瑞芯微AI平台三大更新 加速端侧AI技术落地

容器中的AI模型推理机能险些没有损失，对比于已往的呼吁行交互， 通过上述更新，www.hnbwcw.com，RKNN-Toolkit将对MXNet和PyTorch提供原生支持 在已往RKNN-Toolkit通过ONNX来完成MXNet和PyTorch等模型的支持，再进一步转换为RKNN模型，普及度快速提高。

RK1808平台系统将提供对Docker的支持，RKNN-Toolkit已日益成熟， MXNet及PyTorch成长很是迅速，这一历程较为繁琐，RKNN-Toolkit新版本将支持图形界面 经过多个版本的不绝迭代完善，而且提高了引入问题的概率使得最终转换失败，瑞芯微将继承与宽大开发者配合努力，瑞芯微 AI平台支持通过Docker快速陈设端侧AI应用 跟着端侧设备数量的成倍增长，助力端侧AI应用：开发东西支持GUI图形交互界面、原生支持MXNet和PyTorch、支持Docker陈设，瑞芯微即将推出的新版将插手图形交互界面(GUI)，通过图形界面可大幅提高效率并低落操纵错误的概率，热点资讯， 三、模型推理机能越发不变，开发者基于瑞芯微Rockchip AI平台的产物开发、陈设、维护将更为迅捷，快速完成AI模型在端侧陈设的评估和转换事情，通过硬件抽象层。

Docker容器技能是业界遍及通行的解决这一挑战的有力东西，在容器中仍可调用NPU的强劲算力，开发者需要先将模型转换为ONNX格局，www.1password.cn， 瑞芯微Rockchip正式宣布旗下AI平台三大重要升级， 一、交互方法越发友好。

，新版RKNN-Toolkit的图形界面同样在Linux/Mac OSX/Windows三个平台上均可运行，加快AI在种种场景的落地，开发者通过鼠标点击即可完成模型的转换、量化、机能阐明、内存泯灭阐明等任务，经测试，在端侧AI平台的框架和模型支持笼罩度上继承保持领先， 二、模型转化越发轻便，出格是对付殽杂量化等较为庞大的任务，需要以更具可扩展性的方法陈设端侧AI应用软件， RKNN-Toolkit新版本将原生支持MXNet及PyTorch模型的转换，另外，。