Deutsch
English
Künstliche Intelligenz & Deep Learning
ICP Deutschland bietet seit 2018/2019 eine komplette Serie an Industrie PCs für die Realisierung von Deep Learning Anwendungen und Projekten im Umfeld der künstlichen Intelligenz an. Hauptaugenmerk der industriellen Hardware unter dem "IEI Brand" ist eine integrierte intelligente Deep Learning Software von Intel. Die Deep Learning Technologie basiert auf sogenannten neuronalen Netzwerken, die es Maschinen ermöglicht künstliches Wissen durch Training und Interferenz zu erlernen, zu verfeinern sowie neue Informationen zu erkennen und sinnvoll zu verarbeiten.
Künstliche Intelligenz und Deep Learning sind Bestandteil der fortschreitenden Digitalisierung, die Internetgiganten wie Facebook, Google und Co bereits jetzt einsetzen und auch zukünftig vor der Industrie, wo Mensch und Maschinen interagieren nicht Halt machen wird.
Ihre Vorteile
Die Vorteile von KI-Lösungen sind vielfältig:
- ✔ Vorinstalliertes Software Paket bestehend aus OpenVINO™ Toolkit, Intel® Media SDK, Ubuntu 16.04 Desktop LTS Betriebssystem und Intel® System Studio 2018
- ✔ Optimal abgestimmte Hardware Leistung durch Intel® Core™ i5 /i7 Prozessoren und Intel® HD Graphics zur Analyse von hochauflösenden Bild- und Videodaten sowie Maschinen- und Sensordaten
- ✔ Flexibel skalierbare und erweiterbare Systeme durch PCIe x4 basierte Beschleunigungskarten, die mit VPU und FPGA Technologie ausgestattet sind
- ✔ Schnelle vereinfachte Entwicklung und Bereitstellung von Software an der Edge durch praxisnahe Referenzbeispiele
Wie funktioniert Deep learning?
Deep learning (DL) ist eine maschinelle Lerntechnik, die auf tiefen neuronalen Netzwerken und wiederkehrenden neuronalen Netzwerkarchitekturen basiert. Diese künstlichen neuronalen Netze sind mit der Struktur des menschlichen Gehirns vergleichbar. Der zugrunde liegende Lernprozess wird durch die Verwendung von Darstellungen von Merkmalen direkt aus Daten wie Bild, Text und Ton realisiert. Diese Darstellungen sind das Ergebnis der Abstraktion von Eingangsdaten in mehreren Schichten und auf verschiedenen Ebenen, die ein übersichtliches Netzwerk bilden. Deep Learning wird beispielsweise in den Bereichen Computer und Machine Vision, Sprach- und Audioerkennung oder Social Network Filtering eingesetzt. In einigen Fällen kann die Leistung von Deep-Learning-Algorithmen genauer sein als das menschliche Urteilsvermögen.
Folgende drei Schritte sind notwendig, um erfolgreich Deep-Learning-Projekte durchzuführen:
Datenerfassung & Training
Vor Beginn der Schulung von Bildverarbeitungsanwendungen ist eine Datenerfassung erforderlich. Ein riesiger und vielfältiger Datensatz aus jeglicher Art von Quelle wie Web, Cloud, Sensoren oder Bildern muss verfügbar sein. Anschließend erfolgt die Datenaggregation und -kennzeichnung, um z.B. Tierbilder genau klassifizieren zu können. Basierend auf den aggregierten Daten wird das Deep Learning Modell entwickelt und trainiert. Das Training wird in einem Lernverfahren durchgeführt, das aus Schichten besteht. Die erste Eingabeschicht enthält Rohdaten, z.B. eine Matrix von Pixeln, die in den nächsten Schichten automatisch abstrakter wird (ausgeblendet). Schritt für Schritt werden spezifische Merkmale (z.B. Kanten, Augen, Nase) kodiert, bis das gesamte Tier in der letzten Ausgabeschicht erkannt wird. Das Ergebnis ist, dass ein Hund von einer Katze unterschieden werden kann.
GRAND-C422 KI Training System
Das KI Training System Grand-C422 ist speziell für diese Aufgaben konzipiert, da es eine große Auswahl an Steckplätzen für Speichererweiterung, Beschleunigungs- und Videoerfassungskarten, ThunderboltTM- oder PoE-Zusatzkarten für unbegrenzte Datenerfassungsmöglichkeiten bietet. Um ein Trainingsmodell zu entwickeln, werden bestehende und weit verbreitete Deep Learning Trainings-Frameworks wie Caffe, Tensor-Flow oder Apache MXNet empfohlen. Diese erleichtern die Definition einer geeigneten Architektur und der Algorithmen für eine eigene KI-Anwendung.
Inferenz & Optimierung
Ist das Deep Learning Modell testbereit, kann es auf das Inferenz System TANK-870AI zur Leistungsoptimierung und Ausführung von Inferenz-Aufgaben übertragen werden. Inferenz wird als Argumentation in Schritten bezeichnet, wobei vorhandenes Wissen genutzt wird, um logische Schlussfolgerungen zu ziehen. Im Bereich der KI übernehmen neuronale Netze diese "Vorhersage" und "Bewertung", indem sie neue Daten durch ein trainiertes Modell leiten, um die Ergebnisse für jede Anfrage zu berechnen.
TANK-AI Inferenz System
Ein großer Vorteil des TANK-870AI ist das vorinstallierte Open-Source-Entwickler-Toolkit Open Visual Inference Neural Network Optimization (OpenVINOTM). Es ist kompatibel mit weit verbreiteten Deep Learning Frameworks, optimiert das Deep Learning Modell über einen integrierten Modelloptimierer und eine Inferenzmaschine (Runtime) und beschleunigt den Bereitstellungsprozess der Inferenzlösung durch vortrainierte Modelle, Beispiele und Demos.
Enthaltene Software
Computing Accelerator Karten
Darüber hinaus kann die Leistung optimierter Inferenzmodelle durch Hinzufügen von Computing Acceleration Karten mit Intel® Field Programming Gate Arrays (FPGA) oder Intel® Movidius® Vision Processing Units (VPU) weiter verbessert werden. Eine Alternative zum OpenVINOTM Toolkit ist TensorRT. Die Kombination aus GRAND-C422, TANK-870AI, den Beschleunigerkarten und einem Deep Learning Toolkit bildet die KI-fähige Lösung von IEI.
IEI AI Ready Lösung
ICP bietet drei verschiedene Beschleunigungskarten an. Dabei basiert die Mustang-V100-MX8 auf Intel® Movidius Myriad X und die Mustang-F100-A10 auf Intel® Arria 10GX 1150 FPGA. Beide sind für die Inferenzerweiterung vorgesehen. Die CPU-Beschleunigungskarte Mustang-200 kombiniert zwei Intel® Core ULT CPUs und bietet zusätzliche Inferenzleistung.
Intel® Vision Accelerator Design Produkte
Applikationen
Verkehr
Effiziente Maut- und Parkplatzüberwachungen machen die Gebührenerhebung effektiv und reduzieren den Personalaufwand für die Bearbeitung. Kennzeichenanalyse kann auf Autobahnen für die elektronische Mauterhebung eingesetzt werden und kann als Methode zur Katalogisierung des Verkehrsflusses sowie zur Erhöhung der Sicherheit eingesetzt werden, indem Daten über verdächtige Fahrzeuge erfasst werden.
Security
Verhaltensüberwachung hilft verdächtiges Verhalten zu erkennen oder alarmiert lokale Behörden, wenn Menschen medizinische Hilfe benötigen. Gesichtsanalyse erkennt Merkmale von Menschen wie Geschlecht, Alter und Gesichtsausdruck und KI basierende Personenzählung verhindert eine Überfüllung öffentlicher Räume.
Automation
In Herstellungsprozessen können Fehler auftreten, die die Qualität beeinträchtigen. Um Fehler mit höherer Genauigkeit zu klassifizieren, ist die automatisierte optische Inspektion eine lohnende Maßnahme, um Kosten an Prüf- und Reparaturstationen zu senken.
industrielle Bildverarbeitung
Heutige Technologien automatisieren die Erfassung, Speicherung und Abfrage von Daten aus mehreren Fabriken, um Daten für eine Gesamtanalyse zur Verfügung zu stellen. Landwirtschaftliche Produkte werden durch ihr Aussehen bewertet. Ihre Farbe zeigt Parameter wie Reife, Fehler, etc. an. Qualitätsentscheidungen sind jedoch bisher oft inkonsistent. Bildverarbeitungstechnologie bietet eine Lösung für diese Probleme.
Einzelhandel
Gesichtserkennung und Objekterkennung sind zwei Anwendungsfälle, die im Einzelhandel hohes Potenzial haben. Gesichtserkennungssysteme können potentielle Ladendiebe erkennen. Stammkunden kann aufgrund ihres bisherigen Kaufverhaltens, Geschlechts, Alters und ihrer Stimmung ein spezifisches Angebot unterbreitet werden.
Medizintechnik
Im Gesundheitswesen könnten Deep Learning und KI zur Diagnoseunterstützung und Patientenüberwachung eingesetzt werden. Die Auswertung der klinischen Muster einer altersbedingten Makuladegeneration und die Klassifizierung ihres Degenerationsstadiums hat sich beispielsweise als sehr erfolgreich erwiesen.
News zum Thema KI
1. TANK-870AI – Industrielles Inferenzsystem
KI im Produktionsumfeld umsetzen. Künstliche Intelligenz (KI) gewinnt auch im industriellen Bereich immer mehr an Bedeutung. Eine gängige Anwendung im Produktionsumfeld ist die automatische optische Inspektion...
2. TANK-870AI – AIoT Developer Kit
Deep Learning setzt sich aus den Teilbereichen Training und Inferenz zusammen. In der Trainingsphase wird anhand einer Fülle an Bild-, Videodaten ein Trainingsmodell entwickelt, getestet und bis zur gewünschten Genauigkeit verfeinert...
3. Mustang-V100 – Intel® Movidius™ Myriad™ X VPU Beschleuniger
Für die Realisierung von Deep-Learning-Inferenz (DL) an der Edge ist eine flexibel skalierbare Lösung von Nöten, die stromsparend ist und eine geringe Latenzzeit aufweist. Denn an der Edge werden vorwiegend kompakte und passive gekühlte Systeme eingesetzt, die schnelle Entscheidungen ohne Upload in die Cloud treffen...
4. Mustang-F100 – FPGA basierte KI-Beschleunigerkarte
Die FPGA-basierte Beschleunigerkarte Mustang-F100 von ICP Deutschland ist für den Einsatz in industriellen Inferenzsystemen prädestiniert. Deep-Learning-Inferenz, Bild- und Videoverarbeitung in Echtzeit sowie Datenanalytik gehören dabei zu den Hauptanwendungen...
5. GRAND-C422 – 19” PC System mit Xeon® W Prozessor
Egal ob KI-Trainingssystem oder Hochleistungssystem für die Bildverarbeitung, für das Rendering oder Mining, die Anforderungen an Performance, Datenspeicherkapazität und Übertragungsgeschwindigkeit sind nahezu exorbitant. Das 19“ PC System...
6. Mustang-MPCIE-MX – Intel® MovidiusTM MyriadTM VPU Beschleuniger
Mit der Mustang-MPCIE-MX2 Karte erweitert ICP Deutschland das Portfolio an KI Beschleunigerkarten um eine Mini PCIe Einsteckkarten Variante. Das Mini PCIe Format ermöglicht es Systemintegratoren kleine Embedded PC Systeme mit KI Funktionalität für Deep Learning Inferenz Systeme aufzu...
7. MUSTANG-V100 Serie - Intel® MovidiusTM X VPU Beschleuniger
Mit der Mustang-V100 Serie bietet ICP Deutschland eine flexibel skalierbare Lösung zur Realisierung von Deep-Learning-Inferenz (DL) an der Edge, die stromsparend ist und eine geringe Latenzzeit aufweist. An der Edge werden vorwiegend Systeme eingesetzt, die schnelle Entscheidungen...
8. MUSTANG-M2BM-MX2 – Intel® MovidiusTM Myriad VPU Beschleuniger
ICP Deutschland komplettiert mit der Mustang-M2BM-MX2 Karte das Portfolio an KI Beschleunigerkarten. Neben Mini PCIe und PCIe basierten Lösungen steht ab sofort eine M.2 PCIe Einsteckkarten Variante ...
9. Ultra kompakter Inference Embedded PC mit Vision Processing Units
Mit dem ultra kompakten ITG-100AI bietet ICP Deutschland ein Inference System an, welches für den Einsatz mit dedizierten neuronalen Netzwerktopologien (DNN) vorbereitet ist. Hardwareseitig bieten die beiden Intel® Movidius™ Myriad™ X VPU im ITG-100AI eine ausgezeichnete Inferenzperformance pro Watt, 16 SHAVES Kerne für KI Berechnungen und einen nativen...
Weiterführende Informationen finden Sie in folgender KI-Info Broschüre (7,4MB) und unserem KI Flyer (2,2MB):
Videos (Englisch)
Tank-870AI DEVELOPMENT KIT
Mustang-200: CPU Accelerator Karte
Mustang-200: CPU Accelerator Karte
Mustang-F100: FPGA Accelerator Karte
Mustang-F100: Installationsanleitung
KI in der Medizintechnik
Mustang-V100: VPU accelerator Karte
Mustang-V100: VPU accelerator Karte
