{"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\/ro\/blog\/news\/vypusk-savant-0-2-7-frejmvorka-kompyuternogo-zreniya-i-glubokogo-obucheniya","title":{"rendered":"Lansarea Savant 0.2.7, un cadru pentru viziune computerizat\u0103 \u0219i \u00eenv\u0103\u021bare profund\u0103","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
A fost publicat\u0103 versiunea 0.2.7 a framework-ului Python Savant, care simplific\u0103 utilizarea NVIDIA DeepStream pentru sarcini legate de \u00eenv\u0103\u021barea automat\u0103. Framework-ul se ocup\u0103 de \u00eentreaga munc\u0103 complex\u0103 cu GStreamer sau FFmpeg, permi\u021b\u00e2ndu-le utilizatorilor s\u0103 se concentreze pe construirea de pipeline-uri de ie\u0219ire optimizate folosind un sintax\u0103 declarativ\u0103 (YAML) \u0219i func\u021bii Python. Savant permite crearea de pipeline-uri care func\u021bioneaz\u0103 la fel fie pe acceleratoare \u00een centre de date (NVIDIA Turing, Ampere, Hopper), fie pe dispozitive edge (NVIDIA Jetson NX, AGX Xavier, Orin NX, AGX Orin, New Nano). Cu ajutorul lui Savant, po\u021bi gestiona cu u\u0219urin\u021b\u0103 mai multe fluxuri video simultan \u0219i s\u0103 creezi rapid pipeline-uri de analiz\u0103 video gata de utilizare care utilizeaz\u0103 NVIDIA TensorRT. Codul proiectului este distribuit sub licen\u021ba Apache 2.0. <\/p>\n
Savant 0.2.7 \u2014 este este ultimul release cu modific\u0103ri de func\u021bionalitate \u00een ramura 0.2.X. Urm\u0103toarele release-uri \u00een ramura 0.2.X vor include doar corec\u021bii de erori. Dezvoltarea de noi func\u021bionalit\u0103\u021bi va continua \u00een ramura 0.3.X, bazat\u0103 pe DeepStream 6.4. Aceast\u0103 ramur\u0103 nu va suporta familia de dispozitive Jetson Xavier, deoarece compania NVIDIA nu le sus\u021bine \u00een DS 6.4. <\/p>\n
Nout\u0103\u021bi principale: <\/p>\n
\n
Exemple noi de utilizare:\n
\n
Exemplu de utilizare a modelului de detec\u021bie bazat pe transformator RT-DETR;\n
Post-procesare CUDA cu ajutorul CuPy pentru YOLOV8-Seg;\n
Exemplu de integrare a PyTorch CUDA \u00een pipeline-ul Savant;\n
Demonstrarea lucrului cu obiecte orientate. <\/ul>\n
<\/center> <\/p>\n
Func\u021bii noi:\n
\n
Integrarea cu Prometheus. Pipeline-ul poate exporta metrici de performan\u021b\u0103 \u00een Prometheus \u0219i Grafana pentru monitorizare \u0219i urm\u0103rire a performan\u021bei. Dezvoltatorii pot declara metrici personalizate care sunt exportate al\u0103turi de metricile de sistem.\n
Adaptorul buffer \u2014 implementeaz\u0103 un buffer tranzac\u021bional constant pe disc pentru datele care se mi\u0219c\u0103 \u00eentre adaptoare \u0219i module. Cu ajutorul acestuia, se pot dezvolta pipeline-uri cu \u00eenc\u0103rcare mare, care consum\u0103 resurse \u00eentr-un mod imprevizibil \u0219i rezist\u0103 la v\u00e2rfuri de trafic. Adaptorul \u00ee\u0219i export\u0103 datele despre elemente \u0219i dimensiuni \u00een Prometheus.\n
Modul de compilare a modelului. Modulele pot acum s\u0103-\u0219i compileze modelele \u00een TensorRT f\u0103r\u0103 a rula pipeline-ul.\n
Handler-ul de eveniment shutdown \u00een PyFunc. Acest nou API permite gestionarea corect\u0103 a opera\u021biunilor de \u00eenchidere a pipeline-ului, eliber\u00e2nd resursele \u0219i notific\u00e2nd sistemele externe despre finalizarea lucrului.\n
Filtrarea cadrelor la intrare \u0219i ie\u0219ire. Implicit, canalul accept\u0103 toate cadrele care con\u021bin date video. Prin filtrarea la intrare \u0219i ie\u0219ire, dezvoltatorii pot filtra datele pentru a le exclude din procesare.\n
Post-procesarea modelului pe GPU. Datorit\u0103 noii func\u021bii, dezvoltatorii pot accesa tensorele de ie\u0219ire ale modelului direct din memoria GPU, f\u0103r\u0103 a le \u00eenc\u0103rca \u00een memoria CPU \u0219i pot s\u0103 le proceseze folosind CuPy, TorchVision sau OpenCV CUDA.\n
Func\u021bii de vizualizare a memoriei GPU. \u00cen aceast\u0103 versiune, am furnizat func\u021bii pentru conversia bufferelor de memorie \u00eentre OpenCV GpuMat, GPU-tensori PyTorch \u0219i tensori CuPy.\n
API-ul de acces la statistici privind utilizarea cozilor canalului. Savant permite ad\u0103ugarea de cozi \u00eentre PyFunc pentru implementarea proces\u0103rii paralele \u0219i a tampon\u0103rii proces\u0103rii. API-ul ad\u0103ugat ofer\u0103 dezvoltatorilor acces la cozile desf\u0103\u0219urate \u00een canal \u0219i permite interogarea utiliz\u0103rii acestora. <\/ul>\n<\/ul>\n
\u00cen urm\u0103toarea versiune (0.3.7) este planificat\u0103 trecerea la DeepStream 6.4 f\u0103r\u0103 extinderea func\u021bionalit\u0103\u021bii. Ideea este de a ob\u021bine o versiune complet compatibil\u0103 cu 0.2.7, dar bazat\u0103 pe DeepStream 6.4 \u0219i pe tehnologia \u00eembun\u0103t\u0103\u021bit\u0103, f\u0103r\u0103 a \u00eenc\u0103lca compatibilitatea la nivel de API. \n Sursa: opennet.ro<\/a> <\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"
![\"Lansarea](\"\/wp-content\/uploads\/2024\/02\/0c14b808a6767394352a4eafde317f67.jpg\")
<\/center> <\/p>\n