ຈຳນວນຄວາມຈຳ DDR ເທົ່າໃດທີ່ລະບົບ AI Vision ທີ່ໃຊ້ກ້ອງຫຼາຍຕົວຕ້ອງການ? (ມີຕາຕະລາງເລືອກ RK3576)

ດ້ວຍການພັດທະນາຢ່າງໄວວາຂອງການນຳໃຊ້ AI Vision, ວິທີແກ້ໄຂທີ່ໃຊ້ກ້ອງຫຼາຍຕົວ (ເຊັ່ນ: ກ້ອງຄູ່, ກ້ອງສີ່ຕົວ ຫຼື ເຖິງແມ່ນແຕ່ຫຼາຍກ່ວານັ້ນ) ໄດ້ຖືກນຳໃຊ້ຢ່າງກວ້າງຂວາງໃນບ່ອນຕ່າງໆເຊັ່ນ: ການເກັບຂໍ້ມູນ, ການຕິດຕາມຄວາມປອດໄພ, ການກວດສອບໃນອຸດສາຫະກຳ, ການຮັບຮູ້ຂອງຫຸ່ນຍົນ ແລະ ການຄຳນວນທີ່ເກີດຂຶ້ນໃນເຂດຕົ້ນ. ໂຄງການຈຳນວນຫຼາຍມັກຕົກຢູ່ໃນບ່ອນທີ່ເກີດຂໍ້ຜິດພາດທີ່ຄ້າຍຄືກັນເວລາເລືອກອຸປະກອນຮາດແວ: ມຸ່ງເນັ້ນເພີ່ງພາແຕ່ຄວາມສາມາດໃນການຄຳນວນຂອງຊິບ ແຕ່ລືມພິຈາລະນາການຈັດຕັ້ງຄວາມຈຳ. ສິ່ງນີ້ຈະນຳໄປສູ່ບັນຫາຕ່າງໆເຊັ່ນ: ການສູນເສຍເຟຣມ, ການຄຳນວນ AI ຊ້າ ແລະ ລະບົບລົ້ມສະຫຼາກ.

ຄວາມຈຳ DDR ທີ່ໃຫຍ່ຂຶ້ນຈະດີຂຶ້ນເໝືອນກັນເທື່ອໃດກໍຕາມບໍ? ແມ່ນແລ້ວ, ຈາກມຸມມອງຂອງປະສິດທິພາບ ແລະ ຄວາມສະຖຽນ. ແຕ່ຂໍ້ເສຍກໍຊັດເຈນເຊັ່ນກັນ — ມັນເຮັດໃຫ້ເງິນໃນຕົວຫຼຸດລົງຢ່າງຮຸນແຮງ, ໂດຍເປັນພິເສດໃນເວລາທີ່ລາຄາ DDR ໄດ້ເພີ່ມຂຶ້ນຢ່າງຮຸນແຮງໃນໄລຍະທີ່ຜ່ານມາ. ດັ່ງນັ້ນ, ການຊົງນ້ຳໜັກລະຫວ່າງຄ່າໃຊ້ຈ່າຍ ແລະ ຄວາມຕ້ອງການທີ່ແທ້ຈິງຂອງໂຄງການຈຶ່ງເປັນສິ່ງສຳຄັນຫຼາຍຕໍ່ການເລືອກວິທີແກ້ໄຂ.

ມາເບິ່ງບ່ອນທີ່ເກີດຂໍ້ຜິດພາດທີ່ເກີດຂຶ້ນບ່ອຍທີ່ສຸດໃນການກຳນົດຂະໜາດຄວາມຈຳ DDR: ການໃຊ້ຄວາມຈຳອາດເບິ່ງຄືວ່າຕ່ຳໃນສະພາບປົກກະຕິ, ແຕ່ມັນສາມາດເພີ່ມຂຶ້ນຢ່າງຮຸນແຮງເຖິງຈຸດສູງສຸດເວລາທີ່ມີການປະຕິບັດວຽກງານຫຼາຍຢ່າງພ້ອມກັນ, ຊຶ່ງເຮັດໃຫ້ລະບົບລົ້ມເຫຼວທັນທີ. ທີມງານຫຼາຍທີມໃຊ້ຄ່າການໃຊ້ຄວາມຈຳເສັ້ນສະແດງເປັນເຄື່ອງມືປະເມີນຄວາມເໝາະສົມຂອງຮາດແວ. ຍົກຕົວຢ່າງເຊັນເຊີ AR0234 ທີ່ຖືກໃຊ້ຢ່າງກວ້າງຂວາງ: ເມື່ອໃຊ້ກ້ອງ 1080P ເດີ່ยวໆໃນສະພາບຢູ່ນິ່ງນີ້, ມັນຈະໃຊ້ຄວາມຈຳເພີຍງເລັກນ້ອຍ. ແຕ່ເມື່ອປະຕິບັດໄລຍະທັງໝົດຕັ້ງແຕ່ການຈັບພາບ-ການປຸງແຕ່ງດ້ວຍ ISP-ການຄາດເດົາດ້ວຍ AI-ການເຂົ້າລະຫັດ, ຄວາມຈຳສູງສຸດຂອງມັນສາມາດເຂົ້າເຖິງຫຼາຍສິບ MB ຕໍ່ແຕ່ລະຊ່ອງ. ສຳລັບກ້ອງ 4K, ການໃຊ້ຄວາມຈຳສູງສຸດຕໍ່ແຕ່ລະຊ່ອງອາດເກີນ 100 MB. ເຖິງແຕ່ການຮ້ອງຂໍ HTTP ທີ່ເປັນປົກກະຕິກໍຍັງໃຊ້ຄວາມຈຳຫຼາຍສິບ MB ຕໍ່ການເຊື່ອມຕໍ່ໜຶ່ງຄັ້ງ. ຄວາມເສຍເປື່ອຍເລັກນ້ອຍເຫຼົ່ານີ້ອາດເບິ່ງຄືບໍ່ມີນ້ຳໜັກ, ແຕ່ມັນຈະລວມເຂົ້າດ້ວຍກັນຢ່າງໄວວ່າເມື່ອມີກ້ອງຫຼາຍຕົວ ແລະ ວຽກງານຫຼາຍຢ່າງເລີ່ມເຮັດວຽກພ້ອມກັນ. ສິ່ງນີ້ອາດເຮັດໃຫ້ເກີດສະຖານະການ OOM (Out-of-Memory), ສົ່ງຜົນໃຫ້ໂປຣເຊດເຄີເລີຖືກປິດໂດຍອັດຕະໂນມັດ ແລະ ລະບົບລົ້ມເຫຼວ.

ຄວາມຈຳຖືກໃຊ້ຢູ່ໃສໃນລະບົບທັດສະນະ AI ທີ່ໃຊ້ກ້ອງຫຼາຍຕົວ?

ຄວາມຈຳໃນອຸປະກອນທີ່ໃຊ້ເບິ່ງດ້ວຍເທັກໂນໂລຢີ edge ບໍ່ໄດ້ຖືກໃຊ້ເພື່ອຮູບແບບ AI ເທົ່ານັ້ນ. ມັນຖືກແບ່ງປັນໃຊ້ຮ່ວມກັນລະຫວ່າງການຈັບຮູບ, ການປະມວນຜົນເບື້ອງຕົ້ນ, ການສົ່ງຜົນຂອງ AI, ບໍລິການລະບົບ ແລະ ວຽກງານທີ່ປະຕິບັດໃນແອັບຯ. ຄວາມຈຳທີ່ໃຊ້ເພີ່ມຂຶ້ນເປັນລຳດັບຕາມຈຳນວນເລນສາມາດເພີ່ມຂຶ້ນ.

1. ບັຟເຟີຮູບ (ແຫຼ່ງທີ່ໃຫຍ່ທີ່ສຸດຂອງຄວາມຈຳທີ່ໃຊ້) ຮູບດິບ, ແຟຣມ YUV ແລະ ແຟຣມທີ່ຖືກປັບຂະໜາດຈາກເລນແຕ່ລະຕັວ ຈະໃຊ້ຄວາມຈຳ. ສຳລັບເລນ AR0234 ທີ່ເຮັດວຽກທີ່ຄວາມລະອຽດ 1080P @ 30fps, ແຟຣມ YUV ແຕ່ລະແຟຣມຈະໃຊ້ຄວາມຈຳຫຼາຍເມກະໄບຕ໌. ເພື່ອປ້ອງກັນການສູນເສຍແຟຣມ, ລະບົບຈະຮັກສາບັຟເຟີແຟຣມຫຼາຍແຟຣມໃນຮູບແບບວົງແຫວນ, ເຊິ່ງເຮັດໃຫ້ຄວາມຈຳທີ່ໃຊ້ເພີ່ມຂຶ້ນອີກ. ການສ້າງຮູບປະເພດຕ່າງໆຫຼາຍຊຸດ (ເຊັ່ນ: ຮູບຕົ້ນສະບັບ, ຮູບຍ່ອຍ, ຮູບທີ່ຖືກຕັດສ່ວນ) ຈະເຮັດໃຫ້ມີບັຟເຟີຮູບເພີ່ມເຕີມ. ຄວາມຈຳທີ່ໃຊ້ຈະເພີ່ມຂຶ້ນເປັນທວີຄູນເມື່ອມີການສົ່ງສັນຍານຈາກເລນຫຼາຍຕັວໃນເວລາດຽວກັນ.

2. ຄວາມຈຳທີ່ໃຊ້ໃນ ISP ແລະ ການປະມວນຜົນຮູບເບື້ອງຕົ້ນ ISP ແມ່ນເຄື່ອງເລື່ອງທີ່ເຮັດວຽກຢ່າງເປັນເອກະລາດ ເພື່ອປັບປຸງຄຸນນະພາບຂອງຮູບພາບ ໂດຍການຫຼຸດຜ່ອນສຽງຮີດ, ປັບສີ, ປັບຮູບຮ່າງທີ່ເບິ່ງບໍ່ຖືກຕ້ອງ, ຫັນ, ຕັດ, ແລະ ປ່ຽນຮູບແບບ. ISP ມີຄວາມຈຳໃນຕົວຈຳກັດ ແລະ ບໍ່ມີຄວາມຈຳໃນຕົວທີ່ມີຄວາມຈຸໃຫຍ່ເພື່ອເກັບຮູບພາບ. ດັ່ງນັ້ນ ຕ້ອງມີການຈັດສັນບ່ອນຈັດເກັບຊົ່ວຄາວໃນ DDR ສຳລັບການດຳເນີນງານຫຼາຍຢ່າງ. ຈຳນວນຊ່ອງກ້ອງທີ່ຫຼາຍຂຶ້ນຈະເຮັດໃຫ້ໄຟລ໌ເຮັດວຽກຂອງ ISP ໜັກຂຶ້ນ ແລະ ຕ້ອງການຄວາມຈຸ DDR ທີ່ສູງຂຶ້ນ.

3. ຄວາມຈຳສຳລັບການທຳງານ AI ການທຳງານ AI ຕ້ອງໃຊ້ຄວາມຈຳສອງສ່ວນ. ສ່ວນທຳອິດແມ່ນຄ່ານ້ຳໜັກຂອງແບບຈຳລອງ: ຄ່ານ້ຳໜັກທີ່ໃຫຍ່ຂຶ້ນຈະເຮັດໃຫ້ການໃຊ້ຄວາມຈຳເພີ່ມຂຶ້ນ. ແຕ່ຢ່າງໃດກໍຕາມ ຄ່ານ້ຳໜັກເຫຼົ່ານີ້ຈະຖືກໂຫຼດເຂົ້າໃນລະດັບເລີ່ມຕົ້ນຂອງແບບຈຳລອງເທົ່ານັ້ນ; ດັ່ງນັ້ນ ຄວາມຈຳທີ່ໃຊ້ຈະບໍ່ເພີ່ມຂຶ້ນເມື່ອຈຳນວນຊ່ອງກ້ອງ ຫຼື ສະຖານະການຕ່າງໆເພີ່ມຂຶ້ນໃນເວລາທີ່ລະບົບກຳລັງເຮັດວຽກ.

ຄວາມຈຳບໍ່ຖືກຜົນກະທົບເລີຍໃນໄລຍະເວລາທີ່ປະມວນຜົນ? ບໍ່ເລີຍ. ນີ້ນຳພາເຮົາໄປສູ່ອົງປະກອບທີສອງ: ຄວາມຈຳຊົ່ວຄາວທີ່ເກີດຂຶ້ນໃນລະຫວ່າງການປະມວນຜົນ. ແຕ່ລະຊ່ອງກ້ອງຕ້ອງການບັຟເຟີຣ໌ການຄຳນວນເປັນຂອງຕົນເອງ, ສິ່ງນີ້ເຮັດໃຫ້ການໃຊ້ຄວາມຈຳທັງໝົດເພີ່ມຂຶ້ນ. ການປະມວນຜົນ AI ຢ່າງເປັນເອກະລາດແລະເວລາດຽວກັນໃນຫຼາຍຊ່ອງກ້ອງຈະຕ້ອງໃຊ້ບັຟເຟີຣ໌ການຄຳນວນທີ່ເປັນເອກະລາດຫຼາຍຊຸດ. ດັ່ງນັ້ນ ຈຳນວນຊ່ອງທີ່ຫຼາຍຂຶ້ນຈະເຮັດໃຫ້ຄວາມຈຳທີ່ໃຊ້ໃນການປະມວນຜົນເພີ່ມຂຶ້ນດ້ວຍ.

4. ລະບົບ, ຜູ້ຂັບຂີ່ ແລະ ກາງທີ່ເຊື່ອມຕໍ່ ເອົາວິທີແກ້ໄຂດ້ານການເບິ່ງເຫັນ RK3576 ຂອງເຮົາເປັນຕົວຢ່າງ. ຄວາມຈຳລະບົບພື້ນຖານຖືກໃຊ້ໂດຍ Linux kernel, ຜູ້ຂັບຂີ່ສື່ຂອງ RK, ແຟມເວີກ RKMPP, ຜູ້ຂັບຂີ່ NPU, ບັນທຶກລະບົບ ແລະ ການປະມວນຜົນທີ່ກຳລັງເຮັດວຽກ. ໃນການຕິດຕັ້ງຫຼາຍຊ່ອງກ້ອງ, ແຟມເວີກສື່ ແລະ ການເຂົ້າຫຼັກວິດີໂອ (ການບັນທຶກ H.264 / H.265) ຈະເພີ່ມໄຟລ໌ຄວາມຈຳຢ່າງຫຼວງຫຼາຍ. ການເປີດໃຊ້ການເຂົ້າຫຼັກ ແລະ ການບັນທຶກຫຼາຍຊ່ອງຈະເຮັດໃຫ້ຄວາມກົດດັນຕໍ່ຄວາມຈຳເພີ່ມຂຶ້ນຢ່າງຮຸນແຮງ.

ບັນທຶກສຳຄັນ: ສິ່ງນີ້ເປັນຄວາມຈຳທີ່ໃຊ້ເຮັດວຽກ (DDR RAM), ບໍ່ແມ່ນທີ່ເກັບຂໍ້ມູນ eMMC. eMMC ເກັບເພີ່ງເທົ່ານັ້ນເຖິງໄຟລ໌ວິດີໂອທີ່ຖືກເຂົ້າຫຼັກແລ້ວ.

5.ການນຳໃຊ້ -ຊັ້ນທີ່ເຮັດວຽກຂອງຄວາມຈຳ ເຫດຜົນທາງດ້ານການປະຕິບັດທີ່ເກີດຈາກການວິເຄາະຜົນໄດ້ຮັບ, ການຕິດຕາມຫຼາຍວັດຖຸ, ການລາຍງານຂໍ້ມູນ, ການເກັບຂໍ້ມູນໄວ້ໃນທ້ອງຖິ່ນ ແລະ ການເກັບຮັກສາຮູບພາບສະແຕັກຊັນ ຈະໃຊ້ຄວາມຈຳ. ຕົວຢ່າງເຊັ່ນ: ອັລກົຣິດີມການຕິດຕາມຈະເກັບຂໍ້ມູນເປົ້າໝາຍຈາກຫຼາຍເຟຣມ. ການເພີ່ມຈຳນວນກ້ອງ ແລະ ວັດຖຸທີ່ຕິດຕາມຈະເຮັດໃຫ້ຊຸດຂໍ້ມູນໃຫຍ່ຂຶ້ນ ແລະ ຄວາມຕ້ອງການຄວາມຈຳໃນລະດັບການປະຕິບັດເພີ່ມຂຶ້ນ.

ປະສິດທິພາບຄວາມຈຳທີ່ເກີດຂື້ນຈິງໃນເວທີ RK3576

RK3576 ແມ່ນໂປເຊສເຊີ້ AI ຂອງທ້ອງຖິ່ນທີ່ນິຍົມໃຊ້ໃນດ້ານເວີຈຸ່ນ (edge), ມີປະສິດທິພາບ NPU ເຖິງ 6 TOPS, ເໝາະສົມຢ່າງຍິ່ງສຳລັບການນຳໃຊ້ AI-vision ທີ່ໃຊ້ກ້ອງຫຼາຍຕົວ. ບໍລິສັດຂອງພວກເຮົາມີຜະລິດຕະພັນທີ່ຜ່ານການຜະລິດຈຳນວນຫຼາຍແລ້ວຫຼາຍຊຸດ ທີ່ສາມາດຮອງຮັບກ້ອງໄດ້ຕັ້ງແຕ່ 1 ຫາ 6 ຊ່ອງ ເພື່ອປະສົມປະສານກັບຄວາມຕ້ອງການຂອງໂຄງການທີ່ແຕກຕ່າງກັນ. ຄວາມຈຳ DDR 4 GB ແມ່ນການຕັ້ງຄ່າທີ່ນິຍົມໃຊ້ໃນການຜະລິດຈຳນວນຫຼາຍ, ໃນຂະນະທີ່ຂະໜາດ DDR ອື່ນໆກໍຖືກສະເໜີເພື່ອຮອງຮັບການໃຊ້ງານທີ່ແຕກຕ່າງກັນ.

ຕາຕະລາງດ້ານລຸ່ມນີ້ຖືກນຳໃຊ້ກັບເຊັນເຊີກ້ອງທົ່ວໄປທີ່ມີຄວາມລະອອງ 1080p-4K ໃນທ້ອງຕະຫຼາດ:

ຖ້າທ່ານບໍ່ແນ່ໃຈກ່ຽວກັບການຕັ້ງຄ່າໆ ຄວາມຈຸໆ ທີ່ເໝາະສົມ, ກະລຸນາຕິດຕໍ່ທີ່ [email protected]. ພວກເຮົາຈະໃຫ້ການປະເມີນວິທີແກ້ໄຂທີ່ປັບແຕ່ງຕາມຈຳນວນຊ່ອງທາງກ້ອງ, ຄຸນນະພາບຮູບພາບ, ເຫດຜົນທຸລະກິດ ແລະ ແຮງງານການປະມວນຜົນໃນເວລາຈັດຕັ້ງ