EasyDL モデルのトレーニングから EdgeBoard 推論までのステップバイステップ ガイド

まとめ：

EdgeBoard は Baidu が開発した FPGA ベースの組み込み AI ソリューション ハードウェア シリーズです。EasyDL は Baidu が立ち上げたワンストップ AI カスタマイズ トレーニングおよびサービス プラットフォームです。この記事では、EasyDL を使用してモデルをトレーニングし、EdgeBoard にデプロイして、モデルのトレーニングから推論の実装までのパスを短縮し、開発効率を向上させる方法について詳しく説明します。

EdgeBoardは、Baiduが独自に開発したAIハードウェアとソフトウェアを統合したディープラーニングアクセラレーションキットです。強力なコンピューティングパワーを提供し、カスタマイズされたモデルをサポートし、さまざまなシナリオの端末デバイスに適応し、デバイス側のAI推論機能を大幅に向上させ、高性能、高汎用性、統合の容易さなどの利点があります。 EdgeBoard は、Baidu Brain のオープン機能にシームレスに接続することもでき、EasyDL および AI Studio プラットフォームでカスタマイズされた AI モデルを EdgeBoard に簡単に適応させることができます。この記事では、EasyDL でトレーニングしたモデルを EdgeBoard にオフラインでデプロイし、AI 端末アプリケーションを実現する方法を紹介します。

EasyDL カスタマイズトレーニングおよびサービスプラットフォームは、AI モデルをワンストップでカスタマイズでき、完全なインターフェースベースです。少量のデータを使用して高精度の AI モデルをトレーニングできます。

図1. EasyDLインターフェース

次に、犬の分類を例に、トレーニングから推論の展開までのプロセスを紹介します。まず、モデルのトレーニングに EasyDL を使用する方法を紹介します。

1. トレーニングプラットフォームを選択する

犬の分類を完了するには、トレーニングに画像分類モデルを使用する必要があります。EasyDL ホームページで [トレーニングの開始] をクリックし、トレーニング プラットフォームとして [クラシック エディション] を選択し、モデル タイプとして [画像分類] を選択します (図 2 を参照)。

図2. モデルの種類

2.データセットを準備する

以下は、合計 8 つのカテゴリで用意したデータです。各カテゴリで約 50 枚の写真をトレーニングに使用し、残りの約 20 枚の写真を推論テストに使用します。

図3. 犬の写真ファイル8種類

図4. 犬の写真

3. データセットを作成する

EasyDL トレーニング モデルのルールに従って、まずデータ セットを作成し、収集した各タイプのデータをフォルダーに入れて (図 2 を参照)、zip ファイルに圧縮してから、データ セットを EasyDL プラットフォームにアップロードします (図 5 を参照)。

図5. データセットをEasyDLプラットフォームにアップロードする

4. モデルを作成する

データ セットが確立されたら、図 6 に示すように、モデルを作成し、必要に応じて対応する情報を入力します。

図6. モデルの作成

5. トレーニングモデル

トレーニング モデル ページで、アプリケーション タイプとして「オフライン サービス」を選択し、アルゴリズムとして「高精度」または「高パフォーマンス」を選択します。図 7 に示すように、データ セットを追加してトレーニングを開始します。

図7. トレーニングモデル

6. モデルをリリースする

モデルのトレーニングには時間がかかります。モデルのトレーニングが完了したら、「リリースの申請」をクリックしてモデルリリースページに移動し、「ソフトウェアとハ​​ードウェアの統合ソリューション」で「EdgeBoard+Special SDK」を選択して、図 8 に示すように申請を送信します。

図8. 出版モデル

5. SDKをダウンロードする

レビューが成功したら、図 9 に示すように、「サービスの詳細」、「SDK のダウンロード」をクリックします。

図9. SDKのダウンロード

この時点で、EasyDL でのモデルトレーニングは完了し、次のステップは EdgeBoard での推論実装に移ります。

図 9 には、「シリアル番号の管理」ボタンがあります。EdgeBoard を購入した場合、ジャンプ ページに EdgeBoard 固有のシリアル番号が表示されます。これは、EasyDL モデルを EdgeBoard に展開するためのパスです。

図10. EdgeBoard固有のシリアル番号

次に、EdgeBoard へのモデルのデプロイを開始します。次の図は、EdgeBoard FZ9A シリーズのハードウェアを示しています。EdgeBoard の技術ドキュメントへのリンクは次のとおりです: https://ai.baidu.com/docs#/EdgeBoard%20quick%20start/top

技術文書によると、EasyDL オフライン SDK は FTP または samba ツールを使用して EdgeBoard システムに転送し、その後、EdgeBoard 固有のシリアル番号をオフライン SDK に入力する必要があります。

図 11. EdgeBoard 上のファイル

EdgeBoard には Linux システムが組み込まれており、以降の展開操作はコマンド ラインを使用して実行します。オフライン SDK は、初めて使用する際にオンラインで有効化する必要があるため、EdgeBoard をルーターに接続し、外部ネットワークに接続します。

図12. ネットワーク接続のテスト

同時に、EdgeBoard の時刻を現在の時刻に変更します。そうしないと、オフライン SDK がアクティブ化されない可能性があります。

図13. 現地時間の変更

次に、オフライン SDK を解凍し、EasyDL フォルダーに移動して、cpp フォルダー内の tar パッケージを解凍します。

図14. cppファイル内のtarballを解凍する

公式ドキュメントによると、cpp-->demo フォルダ内の demo.cpp ファイルを編集し、図 15 に示すように、指定された位置に EdgeBoard 専用のシリアル番号を入力します。変更後、demo フォルダ内に新しいビルド フォルダを作成し、コンパイルします。

図15. シリアル番号の追加

図16. コンパイルプロセス

コンパイルが完了すると、モデルの推論が始まります。イメージ (図 17 を参照) を RES フォルダーに配置し、RES リソース フォルダー内のモデルとテスト イメージのパスを呼び出して、ビルドでコマンドを実行します (図 18 を参照)。

[[282206]]

図17. テスト対象の写真

図18. 推論予測の実行

上記の印刷された情報から、EasyDL モデルが EdgeBoard の corgi について、p=0.999023 のスコアで完璧な予測を行ったことがわかります。これは、それが corgi である確率が 99% であることを示しており、非常に正確です。これが直感的でない場合は、EasyDL SDK は http サービスの呼び出しもサポートしています。図 19 に示すように、http サービスを有効にしてみましょう。

図19. httpサービスを有効にする

http サービスを有効にした後、ブラウザに http://{EdgeBoard IP アドレス}:24401 と入力します。たとえば、EdgeBoard の IP アドレスが 192.168.1.254 の場合、http://192.168.1.254:24401 と入力すると、図 18 に示すインターフェイスが表示されます。

図20. httpサービス表示インターフェース

クリックして写真をアップロードし、テスト セットから犬の写真を選択すると、すぐに結果が表示されます。信頼度レベル 1 は、100% かわいいビション フリーゼであることを意味します。

図21. 推論予測のための画像のアップロード

この時点で、犬の分類モデルのトレーニングとオフライン展開が完了しました。

福祉

信頼できる噂によると、EdgeBoard が販売中です。史上最低価格で、1,000 元の値下げです。ご興味があれば、ご覧ください: https://aim.baidu.com/product/5b8d8817-9141-4cfc-ae58-640e2815dfd4