مع تزايد انتشار [نماذج [التعلم](/tag/التعلم) العميق](/tag/[نماذج](/tag/نماذج)-[التعلم](/tag/التعلم)-العميق) ([Deep Learning](/tag/deep-learning)) على [منصات](/tag/منصات) الحواف (Edge Platforms) ذات الموارد المحدودة في [أنظمة](/tag/أنظمة) [القيادة](/tag/القيادة) الذاتية، تبرز الحاجة إلى [فهم](/tag/فهم) موثوق لسلوك الهاردوير تحت ظروف تدهور الموارد. في هذا السياق، تمثل [دراسة جديدة](/tag/[دراسة](/tag/دراسة)-جديدة) فحصًا شاملًا لاستغلال الموارد وأداء [استنتاج](/tag/استنتاج) [كشف](/tag/كشف) الكائنات، مع التركيز على [نماذج](/tag/نماذج) [TensorRT](/tag/tensorrt) المحسنة وعملها على [منصة](/tag/منصة) [NVIDIA Jetson](/tag/nvidia-jetson) Nano.
تعتمد هذه [الدراسة](/tag/الدراسة) على تجربة واسعة النطاق لاستدخال الأخطاء، حيث تم تحديد وتحليل مجموعة من [المؤشرات](/tag/المؤشرات) الحيوية مثل تحميل وحدة المعالجة المركزية (CPU Load) ودرجة [استغلال](/tag/استغلال) وحدة معالجة الرسومات ([GPU](/tag/gpu) Utilization) واستهلاك [ذاكرة](/tag/ذاكرة) الوصول العشوائي (RAM Consumption) ومعدل استهلاك [الطاقة](/tag/الطاقة) (Power Draw) وسلوك الحرارة (Thermal Behaviour).
تشمل [النماذج](/tag/النماذج) المستخدمة في [التجربة](/tag/التجربة) كل من YOLOv10s وYOLOv11s وYOLO2026n التي [تماثل](/tag/تماثل) [الأداء](/tag/الأداء) في مهام تتعلق بتتبع المسارات وكشف الكائنات. أظهرت النتائج أن محركات [الاستنتاج](/tag/الاستنتاج) حافظت على [استقرار](/tag/استقرار) [استغلال](/tag/استغلال) [GPU](/tag/gpu) ومعدل ارتفاع درجة الحرارة ضمن الحدود الآمنة، بينما استقرت استخدام [الذاكرة](/tag/الذاكرة) في نمط إطلاقٍ ثابت بعد مرحلة التسخين الأولية. ورغم أن [أداء](/tag/أداء) [كشف الكائنات](/tag/[كشف](/tag/كشف)-الكائنات) كان له بعض [التباين](/tag/التباين) في [سلوك](/tag/سلوك) [الذاكرة](/tag/الذاكرة) ودرجة الحرارة، فإن كلا المهام ساهمت في [دعم](/tag/دعم) نفس [الاستنتاج](/tag/الاستنتاج): أن خطوط الأنابيب المبنية على [TensorRT](/tag/tensorrt) تظل قوية حتى مع تدهور [البيانات](/tag/البيانات) المدخلة بشكل كبير.
تقدم هذه النتائج [رؤية](/tag/رؤية) على مستوى الهاردوير لمدى [موثوقية](/tag/موثوقية) النماذج، مما يضيف بُعدًا جديدًا في [فهم](/tag/فهم) [أداء](/tag/أداء) [الاستنتاج](/tag/الاستنتاج) على الحواف، ليكون متكاملًا مع [الأبحاث](/tag/الأبحاث) الأخرى التي تركز على هذا المجال.
تحليل شامل لاستغلال الموارد وأداء استنتاج كشف الكائنات على الحدود تحت تأثير الأخطاء
يقدم هذا البحث تحليلاً دقيقًا لتأثير الأخطاء على أداء نماذج كشف الكائنات في أنظمة القيادة الذاتية، مع التركيز على استغلال الموارد الهاردوير. يتميز البحث باستخدام نماذج متقدمة لقياس استهلاك الطاقة والذاكرة بشكل فعال.
المصدر الأصلي:أركايف للذكاء
زيارة المصدر الأصلي ←# نماذج لغوية# ذكاء اصطناعي# تعلم عميق# كشف الأجسام# أداء استنتاج# كشف كائنات# نظم القيادة الذاتية# موارد الهاردوير# أبحاث الذكاء الاصطناعي
جاري تحميل التفاعلات...
