Z AI1.4下載-Z Z AI1.4源代碼下載

Z AI1.4

Delphi源碼

1.0.0

下載

Z-AI V1.4 發行版本

簡單介紹

被ZNet,ZDB2,Code模型,AI-Tech2022,眾多新技術體系加持
相比1.3系,這是接近於重構的升級
生產建模端工具鏈逼近400個
接近150個AI相關Demo
沒有AI建模限制
更多請閱讀詳情

開源項目定位

開源版本可以自由獲取,自由建模,自己解決識別問題,而項目框架設計,底座和平台化,落地等環節並不開源,也不提供文檔

1.4 AI算法體系

算法體係由算法api+算法支持組成,算法支持是指運行算法條件,例如建模系統,算法應用思路,比如dnn-thread系統就是一種算法支持,樣本數據庫也是一種算法支持,基於樣本數據庫搭建的建模工具也是一種支持.

算法api這一部分就是大家在git接觸各種CV+識別性質的開源項目.ZAI會有些自主創新,而算法思路和方向,與這些開源項目基本算一致,甚至一些開源項目比ZAI的算法更加先進,識別率也會更高.看開源項目是看更新強度,持續的強更新才能真正推進到社會生產和應用,否則會被時間洗掉.

在ZAI的早期版本(1.2/1.3),一直很注重算法體系的建設,基本每次更新,都會增加一大堆新算法.後來做完發行版本以後,這些算法加在一起,已經可以等同於數十個開源項目了,同時這些算法大部分都沒有被應用.這就很尷尬!因為應用最多的只有,目標檢測,目標分類,場景分類,其餘算法基本不會應用,即使再增加幾十種算法,也不會改變什麼,例如把yolov7加進來也會一樣.在計算引擎集成多個同性質算法無意義,這並不會改變應用模式,也不會改變建模成果和項目成敗.

算法與實際項目的匹配性其實非常小,而我們通過百度,虹軟,商湯,這類公司使用的AI方案都是挖空心思做出來的,這並不是算法層面的.這些公司,他們有自己的技術體系,以及,應用層思路,算法是一種資源,算法的命運是被技術體系篩选和重構.算法的方案性佔比非常小.算法周邊的體系,這才是AI類公司賴以生存的核心.換個角度來說,AI公司靠時代紅利生存,算法是AI公司吃下去的食物,框架和算法支持體係是AI公司的消化系統,最後,產出各種應用方案.

明確了算法的本質定位以後,回到ZAI的算法體系中,算法的核心是算法支持體系,在此之後,才是建立應用層框架落地.

ZAI的算法支持體係部分,經歷了3年洗禮,現在,ZAI正在走出自己的路線.

1.4 AI數據庫體系

AI數據庫體系只能適用建模體系,例如場景分類器的樣本最少也會上萬張720p/1080p,稍微堆大一點,這些樣本回答道百萬級規模.這時候,大數據管理,高效存取必須使用服務器硬件設備,例如大內存,>20核的cpu.這對於數據庫技術有一定要求.

AI數據庫體係並不是傳統數據庫,而是程序級的數據結構,這些數據結構一律支持多線程加速,以及Large-Scale(TB級大數據支持體系).傳統mis/erp開髮用的pc無法適應AI數據庫:樣本規模一旦大了,內存就不夠了,必須精簡or使用Large-Scale方式來管理數據庫,這會導致浪費大把時間去乾一些和硬件較勁的無意義工作.

AI數據庫結構=適應所有的模型的數據要求的+樣本鏈結構+樣本鏈矩陣結構

AI數據庫體系=Z.AI.Common(AI數據庫)+Z.AI.Editor(AI工具鏈副本數據庫)+*.dproj(整個建模工具鏈體系,大約20-30個建模支持工具),這些數據庫在存儲底層大量使用DFE,ZDB1,ZDB2工具形式支持庫.

AI數據庫體係不區分目標模型,但凡模型凡需要的數據都會在AI數據庫體係對應支持,這些支持包括API支持,規範化支持,工具鏈支持.

1.4 AI工具鏈體系

由於項目的開發,AI工具鏈一直作為內部版本在更新.

撰寫本文時,工具鏈已經構建了接近150個版本,歷經大量修復+更新.

版本計數歷史自1.4 Eval1..Eval9(這裡走了90%版本數量)

之後, Beta1..Beta3(這時候,已經逼近2023-6月出發行版本時間計劃)

1.4 AI平台和底座類體系

提示:開源版本不包含平台支持技術

簡單來說:只能使用AI建模和識別,應用落地靠自己解決

1.4 引入ZDB2體系

首先,明確ZDB2的未來使用路線:大數據底層地基

其次,明確大數據問題solve:數據庫引擎必須遵守計算機機理,數據庫應用場景永遠不確定,數據庫不會是一套體系解決一切數據問題,ZDB2認為:解決數據庫問題就要自己設計數據庫引擎,在所有的項目中都要使用獨特自主設計的數據庫引擎.

ZDB2體系的技術路線推進回顧

給出ZDB2底層空間表支持系統:解決數據塊的增刪存改問題
在空間表支持系統基礎上,嘗試過小規模應用,例如C4系統中的UserDB,FileDB,效果平平
開始自我反思,之後,給出了線程化存儲引擎體系,從底層機制來看待,ZDB2此時已經具備大規模存儲支持能力.
支持了線程化存儲引擎後,在落地項目應用,將數據庫構建與數據中心服務器群集.
在數據中心運營過程,ZDB2被地獄級難度洗禮,同時也具備了新屬性,包括可擴展性,數據安全性,增強自定義數據庫設計.在6代監控系統,ZDB2完成了單日PB級數據量驅動,在無人維護環境中持續3個月不重啟,不關機.
走出地獄,面向陽光,堅持走數據庫=自定義數據引擎的底層邏輯.

ZDB2的後續動作:未來會持續更新

暫時沒有放到前台推廣計劃,但會開源ZDB2,也會提供一些相關Demo.底層邏輯是因為我是程序員,我與世界的關係就是世界需要我的貢獻,同時世界也在隨時計算和剽竊我,但世界不能阻擋我的貢獻行為,長久以來我和世界都是一種相互踩平衡木的關係,這也是只開源技術,而不開源項目的初衷:擁抱技術,建立開源過濾機制.

因為ZDB2具備了大數據支持能力,未來高機率會在某些條件成立時,在底層會給出非常棒的數據地基.只有自定義數據引擎才能勝任一切需求.

1.4 引入並大幅優化ZNet體系

ZNet代表整個後台服務器體系,以ZNet為基礎的上層架構.

詳情去看git, https://github.com/PassByYou888/ZNet
p2pVM是新一代通訊底層:替代物理socket
C4代表大型服務器:替代雙通道交互,提供大規模後台地基

從宏觀來看,C4體系+ZDB2體系+BigList體系+Core體系

這套組合拳只能在1.4或未來的版本使用.

ZDB2後台系統的數據引擎是獨特的,ZNet後台服務器幾乎全部工作於線程模型(凡處理延遲大於100ms的請求都用線程拉),BigList體係為數據鏈帶來大容量提升,C4為服務器後台提供了高級架構.

pas圈子有許多以設計模式為工作路線的程序員,他們為廣大入門者帶來了傻瓜化的後台框架,他們有非常深厚的計算機理論基礎.這造成了一個局面:使用者和設計者是依賴關係,不是完全性互相依賴,當設計者不能自我提升時,使用者就會被動.反應在真實生活和工作中就是當世界出現新事物的徵兆,有許多人發現了它,但設計者無法駕馭,導致位於設計者下游的使用者無從下手.

以delphi廠商的某些程序員+設計者為例,他們的工作是維護和開發delphi.我在2016年時看見他們還在折騰opengl入門,顯然錯過了open1.x(固管) -> open2.0(可編程管線)的歷史性升級時代,delphi通過商業路線收購dxscene,fmx被提上前台,這是被動行為,這並不是開創型做法.如果設計者在半路上出現自我局限,項目無法達標,使用者就會非常非常被動.

總結:ZNet代表未來整個後台服務器體系,保持開放,保持升級更新.

1.4 引入並優化計算機圖形學體系

DrawEngine簡稱DE,定位是輕量+標準化,它需要渲染輸出接口.位於前端用戶層.

圖形API標準源自Khronos,軟硬廠商也會有自己的規範,這些規範,大都反應在像素排列,像素優化,api優化這些機制上.

同時圖形api也有許多標準,metal,opengl,gles,vulkan,d3d,這就造成了一種局面:渲染器要兼容各種平台和api,需要大量接口,並且這些接口升級更新非常快,這讓渲染引擎的開發和維護變得不容易了.DE在設計定位直接避開了前面的標準接口和平台化,做中間件:渲染api差異大沒事,渲染器能在目標平台把至少一種api體系支持到位那就沒問題.

FMX的底層是一種渲染器,對於多平台api支持程度,其實做的是可以的,用來設計遊戲,VR都是沒問題的.DE是把FMX當成輸出接口來用,但不會局限於FMX.DE不是渲染器定位.

DrawEngine的應用並不是直接讓程序寫完流程,因為渲染需要數據來源,例如,視頻,圖片,各種可視線框,大多時候,這要工具鏈,後台,內容生產這類體係來支撐.純代碼路線無法駕馭.

另一方面,DE有一定計算機圖形學的全局視野.它走了自己路線.

在1.4更新中,DrawEngine的渲染調度能力被大幅優化.

計算機圖形學solve組成部分

光柵系統

Agg分支:以Agg命名開頭的體系庫,給出了線條平滑性solve
投影分支:由光柵字體分支,尺度化,api支持分支共同組成
CV分支:形態學分支,像素分割分支,共同組成

渲染系統

文本渲染:彩字,傾斜字,自定義字,腳本化文本
圖片渲染:沒輸出接口走光柵流程,有輸出接口走渲染器流程
線框繪製和填充:以原子操作,點,線,園,擴展一堆高級api
命令隊列:就是把渲染api調用,和物理輸出api繪製分離開,用至少兩個線程提速
粒子:粒子是個重要分支,做特效,視覺方向使用
運動引擎:運動是渲染引擎必須支持子系統,作用是統一規範,減少實現運動化渲染代碼工作,運動引擎是在1.4新引入的分支
場景支持:如果復雜項目,例如,2d遊戲,AI建模系統,場景是渲染引擎的必須支持的標準規範,在DE中場景化渲染以DrawInScene這類api來使用

部署與編譯

首先部署建模工具鏈, 開源版工具鏈體系確定可完成自主建模建模與生產工具鏈部署
準備好計算引擎計算引擎部署
編譯說明編譯說明

部署AI-Demo運行數據

AI-Demo所需運行數據,將數據解壓到"Z-AI1.4AI-demoBinary"目錄下載雲和解壓密碼均為8888
先解壓運行數據,再用計算引擎覆蓋,顛倒順序可能導致結果無法預料

建模入門與指引

請閱讀: 1.34老版本文檔

gpu支持性

請閱讀: 詳情

delphi編譯結果(編譯測試版本XE10.4.2與XE11.3)

架構	AI-Demo	tools	Net-tools	Net-Advance-Demo	Net-C4-Demo	Net-demo
x86	Passed	Passed	Passed	Passed	Passed	Passed
x64	Passed	Passed	Passed	Passed	Passed	Passed
MKL64	Passed	Passed	Passed	Passed	Passed	Passed
CUDA10	Passed	Passed	Passed	Passed	Passed	Passed
CUDA11	Passed	Passed	Passed	Passed	Passed	Passed
CUDA12	Passed	Passed	Passed	Passed	Passed	Passed