, wenn Sie in GPU-beschleunigte Hersteller-Lernprojekte gesucht haben, sind Sie mit der CUDA-Architektur von NVIDIA sicherlich vertraut. Es folgt auch, dass Sie die Preise online überprüft haben, und wissen, wie teuer er sein kann, um eine leistungsstarke Grafikkarte zu erhalten, die diese spezielle Marke der parallelen Programmierung unterstützt.
Aber was könnte, wenn Sie Maker Lernaufgaben auf einer GPU ausführen könnten, unter Verwendung von nichts viel exotischer als OpenGL? Das ist das, was [LNSTADRUM] schon seit einiger Zeit funktioniert, da es Geräte so mageren, wie die ursprüngliche Raspberry Pi Null, um Aufgaben wie die Bildklassifizierung weit schneller auszuführen, als sie ihre CPU allein verwenden könnten. Der Trick besteht darin, Ihre Rechenaufgabe in etwas aufzubauen, das mit OpenGG-Shader erfolgen kann, die normalerweise auf Video-Game-Grafiken angezeigt werden.
Ein Beispiel für neuronale Net-Upscaling von X2.
[LNSTADRUM] beschreibt, dass OpenGL-Versionen aus dem letzten Jahrzehnt freigegeben werden oder tatsächlich sogenannte Rechnungsschirme, speziell für einen beliebigen Code ausführen. Leider ist es jedoch leider keine Option an Bord, wie der PI-Zero, der nur das OpenGL für eingebettete Systeme (GESE) 2.0 erfüllt, das von 2007 konventionell ist.
Das Erstellen des neuronalen Netzes auf eine solche Weise, dass sie mit diesen viel mehr eingeschränkter Plattformen kompatibel ist, war viel schwieriger, aber das Endergebnis hat weit viel interessantere Anwendungen, die dafür zeigen. Während der Tests konnten sowohl die Raspberry PI Null als auch mehrere ältere Android-Smartphones ein vorab ausgebildetes Bildklassifizierungsmodell zu einem angesehenen Rate ausführen.
Dies ist nicht nur ein Gedankexperiment, [lnstadrum] hat ein Bildverarbeitungsrahmen veröffentlicht, das mit diesen Konzepten namens Beatmup namens Beatmup namens Beatmup veröffentlicht hat, die Sie jetzt mit idealem ideal spielen können. Die C ++ – Bibliothek hat Java- und Python-Bindungen und muss entsprechend der Dokumentation auf so ziemlich alles laufen. Im Rahmen des Frameworks ist ein grundlegendes Werkzeug namens X2 enthalten, das AI-Bild-Upscaling auf allem von der integrierten Grafikkarte Ihres Laptops an den Himbeer-Pi ausführen kann; Es ist eine tolle Möglichkeit, diese faszinierende Anwendung des Herstellerlernens zu überprüfen.
Die Wahrheit wird erzählt, wir sind ein bisschen hinter dem Ball, da sich Beatmup im April dieses Jahres seine erste öffentliche Veröffentlichung erhielt. Es könnte bis jetzt unter dem Radar geflogen sein, aber wir glauben, dass es einiges Potenzial für dieses Projekt gibt, und hoffe, dass viel mehr davon viel mehr davon sehen kann, sobald das Wort über die hervorragenden Ergebnisse herauskommt, die es von selbst der tiefsten Hardware ausbreiten kann.
[Dank Ishan für den Tipp.]