【導讀】瑞芯微Rockchip正式發(fā)布旗下AI平臺三大重要升級，助力端側AI應用：開(kāi)發(fā)工具支持GUI圖形交互界面、原生支持MXNet和PyTorch、支持Docker部署。
瑞芯微Rockchip正式發(fā)布旗下AI平臺三大重要升級，助力端側AI應用：開(kāi)發(fā)工具支持GUI圖形交互界面、原生支持MXNet和PyTorch、支持Docker部署。
一、交互方式更加友好，RKNN－Toolkit新版本將支持圖形界面
經(jīng)過(guò)多個(gè)版本的不斷迭代完善，RKNN－Toolkit已日益成熟。瑞芯微即將推出的新版將加入圖形交互界面（GUI），開(kāi)發(fā)者通過(guò)鼠標點(diǎn)擊即可完成模型的轉換、量化、性能分析、內存耗費分析等任務(wù)，快速完成AI模型在端側部署的評估和轉換工作。特別是對于混合量化等較為復雜的任務(wù)，相比于過(guò)去的命令行交互，通過(guò)圖形界面可大幅提高效率并降低操作錯誤的概率。另外，新版RKNN－Toolkit的圖形界面同樣在Linux／Mac OSX／Windows三個(gè)平臺上均可運行。
二、模型轉化更加簡(jiǎn)便，RKNN－Toolkit將對MXNet和PyTorch提供原生支持
在過(guò)去RKNN－Toolkit通過(guò)ONNX來(lái)完成MXNet和PyTorch等模型的支持，開(kāi)發(fā)者需要先將模型轉換為ONNX格式，再進(jìn)一步轉換為RKNN模型，這一過(guò)程較為繁瑣，并且提高了引入問(wèn)題的概率使得最終轉換失敗。
MXNet及PyTorch發(fā)展非常迅速，普及度快速提高， RKNN－Toolkit新版本將原生支持MXNet及PyTorch模型的轉換，在端側AI平臺的框架和模型支持覆蓋度上繼續保持領(lǐng)先。
三、模型推理性能更加穩定，瑞芯微 AI平臺支持通過(guò)Docker快速部署端側AI應用
隨著(zhù)端側設備數量的成倍增長(cháng)，需要以更具可擴展性的方式部署端側AI應用軟件。Docker容器技術(shù)是業(yè)界廣泛通行的解決這一挑戰的有力工具。
RK1808平臺系統將提供對Docker的支持，通過(guò)硬件抽象層，在容器中仍可調用NPU的強勁算力，經(jīng)測試，容器中的AI模型推理性能幾乎沒(méi)有損失。
通過(guò)上述更新，開(kāi)發(fā)者基于瑞芯微Rockchip AI平臺的產(chǎn)品開(kāi)發(fā)、部署、維護將更為迅捷。瑞芯微將繼續與廣大開(kāi)發(fā)者共同努力，加速AI在各類(lèi)場(chǎng)景的落地。
