{"id":113469,"date":"2024-02-08T22:02:49","date_gmt":"2024-02-08T20:02:49","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/vypusk-savant-0-2-7-frejmvorka-kompyuternogo-zreniya-i-glubokogo-obucheniya"},"modified":"2024-02-08T22:02:49","modified_gmt":"2024-02-08T20:02:49","slug":"vypusk-savant-0-2-7-frejmvorka-kompyuternogo-zreniya-i-glubokogo-obucheniya","status":"publish","type":"post","link":"https:\/\/prohoster.info\/da\/blog\/news\/vypusk-savant-0-2-7-frejmvorka-kompyuternogo-zreniya-i-glubokogo-obucheniya","title":{"rendered":"Udgivelse af Savant 0.2.7, rammev\u00e6rket for computer vision og deep learning","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Udgivelsen af Python-rammen Savant 0.2.7 er offentliggjort, som forenkler brugen af NVIDIA DeepStream til opgaver relateret til maskinl\u00e6ring. Rammev\u00e6rket tager sig af al det komplekse arbejde med GStreamer eller FFmpeg, hvilket giver dig mulighed for at fokusere p\u00e5 at opbygge optimerede output-pipelines ved hj\u00e6lp af deklarativ syntaks (YAML) og Python-funktioner. Savant g\u00f8r det muligt at skabe pipelines, der fungerer ens p\u00e5 b\u00e5de acceleratorer i datacentre (NVIDIA Turing, Ampere, Hopper) og p\u00e5 edge-enheder (NVIDIA Jetson NX, AGX Xavier, Orin NX, AGX Orin, New Nano). Med Savant kan du nemt behandle flere videostr\u00f8mme samtidigt og hurtigt skabe klar-til-anvendelse videoanalyse pipelines, der benytter NVIDIA TensorRT. Projektets kode distribueres under Apache 2.0-lisensen. <\/p>\n
Savant 0.2.7 \u2014 den sidste udgivelse med \u00e6ndringer i funktionaliteten i 0.2.X-grenen. De n\u00e6ste udgivelser i 0.2.X-grenen vil kun inkludere fejlrettelser. Udviklingen af nye funktioner vil finde sted i 0.3.X-grenen, som er baseret p\u00e5 DeepStream 6.4. Denne gren vil ikke underst\u00f8tte Jetson Xavier-enhedsserien, da NVIDIA ikke underst\u00f8tter dem i DS 6.4. <\/p>\n
Hovednyhederne: <\/p>\n
\n
Nye brugs-eksempler:\n
\n
Eksempel p\u00e5 arbejde med en detektionsmodel baseret p\u00e5 transformer RT-DETR;\n
CUDA-postbehandling ved hj\u00e6lp af CuPy til YOLOV8-Seg;\n
Eksempel p\u00e5 integration af PyTorch CUDA i Savant-pipelinen;\n
Demonstration af arbejde med orienterede objekter. <\/ul>\n
<\/center> <\/p>\n
Nye funktioner:\n
\n
Integration med Prometheus. Pipelines kan eksportere udf\u00f8relsesmetriker til Prometheus og Grafana til overv\u00e5gning og sporbarhed af ydeevne. Udviklere kan erkl\u00e6re brugerdefinerede metrikker, der eksporteres sammen med systemmetrikker.\n
Bufferadapteren \u2014 implementerer en permanent transaktionel buffer p\u00e5 disken for data, der bev\u00e6ger sig mellem adaptere og moduler. Med den kan der udvikles h\u00f8jtydende pipelines, der uforudsigeligt forbruger ressourcer og kan h\u00e5ndtere trafikspidser. Adapteren eksporterer sine data om elementer og dimensioner til Prometheus.\n
Modelkompileringstilstand. Moduler kan nu kompilere deres modeller til TensorRT uden at k\u00f8re pipelinen.\n
Shutdown begivenhedshandler i PyFunc. Dette nye API giver mulighed for korrekt h\u00e5ndtering af pipeline-afslutningsoperationer, som frigiver ressourcer og underretter eksterne systemer om afslutningen.\n
Filtrering af billeder ind og ud. Som standard accepterer pipeline alle billeder, der indeholder videodata. Ved hj\u00e6lp af ind- og udgangsfiltrering kan udviklere filtrere data for at udelukke dem fra behandlingen.\n
Postbehandling af modellen p\u00e5 GPU. Takket v\u00e6re den nye funktion kan udviklere f\u00e5 adgang til modelens outputtenzor direkte fra GPU's hukommelse uden at indl\u00e6se dem i CPU-hukommelsen og behandle dem med CuPy, TorchVision eller OpenCV CUDA.\n
Funktioner til visning af GPU-hukommelse. I denne udgave har vi tilf\u00f8jet funktioner til at konvertere hukommelsesbuffere mellem OpenCV GpuMat, GPU-tenzorene fra PyTorch og CuPy-tenzorene.\n
API til adgang til statistik over brugen af pipeline-queues. Savant giver mulighed for at tilf\u00f8je queues mellem PyFunc for at implementere parallel behandling og behandling af buffere. Den tilf\u00f8jede API giver udviklere adgang til de queues, der er udrullet i pipelinen, og muligheden for at foresp\u00f8rge deres brug. <\/ul>\n<\/ul>\n
![\"Udgivelse](\"\/wp-content\/uploads\/2024\/02\/0c14b808a6767394352a4eafde317f67.jpg\")
<\/center> <\/p>\n