le pack de licences uniVision AI permet d’exécuter des modèles d’IA directement depuis l’AI Lab ou entraînés en externe via le format ONNX. uniVision AI garantit une intégration transparente de vos modèles d’IA, tandis que l’entrainement des modèles peut être effectué de bout en bout dans l’AI Lab ou avec des frameworks d’entrainement automatique courants dans leur propre chaîne d’outils.
Module « Image ONNX » – Intégration de modèles d’IA entraînés en externe au format ONNX
Intégrez vos modèles d’IA entraînés avec des frameworks open source.
| Entraînement de modèles | Dans sa propre chaîne d’outils (par ex. PyTorch, Tensorflow) localement ou en externe |
| Interface | Importation de modèles d’IA au format ONNX (via GitHub) |
| Transparence | Prise en charge de la carte thermique (en fonction du modèle) |
| Intégration | Exécutable directement dans uniVision – compatibilité et conversion conformément à la documentation |
Module « Image IA » – entraînement de modèles d’IA dans l’AI Lab
Profitez d’un guichet unique pour l’ensemble du flux de travail d’IA.
| Entraînement de modèles | Dans le Cloud dans l’AI Lab |
| Flux de données | Transfert d’images d’uniVision 3 au AI Lab via weHub |
| Transparence | Traçabilité maximale grâce aux cartes thermiques et aux évaluations |
| Point d’entrée | Interface utilisateur intuitive pour les projets structurés sans chaîne d’outils d’entrainement automatique propre |
Le matériel adapté pour une exécution optimale des modèles d’IA
Grâce au logiciel uniVision 3, le matériel de vision industrielle wenglor offre les conditions optimales pour l’exécution efficace de modèles d’IA.
Sur les caméras intelligentes de la série B60, l’unité de traitement neuronal (NPU) intégrée assure une exécution efficace et rapide des modèles d’IA. L’accélération Intel® OpenVINO™ et le processeur multicœur des contrôleurs de vision industrielle de la série MVC permettent une exécution efficace et parallèle de plusieurs modèles d’IA et de flux de processus complexes.Licences pour l’utilisation d’ONNX dans uniVision 3
Le module « Image IA » est disponible sur le matériel de vision industrielle correspondant pour l’exécution des modèles d’IA créés dans l’AI Lab. Celui-ci fait partie du pack de licence « uniVision AI ».
Le pack de licence « uniVision AI » comprend l’activation des modules suivants :
- Module « Image IA » (pour les modèles d’IA de l’AI Lab)
- Module « Image ONNX » (pour les modèles d’IA au format ONNX)
La licence « uniVision AI » est disponible comme suit :
- Smart Cameras de la série B60 : Licence DNNL031
- Pour les contrôleurs de vision industrielle de la série MVC : Licence DNNL032
