Intel Udviklingssæt Neural Compute Stick 2 (NCS2)

Neural Compute Stick 2 (NCS2) er en USB-nøgle, som giver dig adgang til neurale netværksfunktioner, uden behov for stort og dyrt hardware. Den gør det muligt at indarbejde computer-vision og kunstig intelligens (AI) i dine IoT- og edge-enheder. Neurale netværk er en måde, hvorpå vi er i stand til at lære maskiner at lære ligesom mennesker.
Intel NCS2 er baseret på Intel Movidius™ Myriad™ VPU, som har en dedikeret hardware-accelerator til DNN-interferens. NCS2 er understøttet af OpenVINO™ Toolkit.
Dette er det perfekte værktøj til udviklere, forskere, industri-ingeniører, AI-ingeniører og akademikere.

Neural Compute Stick 2 har et USB 2.0-stik, som indsættes i din værtsenhed, for eksempel en pc, laptop eller enkeltkorts-computer (SBC). Det er en plug-and-play enhed, så du er klar til at lave prototyper med det samme.
OpenVINO™ Toolkit er til for at sætte fart på dine dybe neurale netværksdesigns og ideer. Det er en højtydende højeffektiv open-source platform, der giver dig kompatibilitet på tværs af forskellige platforme.

Nyeste NCS-model fra Intel
Plug-and-play USB-format
Perfekt til Deep Neural Network (DNN) anvendelser
Har Intel® Movidus™ Myriad™ X VPU
Højtydende
Laveffekt

Neural Compute Stick 2 er den seneste model fra Intel. Den vigtigste forskel mellem de to modeller er, at NCS1 bruger en Myriad 2 VPU, mens NCS2 bruger en Myriad X VPU. Den tidligere NCS1-version kan findes her - (139-3655)

NCS2 udviklingsværktøjet er et værktøj til at sætte gang i din fantasi. Funktionaliteten af dette værktøj kan bruges til at genkende ansigter, genstande eller endda følelser fra et billede. Denne kategorisering af data kan derefter omdannes til en handling.
For eksempel brugte Australiens Little Ripper Lifesaver UAV Intels NCS til at overvåge kystlinjen ved New South Wales og identificere hajer. Denne data gav øjeblikkelig fareregistrering og dermed en længere responstid.

Neurale netværk, også omtalt som dyb indlæring, er en type maskinlæring, der gør os i stand til at organisere og kategorisere data fra billed- og videoanalyser. Dybe neurale netværk (Deep Neural Networks (DNN)) er lidt mere komplekse, med et minimum af 2 lag.
Det fungerer ved at bruge en serie af algoritmer, som afspejler aspekter af, hvordan hjernen fungerer. De identificerer sammenhænge i data og bruger dette til at gruppere elementer. Neurale netværk er i stand til at organisere data, der ikke er mærket eller struktureret på forhånd.
Et eksempel på et neuralt netværk er at registrere folks ansigter fra billeder og video. Og går man et skridt videre, kan det neurale netværk også bruges til at registrere deres følelser.