Als je naar GPU-versnelde maker-leerprojecten hebt gekeken, ben je zeker bekend met de CUDA-architectuur van Nvidia. Het volgt ook dat u de prijzen online hebt gecontroleerd en weet hoe duur het kan zijn om een krachtige videokaart te krijgen die dit specifieke merk parallel programmeren ondersteunt.
Maar wat als je maker kunt uitvoeren van het leren van taken op een GPU met niets meer exotischer dan OpenGL? Dat is waar [LNSTADRUM] al een tijdje aan werkt, omdat het apparaten als mager toestaat als de originele Raspberry PI-nul om taken uit te voeren zoals beeldclassificatie die veel sneller kan worden dan ze hun CPU alleen kunnen gebruiken. De truc is om je computationele taak af te breken in iets dat kan worden gedaan met OpenGL Shaders, die normaal gesproken worden aangegeven om videogamesafbeeldingen te duwen.
Een voorbeeld van X2’s neurale net-upscaling.
[LNSTADRUM] beschrijft dat OpenGL-vrijgeeft van het laatste decennium of zo eigenlijk zogenaamde berekeningsschaders omvatten specifiek voor het uitvoeren van willekeurige code. Maar helaas is dat geen optie op planken zoals de PI-nul, die alleen voldoet aan de OpenGL voor embedded systemen (GLEES) 2.0 Conventioneel uit 2007.
Het bouwen van het neurale net op een zodanige manier dat het compatibel zou zijn met deze veel meer beperkte platforms was veel moeilijker, maar het eindresultaat heeft veel meer interessante toepassingen om ervoor te zorgen. Tijdens tests konden zowel de Raspberry PI Zero en verschillende oudere Android-smartphones in staat om een vooraf getraind beeldclassificatiemodel tegen een respectabel tarief uit te voeren.
Dit is niet alleen wat gedachte-experiment, [LNSTADRUM] heeft een beeldverwerkingskader uitgebracht dat Beatmup wordt genoemd met behulp van deze concepten die u nu kunt spelen met ideaal. De C ++ -bibliotheek heeft Java- en Python-bindingen, en volgens de documentatie, moet op vrijwel alles komen. Inbegrepen in het raamwerk is een basistool genaamd X2, dat kan AI-beeld upscaling op alles zijn van de geïntegreerde videokaart van uw laptop naar de Raspberry PI; het maken van een geweldige manier om deze fascinerende toepassing van Maker Learning te bekijken.
Waarheid wordt verteld, we zijn een beetje achter de bal op deze, omdat beatmup zijn eerste openbare release in april van dit jaar terugging. Het kan tot nu toe onder de radar zijn gevlogen, maar we denken dat er veel potentieel is voor dit project, en hopen er veel meer van te zien zodra het Word uitkomt over de uitstekende resultaten die het kan wringen van zelfs de laagste hardware.
[Dank aan Ishan voor de tip.]