Z AI1.4
1.0.0
Краткое введение
Версия с открытым исходным кодом может быть получена свободно, моделируется свободно и сами решает и определяет проблемы. Проектная структура проектирования, базовая и платформы и реализация не являются открытым исходным кодом и не предоставляют документацию.
Система алгоритма состоит из алгоритма API + поддержки алгоритма. Поддержка алгоритма относится к запуску условий алгоритма, таких как системы моделирования, идеи приложений алгоритма, такие как система DNN-Thread, которая является поддержкой алгоритма, база данных выборки также является поддержкой алгоритма, а инструменты моделирования, основанные на базе данных выборки.
API алгоритма является частью проектов с открытым исходным кодом с различными свойствами распознавания CV+ в GIT. У Зая будут некоторые независимые инновации, а идеи и направления алгоритма в основном согласуются с этими проектами с открытым исходным кодом. Некоторые проекты с открытым исходным кодом даже более продвинуты, чем алгоритмы Zai, и имеют более высокий уровень распознавания. Глядя на проекты с открытым исходным кодом, мы смотрим на интенсивность обновлений. Только непрерывные сильные обновления могут по -настоящему продвигаться к социальному производству и применению, в противном случае они будут смыты со временем.
В ранних версиях Zai (1,2/1,3) я всегда уделял большое внимание строительству системы алгоритма. По сути, каждый раз, когда я обновляюсь, будет добавлено много новых алгоритмов. Позже, после завершения выпуска, эти алгоритмы могут быть эквивалентны десяткам проектов с открытым исходным кодом, и большинство из этих алгоритмов не были применены. Это неловко! Поскольку большинство приложений представляют собой только обнаружение цели, целевая классификация, классификация сцен и другие алгоритмы, в основном не будут применены. Даже если будут добавлены десятки алгоритмов, это ничего не изменит. Например, это будет то же самое при добавлении Yolov7. Бессмысленно интегрировать несколько одинаковых алгоритмов в вычислительном движке. Это не изменит модель приложения, а также не изменит результаты моделирования и успех или неудачу проекта.
Соответствие между алгоритмами и фактическими проектами на самом деле очень мало, и решения, которые мы используем через Baidu, Hongruan, Sensetime и т. Д., Все сделаны с большими усилиями, которые не находятся на уровне алгоритма. Эти компании имеют свои собственные технические системы и идеи на уровне приложений. Алгоритмы являются ресурсом, а судьба алгоритмов проверена и реконструируется технической системой. Доля алгоритмов очень мала. Системы вокруг алгоритмов являются ядром выживания компаний искусственного интеллекта. Иными словами, компании ИИ полагаются на дивиденды Times, алгоритмы - это пищевая продукция, которую едят компании по искусственному искусству, а система поддержки и алгоритма является пищеварительной системой компаний ИИ и, наконец, производит различные решения для приложений.
После уточнения существенного позиционирования алгоритма, верните в систему алгоритма Zai, ядро алгоритма является система поддержки алгоритма. Только после этого может быть установлена структура слоя приложения.
Система поддержки алгоритма, часть Zai, была крещена в течение трех лет. Теперь Зай идет по своему собственному маршруту.
Система базы данных ИИ может использоваться только для систем моделирования. Например, образцы классификатора сцены будут, по крайней мере, десятки тысяч 720p/1080p. Немного больше, эти образцы отвечают на миллион. В настоящее время для управления большими данными и эффективного доступа необходимо использовать аппаратные устройства сервера, такие как большая память,> 20 основных процессоров. Это имеет определенные требования для технологии базы данных.
Система базы данных ИИ-это не традиционная база данных, а структура данных на уровне программы. Все эти структуры данных поддерживают многопоточное ускорение и крупномасштабное (система поддержки больших данных на уровне туберкулеза). ПК, используемый в традиционной разработке MIS/ERP, не может адаптироваться к базам данных AI: как только размер выборки велик, память недостаточна, и его необходимо оптимизировать или использовать крупномасштабный метод для управления базой данных, что будет тратить много времени на бессмысленную работу, которая конкурирует с оборудованием.
Структура базы данных AI = + Структура цепочки образцов + Структура матрицы образцов, которая адаптируется к требованиям данных всех моделей
Система базы данных AI = z.ai.common (база данных AI) + z.ai.editor (база данных AI Toolchain Copy) +*. DPROJ (вся система инструментов моделирования, около 20-30 инструментов поддержки моделирования). Эти базы данных используют библиотеки поддержки инструментов DFE, ZDB1 и ZDB2 в нижней части уровня хранения.
Система баз данных ИИ не различает целевую модель. Любые данные, требуемые моделью, будут поддерживаться соответствующим образом в системе баз данных AI. Эта поддержка включает поддержку API, стандартизированную поддержку и поддержку инструментов.
В связи с разработкой проекта, инструмент для ИИ был обновлен как внутренняя версия.
На момент написания инструментов построил почти 150 версий, которые претерпели многочисленные ремонтные работы и обновления.
История подсчета версий была 1,4 Eval1..EVAL9 (90% от количества версий здесь исчез))
После этого бета1..Beta3 (в настоящее время план времени выпуска на 2023 год-июнь)
Совет: версия с открытым исходным кодом не включает технологию поддержки платформы
Проще говоря: можно использовать только моделирование и распознавание ИИ, и реализация приложения зависит от вашей собственной
Во -первых, проясните будущий маршрут использования ZDB2: основание больших данных
Во -вторых, уточнить решение проблем с большими данными: механизм базы данных должен соответствовать компьютерному механизму, сценарий приложения базы данных никогда не бывает определенным, и база данных не будет системой для решения всех проблем с данными. ZDB2 считает, что для решения проблемы базы данных вы должны самостоятельно разработать двигатель базы данных и использовать уникальный и независимый двигатель базы данных проектирования во всех проектах.
Обзор продвижения технического маршрута системы ZDB2
На данный момент он не был помещен в план продвижения переднего плана, но он будет открытым исходным кодом ZDB2, а также предоставит некоторые связанные демонстрации. Основная логика заключается в том, что я программист, и мои отношения с миром в том, что мир нуждается в моем вкладе. В то же время мир также расчет и плагиат меня в любое время, но мир не может остановить мое вклад. Долгое время я и мир были взаимосвязью взаимной наступления на баланс. Это также первоначальное намерение только технологии с открытым исходным кодом, но не проекты с открытым исходным кодом: охватить технологию и установить механизм фильтрации с открытым исходным кодом.
Поскольку ZDB2 обладает большими возможностями поддержки данных, высокая вероятность в будущем даст очень хорошую основу данных внизу, когда будут выполнены определенные условия. Только пользовательский двигатель данных может соответствовать всем требованиям.
Znet представляет всю систему сервера бэкэнд, архитектуру верхнего уровня на основе Znet.
С точки зрения макроса, S4 System + System + System + Biglist System + Core System
Этот набор комбинированных ударов может использоваться только в 1,4 или будущих версиях.
Двигатель данных бэкэнд -системы ZDB2 уникален. Почти все бэкэнд -серверы Znet работают в модели потока (каждые запросы с задержкой более 100 мс тянутся по потокам). Система Biglist привносит большие улучшения емкости в ссылку на данные, а C4 предоставляет расширенную архитектуру для бэкэнда сервера.
В круге PAS есть много программистов, которые принимают шаблон дизайна в качестве своего рабочего маршрута. Они принесли дурачковывому бэкэнд-структуру для большинства начинающих, и у них есть очень глубокий компьютерный фонд теории. Это создало ситуацию: пользователи и дизайнеры зависят, а не полностью взаимозависимы, и когда дизайнеры не могут улучшить себя, пользователи будут пассивными. Отражение в реальной жизни и работе - это признак того, что новые вещи появляются в мире. Многие люди обнаружили это, но дизайнеры не могут контролировать его, что заставляет пользователей, расположенных ниже дизайнеров, неспособных начать.
Взяв некоторых программистов и дизайнеров производителей Delphi в качестве примера, их задача состоит в том, чтобы поддерживать и развивать Delphi. В 2016 году я увидел, как они все еще пытались начать с OpenGL, и, очевидно, пропустил историческую эру обновления Open1.x (Solid Tube) -> Open2.0 (программируемый трубопровод). Delphi приобрел DXSCENE через коммерческие маршруты, и FMX был доставлен на фронт. Это пассивное поведение, которое не является новаторской практикой. Если дизайнер имеет самооценку на пути, и проект не может соответствовать стандартам, пользователь будет очень, очень пассивным.
Резюме: Znet представляет всю систему сервера бэкэнд в будущем, сохраняя ее открытым и обновлением.
Blaingine сокращается как DE, а его позиционирование легкое + стандартизировано, и он требует интерфейса рендеринга и выходного сигнала. Он расположен на переднем пользовательском уровне.
Стандарты Graphics API происходят от Khronos, а производители программного обеспечения и оборудования также будут иметь свои собственные спецификации. Большинство из этих спецификаций отражаются в механизмах расположения пикселей, оптимизации пикселей и оптимизации API.
В то же время, Graphics API также имеет много стандартов, металлов, OpenGL, GLES, Vulkan, D3D, что создает ситуацию: рендерератор должен быть совместимы с различными платформами и API, и требует большого количества раздела, и эти интерфейсы обновляются и обновляются очень быстро, что затрудняет развитие и обслуживание экологически чистого двигателя. DE непосредственно избегает предыдущих стандартных интерфейсов и платформы в позиционировании проектирования и делает промежуточное программное обеспечение: это нормально, чтобы дрендер дифференцировался, и не является проблемой, что рендеринщик может поддерживать хотя бы одну систему API на целевой платформе.
Основной слой FMX является рендерера. Для многоплатформенной поддержки API на самом деле это возможно. Он используется для разработки игр, а виртуальная реальность в порядке. DE использует FMX в качестве выходного интерфейса, но он не будет ограничен FMX. DE не является позиционированием рендерера.
Применение рисунков не позволяет программе завершать процесс, потому что рендеринг требует источников данных, таких как видео, изображения и различные визуальные рамки. В большинстве случаев это требует такой системы, как цепочка инструментов, бэкэнд и производство контента. Чистый кодовый маршрут не может контролироваться.
С другой стороны, DE имеет определенную глобальную перспективу компьютерной графики. Он берет свой собственный маршрут.
В обновлении 1.4 возможность расписания рендеринга strengine была значительно оптимизирована.
Компоненты компьютерной графики решают
Пожалуйста, прочитайте: 1.34 Document Old Version Document
Пожалуйста, прочитайте: Подробности
| Архитектура | AI-Demo | инструменты | Чистые инструменты | Net-advance-demo | Net-C4-Demo | Net-demo |
|---|---|---|---|---|---|---|
| x86 | Прошедший | Прошедший | Прошедший | Прошедший | Прошедший | Прошедший |
| x64 | Прошедший | Прошедший | Прошедший | Прошедший | Прошедший | Прошедший |
| MKL64 | Прошедший | Прошедший | Прошедший | Прошедший | Прошедший | Прошедший |
| CUDA10 | Прошедший | Прошедший | Прошедший | Прошедший | Прошедший | Прошедший |
| CUDA11 | Прошедший | Прошедший | Прошедший | Прошедший | Прошедший | Прошедший |
| CUDA12 | Прошедший | Прошедший | Прошедший | Прошедший | Прошедший | Прошедший |
Компилятор FPC проверяет все библиотеки в справочнике. Подкаталогером справочника является корреляция платформы. FPC не поддерживает это.
над
2023-7-26
