Raspberry Pi AI HAT+ 2: این هوش مصنوعی جدید محلی برای Raspberry Pi 5 است.

ورود رزبری پای AI HAT+ 2 این گامی جدید برای کسانی است که می‌خواهند مستقیماً با هوش مصنوعی کار کنند. رزبری پای ۵ بدون وابستگی دائمی به فضای ابری. این برد توسعه، یک شتاب‌دهنده عصبی اختصاصی و حافظه مخصوص به خود را اضافه می‌کند، به طوری که بخش زیادی از پردازش هوش مصنوعی از پردازنده اصلی منتقل می‌شود و امکان انجام پروژه‌های بلندپروازانه‌تر هوش مصنوعی مولد و بینایی رایانه‌ای را فراهم می‌کند.

با قیمت پیشنهادی حدود ۵۰۰ دلار (قیمت نهایی در اسپانیا و بقیه اروپا بسته به مالیات و حاشیه سود توزیع‌کننده رسمی متفاوت خواهد بود.) AI HAT+ 2 خود را به عنوان یک گزینه نسبتاً مقرون به صرفه در اکوسیستم هوش مصنوعی تعبیه‌شده قرار می‌دهد. این دستگاه با سرورهای بزرگ یا پردازنده‌های گرافیکی اختصاصی رقابت نمی‌کند، اما تعادل جالبی بین هزینه، مصرف برق و عملکرد ارائه می‌دهد. اینترنت اشیا، اتوماسیون، آموزش و نمونه‌سازی اولیه.

Raspberry Pi AI HAT+ 2 چیست و چه تفاوتی با نسل اول دارد؟

Raspberry Pi AI HAT+ 2 یک ... پلاک الحاقی رسمی این دستگاه که برای رزبری پای ۵ طراحی شده است، از طریق رابط PCI Express یکپارچه مادربرد متصل می‌شود و همچنین از کانکتور GPIO برای نصب استفاده می‌کند. این دستگاه جانشین مستقیم اولین AI HAT+ است که در سال ۲۰۲۴ عرضه شد و در انواعی با شتاب‌دهنده ارائه می‌شد. Hailo‑8L (13 TOPS) و Hailo-8 (26 TOPS) و بسیار روی وظایف بینایی کامپیوتر متمرکز بود.

در این نسل دوم، رزبری پای روی ... شرط بندی می‌کند. شتاب‌دهنده شبکه عصبی Hailo-10H همراه با ۳۲ گیگابایت حافظه LPDDR4X روی خود کارت اختصاص داده شده است. این ترکیب برای پشتیبانی از حجم کاری طراحی شده است هوش مصنوعی مولد در لبهمانند مدل‌های زبان فشرده، مدل‌های زبان-بینایی و برنامه‌های چندوجهی که تصویر و متن را ترکیب می‌کنند.

واقعیت ادغام DRAM یکپارچه این بدان معناست که اجرای مدل‌های هوش مصنوعی مستقیماً حافظه اصلی رزبری پای ۵ را اشغال نمی‌کند. مادربرد می‌تواند روی منطق برنامه، رابط کاربری، اتصال یا ذخیره‌سازی تمرکز کند، در حالی که واحد پردازش عصبی (NPU) بخش عمده‌ای از استنتاج را مدیریت می‌کند. در عمل، این امر به قابل استفاده نگه داشتن سیستم در حین اجرای مدل‌های هوش مصنوعی در پس‌زمینه کمک می‌کند.

طبق گفته خود رزبری پای، گذار از اولین AI HAT+ به این مدل جدید ... تقریباً شفاف برای پروژه‌هایی که قبلاً از شتاب‌دهنده‌های Hailo-8 استفاده می‌کردند، ادغام با محیط دوربین و مجموعه نرم‌افزاری این شرکت حفظ شده و از بازنویسی‌های گسترده جلوگیری می‌شود.

سخت‌افزار، عملکرد و مصرف برق: تا 40 TOPS با واحد پردازش عصبی Hailo-10H

قلب AI HAT+ 2 این است که هایلو-۱۰ اچیک شتاب‌دهنده تخصصی شبکه عصبی که برای اجرای کارآمد استنتاج‌ها در دستگاه‌های کم‌مصرف طراحی شده است. رزبری پای و هایلو در مورد آن صحبت می‌کنند. 40 TOPS عملکرد (تراعملیات در ثانیه)، ارقامی که با کوانتیزاسیون در ... به دست آمده‌اند INT4 و INT8، بسیار رایج است وقتی مدل‌ها در لبه مستقر می‌شوند.

یکی از نکات کلیدی این است که تراشه به توانی در حدود ... محدود شده است. مصرف برق ۳ واتاین امر به آن اجازه می‌دهد تا در محفظه‌های جمع و جور و پروژه‌های توکار بدون افزایش قابل توجه نیازهای خنک‌کننده یا قبض‌های برق ادغام شود، که برای دستگاه‌هایی که ممکن است 24 ساعته و 7 روز هفته فعال باشند، مهم است. با این حال، این محدودیت به این معنی است که بازده ناخالص وقتی CPU و GPU آن در بارهای کاری بسیار بهینه شده به حداکثر توان خود می‌رسند، همیشه از آنچه Raspberry Pi 5 ارائه می‌دهد، برتر نخواهد بود.

در مقایسه با مدل قبلی، جهش واضح است: از ... شروع می‌شود 13/26 تاپس با Hailo‑8L/Hailo‑8 این دستگاه با Hailo-10H به 40 TOPS می‌رسد و برای اولین بار، 8 گیگابایت حافظه اختصاصی داخلی اضافه شده است. اولین AI HAT+ در کارهایی مانند تشخیص اشیا، تخمین حالت و تقسیم‌بندی صحنه عالی عمل کرد. نسخه جدید این نوع برنامه‌ها را حفظ کرده اما تمرکز خود را بر روی موارد زیر گسترش داده است: مدل‌های زبانی و کاربردهای چندوجهی.

با این حال، خود رزبری پای توضیح می‌دهد که در برخی عملیات بینایی، عملکرد عملی Hailo-10H ممکن است ... مشابه 26 TOPS از Hailo-8، به دلیل نحوه توزیع بار کاری و تفاوت‌های معماری. پیشرفت عمده، بیش از قدرت بینایی رایانه‌ای خام، در امکاناتی است که برای LLM و مدل‌های مولد محلی فراهم می‌کند.

بشقاب همراه با یک هیت سینک اختیاری برای NPU. اگرچه مصرف برق محدود است، اما توصیه معمول این است که آن را نصب کنید، به خصوص اگر قصد دارید وظایف هوش مصنوعی فشرده را برای مدت طولانی انجام دهید یا تست‌های عملکردی سختی را انجام دهید، تا از کاهش فرکانس تراشه به دلیل دما جلوگیری شود.

مدل‌های زبانی پشتیبانی‌شده و کاربرد LLM محلی

یکی از برجسته‌ترین جنبه‌های AI HAT+ 2، توانایی آن در ... است. اجرای مدل‌های زبانی به صورت محلی روی رزبری پای ۵، بدون ارسال داده به سرورهای خارجی. در طول ارائه، رزبری پای و هایلو طیف وسیعی از مدل‌ها، از جمله موارد زیر را برجسته کردند. ۱۰۰۰ و ۱۵۰۰ میلیون پارامتر به عنوان نقطه شروع.

از جمله LLM های سازگار ارائه شده در زمان راه اندازی عبارتند از: DeepSeek‑R1‑Distill، Llama 3.2، Qwen2، Qwen2.5‑Instruct و Qwen2.5‑Coderآنها مدل‌های نسبتاً فشرده‌ای هستند که برای کارهایی مانند چت اولیه، نوشتن و تصحیح متن، تولید کد، ترجمه‌های ساده یا توصیف صحنه از ورودی‌های تصویر و متن طراحی شده‌اند.

آزمایش‌های اولیه نشان داده شده توسط شرکت شامل نمونه‌هایی از ترجمه بین زبان‌ها و پاسخ به سوالات ساده که کاملاً روی Raspberry Pi 5 پشتیبانی شده توسط AI HAT+ 2، با تأخیر کم و بدون تأثیر قابل توجه بر قابلیت استفاده کلی سیستم، اجرا می‌شوند. پردازش روی پردازنده کمکی Hailo-10H انجام می‌شود و نیازی به اتصال دستگاه به فضای ابری ندارد.

باید روشن شود که این راهکار برای مدل‌های بازار انبوه مانند نسخه‌های کامل در نظر گرفته نشده است. ChatGPT، Claude یا LLM های بزرگتر در Metaکه اندازه آنها بر اساس صدها میلیارد یا حتی تریلیون پارامتر اندازه‌گیری می‌شود. در این موارد، مشکل نه تنها قدرت محاسباتی، بلکه مهم‌تر از همه، حافظه مورد نیاز برای میزبانی مدل و زمینه‌های آن.

خود رزبری پای اصرار دارد که کاربران باید از این موضوع آگاه باشند که با ... کار می‌کنند. مدل‌های کوچک‌تر که روی مجموعه داده‌های محدودتر آموزش دیده‌اندبرای جبران این محدودیت، تمرکز بر تکنیک‌هایی مانند LoRA (سازگاری با رتبه پایین)که به مدل‌ها اجازه می‌دهند بدون نیاز به آموزش مجدد کامل، با موارد استفاده خاص تطبیق داده شوند و لایه‌های تطبیقی ​​سبکی را به پایه موجود اضافه کنند.

حافظه، محدودیت‌ها و مقایسه با رزبری پای ۵ با ظرفیت ۱۶ گیگابایت

گنجاندن ۸ گیگابایت رم اختصاصی LPDDR4X این یکی از ویژگی‌های جدید اصلی AI HAT+ 2 است، اما همچنین انواع مدل‌هایی را که می‌توانند اجرا شوند به وضوح تعریف می‌کند. بسیاری از LLM های کوانتیزه شده با اندازه متوسط، به خصوص اگر می‌خواهید یک زمینه گسترده را مدیریت کنید، ممکن است به راحتی به بیش از ۴ گیگابایت حافظهبنابراین، این لوازم جانبی برای مدل‌های سبک وزن یا مدل‌هایی با پنجره‌های بسته‌تر مناسب است.

اگر آن را با یک مقایسه کنید رزبری پای ۵، ۱۶ گیگابایت حتی بدون HAT، مادربردهایی که حافظه بیشتری دارند، هنگام بارگذاری مدل‌های نسبتاً بزرگ مستقیماً در RAM، مزیت دارند، مشروط بر اینکه بخش قابل توجهی از آن حافظه منحصراً به هوش مصنوعی اختصاص داده شود و سایر وظایف قربانی شوند. در این سناریو، CPU و GPU یکپارچه تمام استنتاج را مدیریت می‌کنند و در نتیجه حجم کار افزایش می‌یابد.

پیشنهاد AI HAT+ 2 هنگام جستجو منطقی‌تر است مسئولیت‌های جداگانهبگذارید واحد پردازش عصبی Hailo-10H محاسبات هوش مصنوعی را انجام دهد و Raspberry Pi 5 را آزاد کند تا یک محیط دسکتاپ سبک، سرویس‌های وب، پایگاه‌های داده، اتوماسیون‌ها یا لایه ارائه یک برنامه را حفظ کند.

برای کسانی که فقط می‌خواهند یکی داشته باشند دستیار محلی هوش مصنوعی AI HAT+ 2 با سادگی نسبی و قابلیت چت کردن، ترجمه متون یا کمک به کارهای برنامه‌نویسی جزئی بدون ارسال داده به اشخاص ثالث، می‌تواند تعادل مناسبی از نظر قدرت، مصرف و هزینه ایجاد کند. با این حال، برای پروژه‌هایی که به مدل‌های بزرگ یا زمینه‌های بسیار گسترده نیاز دارند، استفاده از دستگاه‌هایی با حافظه بیشتر یا زیرساخت ابری همچنان کاربردی‌تر خواهد بود.

نکته‌ی دیگری که باید در نظر گرفت این است که اگرچه ۸ گیگابایت حافظه‌ی HAT به آزادسازی حافظه کمک می‌کند، نسخه‌ی ... ۱۶ گیگابایت حافظه رزبری پای ۵ این هنوز هم از نظر ظرفیت کل از برد افزونه بهتر عمل می‌کند، بنابراین در برخی از گردش‌های کاری که به رم زیادی نیاز دارند، این پیکربندی همچنان ارجحیت خواهد داشت.

بینایی کامپیوتر و اجرای همزمان مدل

AI HAT+ 2 از ویژگی‌ای که نسل اول را محبوب کرد، دست نکشیده است: کاربردهای بینایی کامپیوترHailo-10H قادر به اجرای مدل‌های تشخیص و ردیابی اشیا، تخمین ژست انسان یا تقسیم‌بندی صحنه با عملکردی است که در عمل، با عملکردی که Hailo-8 با 26 TOPS ارائه می‌داد، مطابقت دارد.

Raspberry Pi نشان می‌دهد که برد جدید می‌تواند اجرای همزمان مدل‌های بینایی و زبانیاین امر آن را برای پروژه‌هایی که در آن‌ها دوربین و پردازش متن باید با هم کار کنند، جذاب می‌کند. به عنوان مثال، سیستم‌های نظارتی که رویدادها را طبقه‌بندی می‌کنند و توضیحاتی تولید می‌کنند، دوربین‌های هوشمندی که آنچه را که در یک صحنه اتفاق می‌افتد توضیح می‌دهند، یا دستگاه‌هایی که تشخیص بصری را با تولید گزارش ترکیب می‌کنند.

در سناریوهای خاص، به مدل‌های خانوادگی اشاره شده است. یولو برای تشخیص اشیاء در زمان واقعی، با نرخ تازه‌سازی که بسته به وضوح و پیچیدگی مدل می‌تواند به حدود 30 فریم در ثانیه برسد. ایده این است که NPU این کار را انجام دهد در حالی که Raspberry Pi 5 مدیریت فضای ذخیره‌سازی، شبکه، اعلان‌ها و نمایش را بر عهده دارد.

اکوسیستم نرم‌افزاری پیرامون هوش مصنوعی در رزبری پای هنوز در حال بلوغ است. اگرچه مجموعه‌ای از مثال‌ها، چارچوب‌ها و ابزارها برای هر دو Raspberry Pi و Hailo، اجرای موازی چندین مدل (بینایی، زبان، چندوجهی) همچنان یک حوزه در حال تکامل است و ممکن است نیاز به تنظیم دقیق در هر پروژه داشته باشد.

در هر صورت، ادغام با دوربین رسمی رزبری پای این امر زندگی را برای کسانی که از قبل با ماژول‌های دوربین این برند کار می‌کنند، ساده می‌کند. AI HAT+ 2 مستقیماً با آن محیط ادغام می‌شود، بنابراین بسیاری از پروژه‌های بینایی موجود می‌توانند با تغییرات نسبتاً جزئی به برد جدید منتقل شوند.

موارد استفاده در اسپانیا و اروپا: صنعت، اینترنت اشیا و پروژه‌های آموزشی

ترکیبی از مصرف انرژی پایین، اندازه کوچک و پردازش هوش مصنوعی محلی این امر به خوبی با روندهای دیجیتالی شدن که در اسپانیا و سایر کشورهای اروپایی در حال اجرا است، همسو است. در بخش‌های صنعتی که دسترسی پایدار به فضای ابری همیشه تضمین نمی‌شود یا الزامات سختگیرانه‌ای برای محرمانگی وجود دارد، چنین راهکاری می‌تواند به طور ویژه جذاب باشد.

از جمله اصطلاحات پرکاربرد در اسناد رسمی، پروژه‌هایی برای اتوماسیون صنعتی، کنترل فرآیند و مدیریت تأسیساتسیستم‌های بازرسی بصری در خطوط تولید، تشخیص ناهنجاری در لحظه، کنترل دسترسی یا شمارش افراد در ساختمان‌ها، نمونه‌هایی هستند که در آن‌ها ترکیب مدل‌های بینایی و زبان‌های برنامه‌نویسی سبک می‌تواند بدون نیاز به استقرار زیرساخت‌های بسیار گران‌تر هوش مصنوعی، ارزش افزوده ایجاد کند.

در حوزه اینترنت اشیا خانگی و تجاریهوش مصنوعی HAT+ 2 می‌تواند به عنوان پایه‌ای برای دستیارهای محلی که روی Raspberry Pi 5 اجرا می‌شوند، داشبوردهایی که داده‌های حسگر را تفسیر می‌کنند، دوربین‌هایی که صحنه‌ها را توصیف می‌کنند یا دستگاه‌هایی که ویدیو را بدون آپلود تصاویر به سرورهای خارجی تجزیه و تحلیل می‌کنند، عمل کند. این رویکرد به رعایت مقررات سختگیرانه‌تر حفاظت از داده‌ها در اتحادیه اروپا کمک می‌کند.

همچنین می‌تواند ابزار جالبی باشد، کیت توسعه برای شرکت‌ها و استارت‌آپ‌های اروپایی که در حال بررسی ادغام تراشه Hailo-10H در محصولات نهایی خود هستند، آزمایش عملکرد و پایداری روی رزبری پای امکان اعتبارسنجی مفاهیم را قبل از سرمایه‌گذاری در طراحی‌های سخت‌افزاری سفارشی فراهم می‌کند.

در حوزه آموزشی، مراکز آموزش حرفه‌ای، دانشگاه‌ها و آکادمی‌های تخصصی در اسپانیا می‌توانند از AI HAT+ 2 به عنوان یک پلتفرم تمرینی استفاده کنند و ... هوش مصنوعی تعبیه‌شده و هوش مصنوعی مولد برای دانش‌آموزان با سخت‌افزاری در دسترس و نسبتاً ارزان در مقایسه با سایر سیستم‌های گران‌تر.

مشخصات کاربر و نوع پروژه‌های مورد نظر

Raspberry Pi AI HAT+ 2 چندین پروفایل را هدف قرار می‌دهد. از یک طرف، جامعه گسترده سازندگان و علاقه‌مندان کسانی که از قبل از رزبری پای ۵ استفاده می‌کنند و می‌خواهند هوش مصنوعی مولد یا بینایی پیشرفته را در پروژه‌های خود بگنجانند، بدون اینکه به سمت ایستگاه‌های کاری با پردازنده‌های گرافیکی اختصاصی بروند یا کاملاً به سرویس‌های ابری وابسته باشند.

از طرف دیگر، او سعی می‌کند اغوا کند توسعه‌دهندگان حرفه‌ای و استارتاپ‌ها که به یک پلتفرم آزمایشی برای هوش مصنوعی تعبیه‌شده نیاز دارند. در مقایسه با راهکارهایی که دارای eGPU یا NPU در رایانه‌های شخصی صنعتی هستند، این برد یک فرم فاکتور جمع‌وجور، مصرف برق بسیار کم و هزینه کلی پایین‌تری ارائه می‌دهد، اگرچه سقف عملکرد پایین‌تری نسبت به پلتفرم‌های بسیار گران‌تر دارد.

برای کسانی که قبلاً با اولین AI HAT+ کار کرده‌اند، این گذار نسبتاً ساده به نظر می‌رسد: ادغام با نرم‌افزارهای موجود و مجموعه دوربین‌ها با دقت طراحی شده است تا تغییرات لازم را به حداقل برساند. این موضوع برای پروژه‌هایی که در حال حاضر در حال انجام هستند و می‌خواهند بدون بازنویسی همه چیز از افزایش عملکرد بهره‌مند شوند، اهمیت دارد.

از طرف دیگر، کاربرانی که فقط به دنبال اجرای مدل‌های زبانی به صورت محلی با حداکثر حاشیه حافظه ممکن هستند، ممکن است هنوز با مشکل مواجه شوند. رزبری پای ۵، ۱۶ گیگابایت بدون HAT، با فرض اینکه CPU و GPU یکپارچه تمام استنتاج را انجام می‌دهند و مصرف برق تا حدودی بیشتر خواهد بود.

خلاصه اینکه، به نظر می‌رسد این وسیله‌ی جانبی به عنوان یک راه‌حل میانی، جایگاه ویژه‌ای برای خود دست و پا می‌کند: قدرتمندتر و انعطاف‌پذیرتر از Raspberry Pi 5 که به تنهایی روی وظایف هوش مصنوعی خاصی کار می‌کند، اما به دور از عملکرد سرورها یا پردازنده‌های گرافیکی اختصاصی، و با تمرکز بر مصرف انرژی پایین، حفظ حریم خصوصی و کاهش هزینه‌ها.

یکپارچه‌سازی، منابع و پشتیبانی نرم‌افزار Hailo

از دیدگاه نرم‌افزاری، رزبری پای تلاش کرده است تا فرآیند راه‌اندازی را تا حد امکان ساده کند. AI HAT+ 2 از طریق رابط PCIe از Raspberry Pi 5 است و به طور بومی توسط سیستم عامل رسمی شناخته می‌شود و به برنامه‌های هوش مصنوعی اجازه می‌دهد بدون مراحل راه‌اندازی بیش از حد پیچیده برای کسانی که از قبل با محیط آشنا هستند، اجرا شوند.

هایلو به کاربران این امکان را می‌دهد که مخزن در گیت‌هاب و یک منطقه توسعه‌دهندگان این شامل نمونه‌های کد، مدل‌های از پیش پیکربندی‌شده، آموزش‌ها و چارچوب‌هایی است که برای هوش مصنوعی مولد و بینایی کامپیوتر طراحی شده‌اند. همچنین شامل ابزارهایی برای مدیریت کوانتیزاسیون، بارگذاری مدل‌های شخص ثالث و بهینه‌سازی گردش‌های کاری خاص است.

در زمان راه‌اندازی، این شرکت چندین مورد را در دسترس قرار داده است مدل‌های زبان آماده نصببا وعده گسترش کاتالوگ با انواع بزرگتر یا مواردی که برای موارد استفاده بسیار خاص سازگار شده‌اند. علاوه بر این، استفاده از تکنیک‌هایی مانند LoRa را برای تنظیم مدل‌ها با نیازهای هر پروژه بدون نیاز به آموزش آنها از ابتدا بر روی مجموعه داده‌های عظیم، تشویق می‌کند.

همانطور که اغلب در مورد این نوع راه‌حل‌ها صادق است، تجربه واقعی به این بستگی دارد سطح بلوغ اکوسیستم نرم‌افزاریبرخی تحلیلگران خاطرنشان می‌کنند که هنوز جای پیشرفت در ابزارها، پایداری و پشتیبانی از اجرای همزمان چندین مدل وجود دارد، اما روند اکوسیستم رزبری پای به سمت یکپارچه‌سازی هرچه بهتر و دقیق‌تر در حال حرکت است.

در هر صورت، برای توسعه پروژه‌ها در اسپانیا یا سایر کشورهای اروپایی، داشتن مستندات رسمی، نمونه‌های عملی و یک جامعه فعال، موانع ورود به آزمایش هوش مصنوعی تعبیه‌شده و مولد در دستگاه‌های کم‌هزینه را به میزان قابل توجهی کاهش می‌دهد.

قیمت، موجودی و جنبه‌های کاربردی در اسپانیا و اروپا

Raspberry Pi AI HAT+ 2 با قیمت مرجع عرضه شده است. ۵۰۰ دلاردر اسپانیا و بقیه اروپا، مبلغ نهایی به ... بستگی دارد. نرخ ارز، مالیات و سیاست هر توزیع‌کنندهبنابراین، انتظار می‌رود که تفاوت‌های کوچکی بین فروشگاه‌ها و کشورها وجود داشته باشد.

این مادربرد با تمام مدل‌های موجود در بازار سازگار است. رزبری پای ۵از مدل‌هایی با ۱ گیگابایت رم گرفته تا نسخه‌هایی با ۱۶ گیگابایت رم، رزبری پای سازگار با استفاده از فرمت آشنای HAT نصب می‌شود: روی برد پیچ ​​می‌شود و از طریق هدر GPIO و رابط PCIe متصل می‌شود. بنابراین، مدل‌های قبلی رزبری پای که فاقد این رابط هستند، از لیست سازگاری حذف شده‌اند.

در مراحل اولیه پس از اعلام این خبر، برخی از توزیع‌کنندگان متخصص گزارش دادند که موجودی محدوداین روش اکنون در مورد نسخه‌های رسمی سخت‌افزار رزبری پای رایج است. کسانی که می‌خواهند در کوتاه‌مدت یک واحد را تهیه کنند، باید موجودی آن را از توزیع‌کنندگان مجاز اروپایی و لیست‌های انتظار احتمالی زیر نظر داشته باشند.

علاوه بر سخت‌افزار، این خرید شامل دسترسی به اسناد فنی و منابع نرم‌افزاری برای Raspberry Pi و Hailo، از جمله مثال‌های GitHub، راهنماهای گام به گام و مطالبی برای کسانی که تازه با هوش مصنوعی توکار آشنا شده‌اند، می‌شود. این امر باعث می‌شود که هم کاربران عادی و هم کسب‌وکارهای کوچک بتوانند بدون نیاز به سرمایه‌گذاری در ابزارهای توسعه اضافی، آزمایش‌های خود را آغاز کنند.

در بافت اروپایی، جایی که حریم خصوصی داده‌ها و از آنجایی که بهره‌وری انرژی به طور فزاینده‌ای اهمیت پیدا می‌کند، AI HAT+ 2 به عنوان قطعه‌ای ارائه می‌شود که امکان پردازش اطلاعات حساس به صورت محلی کاهش وابستگی به مراکز داده از راه دور، که ممکن است برای ادارات، شرکت‌های کوچک و متوسط ​​و توسعه‌دهندگان مستقل که به دنبال راه‌حل‌های هوش مصنوعی کنترل‌شده‌تر هستند، جذاب باشد.

Raspberry Pi AI HAT+ 2 خود را به عنوان یک راه حل واسطه بین فضای ابری و سرورهای بزرگ هوش مصنوعی قرار می‌دهد: این دستگاه روشی نسبتاً در دسترس برای ترکیب بینایی کامپیوتر و مدل‌های زبانی سبک در یک دستگاه واحد ارائه می‌دهد، مصرف برق را پایین نگه می‌دارد و به حریم خصوصی احترام می‌گذارد، اما در عوض مستلزم آن است که پروژه‌ها به گونه‌ای طراحی شوند که ... در محدوده قدرت و حافظه نمونه‌ای از سخت‌افزار طراحی‌شده برای مصرف کم برق و هزینه پایین.

مقاله مرتبط:

دوربین هوشمند شیائومی مدل 3 با کیفیت 3K: دوربین نظارتی جدید 3K که قصد دارد خانه‌های متصل را تسخیر کند

آلبرتو ناوارو

من یک علاقه مند به فناوری هستم که علایق "گیک" خود را به یک حرفه تبدیل کرده ام. من بیش از 10 سال از زندگی خود را صرف استفاده از فناوری های پیشرفته و سرهم بندی کردن انواع برنامه ها از روی کنجکاوی کرده ام. اکنون در زمینه فناوری رایانه و بازی های ویدیویی تخصص دارم. این به این دلیل است که بیش از 5 سال است که برای وب سایت های مختلف در زمینه فناوری و بازی های ویدیویی می نویسم و ​​مقالاتی را ایجاد می کنم که به دنبال ارائه اطلاعات مورد نیاز شما به زبانی قابل فهم برای همه هستند.

اگر سوالی دارید، دانش من از همه چیز مربوط به سیستم عامل ویندوز و همچنین اندروید برای تلفن های همراه است. و تعهد من به شماست، من همیشه حاضرم چند دقیقه وقت بگذارم و به شما کمک کنم تا هر سوالی را که ممکن است در این دنیای اینترنتی داشته باشید حل کنید.