- 1、本文档共25页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
地瓜机器人RDK系列部署生成式AI模型
RDK系列产品介绍RDK上的模型部署RDK上LLM的技术选型RDK上LLM的实际效果演示
01RDK系列产品介绍
嵌入式嵌入式系统是一种专门设计用于特定任务的计算机系统。它通常被嵌入在另一个设备中,以控制、监测或执行某些特定功能。嵌入式系统通常包含一个或多个微处理器或微控制器,以及与其配套的硬件和软件。嵌入式系统可以用于各种不同的应用领域,例如汽车、家电、医疗设备、电子玩具、军事设备等等。嵌入式系统通常需要满足以下特定要求:实时性:嵌入式系统通常需要能够在严格的时间限制下运行。可靠性:由于嵌入式系统通常被嵌入到其他设备中,因此其稳定性和可靠性非常重要。低功耗:嵌入式系统通常需要在低功耗模式下运行,以便延长其电池寿命或降低功耗成本。低成本:嵌入式系统通常需要在成本可控的情况下设计和制造。
智能音箱边缘计算盒机器人智能会议智慧教育智能家居AIoT与通用机器人算法芯片工具链服务嵌入式产品介绍
2022.6Compute:5TopsCPU:4×CortexA531.2GDDR:2/4GBWi-Fi:2.4GRDKX3Compute:5TopsCPU:4×CortexA531.5GDDR:2/4GBeMMC:16/32/64GBWi-Fi:2.4G/5GRDKX3ModuleCompute:10TopsCPU:8×CortexA551.5GGPU:32GflopsDDR:4/8GBWi-Fi:2.4G/5G2023.5RDKX5Compute:5TopsCPU:4×CortexA531.8GDDR:2/4GBWi-Fi:2.4G/5GCertification:CE/FCC/MIC/KCRDKX3v2.020252026Compute:20TopsRDK?2023.7 2024.9RDK:RoboticsDeveloperKitRDKX5ModuleCompute:?CPU:?GPU+Audio?DDR:?eMMC:?Wi-Fi:?RDK系列RDK全称为RoboticsDeveloperKits,即地瓜机器人开发套件(RDK)是基于地瓜智能芯片打造的机器人开发者套件,包括RDKX3、RDKX3Module、RDKX5、RDKX5Module等。搭配TogetheROS.Bot机器人中间件,RDK套件可以帮助开发者快速搭建机器人原型,开展评测和验证工作。
40PIN最大化复用拓展4G/8GRAM灵活选择CANFD灵活连接机器人底盘和电机双频wifi6+蓝牙5.4极速通信多标准兼容耳机 多模应用天线模块媲美棒状天线TypeC供电 5V/5ARDKX5RTC精准时间同步TypeC闪连极速开发双MIPI4-Lane双目千兆网口支持POE供电Debug串口便捷调试HDMI更好兼容常见数据线 USB3*4全高速通信
公版模型尺寸类别数参数量BPU延迟BPU吞吐量后处理时间Yolov8n640x640803.2M5.6ms263.6FPS5msYolov8s640x6408011.2M12.4ms194.9FPS5msYolov8m640x6408025.9M29.9ms35.7FPS5msYolov8x640x6408068.2M90ms11.2FPS5msYolov10n640x640806.7G9.3ms132.7FPS4.5msYolov10s640x6408021.6G15.8ms71.0FPS4.5msYolov10m640x6408059.1G30.8ms34.5FPS4.5msRDKX5
02RDK上的模型部署
人工智能演变史
自然语言处理自然语言处理是一种人工智能领域,旨在使计算机能够像人类一样理解和生成自然语言文本。自然语言处理的研究主要关注如何使计算机理解和处理人类语言,并从中提取有用的信息或生成符合语境的语言输出。自然语言处理涉及到很多不同的任务,包括文本分类、情感分析、机器翻译、自动摘要、问答系统、命名实体识别、语言生成等。
大语言模型(LLM)传统语言模型的劣势在于:局限于某一领域的知识、泛化能力差难以迁移、上下问理解有限基于transformer的大语言模型:基于海量(基本全互联网)数据进行预训练。对于特定场景的任务,只需微调适应常见:ChatGPT、文心一言、Llama、Baichuan2、同义千问等
地瓜工具链问题定义数据准备模型选择/开发模型训练与调优模型量化部署分析现实问题影响算法的选择、模型的评估、投入的成
文档评论(0)