ЖУРНАЛ СТА №2/2022

ИИ на пограничном компьютере, что- бы он мог делать выводы и прогнозы на основе недавно собранных и предвари- тельно обработанных данных быстро и эффективно. Поскольку на этапе при- нятия решений обычно требуется мень- ше вычислительных ресурсов, чем на обучение, для приложения AIoT может быть достаточно ЦПУ или облегчённо- го графического ускорителя. Тем не ме- нее необходим инструмент для пре- образования обученной модели для ра- боты на специализированных перифе- рийных процессорах или графических ускорителях, таких как Intel OpenVINO (рис. 4) или NVIDIA CUDA. Этап выво- да также включает в себя несколько уровней граничных вычислений, к каж- дому из которых применяются свои требования. У РОВНИ ГРАНИЧНЫХ ВЫЧИСЛЕНИЙ Хотя обучение модели ИИ по-преж- нему выполняется в облаке или на ло- кальных серверах, сбор данных и логи- ческий вывод обязательно происходят на границе сети. Более того, поскольку этап вывода – это то место, где обучен- ная модель ИИ выполняет бо́льшую часть работы (например, принимает ре- шения или выполняет действия на ос- нове недавно собранных данных), не- обходимо выбрать подходящую аппа- ратную платформу с соответствующей производительностью. Нижний уровень периферийных вычислений При низкоуровневых вычислениях в облако отправляется только небольшой объём полезных данных, что сокращает время задержки, пропускную способ- ность, потребление трафика, энергопо- требление и затраты на оборудование. Платформа на базе ARM-процессора без дополнительных графических уско- рителей может использоваться на устройствах IIoT для сбора и анализа данных, чтобы принимать быстрые решения. Отличным примером аппа- ратной части для таких вычислений мо- жет являться компактная встраиваемая система для IoT AAEON SRG-3352 (рис. 5). Также стоит принять во внима- ние и другие компактные компьютеры из этой линейки. Полные технические характеристики данного аппаратного решения можно посмотреть в табл. 1. Средний уровень периферийных вычислений На этом уровне граничных вычисле- ний могут обрабатываться уже более ре- сурсоёмкие задачи. Например, речь мо- жет идти об обработке видеоданных с камер машинного зрения или об интел- лектуальной видеоаналитике среднего уровня. На этом уровне возможно ис- пользование высокопроизводительного ЦП, графического процессора началь- ного уровня или видеопроцессора для ускорения вычислений (VPU) (рис. 6). Например, процессоры серии Intel Core i7 (особенно свежих поколений Comet Lake и Rocket Lake) предлагают эффективное решение для компьютер- ного зрения с набором инструментов OpenVINO и программными ускорите- лями AI/ML, которые могут выполнять все необходимые логические действия на периферии промышленного пред- приятия. Для вычислений такого уров- ня отлично подойдёт линейка компью- теров TANK от Тайваньского произво- дителя iEi (рис. 7). Технические харак- теристики можно посмотреть в табл. 2. Уровень высокопроизводительных вычислений Высокотехнологичные вычисления подразумевают под собой обработку больших объёмов данных для эксперт- ных систем искусственного интеллекта, которые используют более сложное распознавание образов, например, ана- лиз поведения для видеонаблюдения в системах общественной безопасности для обнаружения нарушений или по- тенциально опасных событий. В таких системах уже однозначно используют- ся различные «ускорители» – это и гра- фические модули, карты VPU (Vision Processing Unit), и даже матрицы FPGA (Field-programmable Gate Array). Для таких вычислений можно использо- вать, например, систему ER-G800 от AdvantiX (рис. 8), подробные техниче- ские характеристики которой представ- лены в табл. 3. П ОДДЕРЖИВАЕМЫЕ ИНСТРУМЕНТЫ РАЗРАБОТКИ Для различных аппаратных платформ доступно несколько инструментов, ко- торые помогают ускорить процесс раз- работки приложений или повысить об- щую производительность алгоритмов искусственного интеллекта и машинно- го обучения (рис. 9). Фреймворки глубокого обучения Такой фреймворк представляет из се- бя готовую инфраструктуру для глубо- ОБ ЗОРЫ СТА 2/2022 41 www.cta.ru Таблица 3 Технические характеристики ER-G800 от AdvantiX Процессор Intel Xeon E-2228GE 3,7 ГГц Intel Core i7-9700E 3,6 ГГц Intel Core i7-8700/8700T – 3,2 ГГц / 2,4 ГГц Память 4…64 ГБ DDR4 SODIMM Хранение данных 3 × 2,5” SATA 3.0 SSD/HDD или 2 × 2,5” SATA 3.0 SSD HDD+ 1 x u.2 NVMe SSD, 1 x CFast Слоты расширения x16 PCIe x1, x4 PCIe x2, 1 x mPCIe (PCIe 2.0 + USB 2.0) полноразмерный 1 × mPCIe (USB 2.0) полноразмерный 1 × Key-B 2242/3060 M.2 слот (USB 3.0) – подходит для 4G (5G) модема Порты ввода/вывода 1 × USB 3,1 (Gen2) + 1 × USB 2.0 1 × DB15 (4 × GPI + 4 × GPO + 1 × CAN 2.0B (изолированный) + DR сигнал) 2 × DB9 (RS-232/RS-422/RS-485) 4 × USB 3.1 (Gen2), 2 x GbE (RJ45), 4/8 GigE (PoE) (опция) 1 × VGA, 1 x HDMI 2 × DB9 (RS-232/RS-422/RS-485) Питание 9…36 В, DC Размеры 201,7 × 176 × 350 мм Вес 12 кг Рабочая температура От –30 до 60°C без GPU или VPU ускорителей Влажность 10…95% Рис. 8. ER-G800 от AdvantiX