Processzor és mikrovezérlő fejlesztőkészlet NCSM2485.DK Bővítőlap

A többes számú Compute Stick 2 (NCS2) egy USB-kártya, amely hozzáférést biztosít a hálózat neurális funkciójához nagy és drága hardver nélkül. Segítségével a számítógépes Vision és a mesterséges intelligencia (AI) funkció integrálhatók az IoT-hez és a csúcseszközökhöz. Az ideghálózat olyan módszer, amellyel megtaníthatjuk a gépeket, hogy úgy tanuljanak, mint az emberek.
Az Intel NCS2 az Intel Movidius™ Miriad™ VPU-ra épül, amely külön hardvergyorsítóval rendelkezik a DNN-interferenciához. Az NCS2-t az OpenVINO™ eszközkészlet támogatja.
Ez a tökéletes eszköz a fejlesztők, az adatkutatók, az ipari mérnökök, az AI-mérnökök és az akadémiák számára.

A többes szám számító Memory Stick 2 USB 2.0 csatlakozóval rendelkezik, amelyet a gazdaeszközbe, például számítógépbe, laptopba vagy egykártyás számítógépbe (SBC) kell helyezni. Ez egy plug-and-play eszköz, így azonnal elkezdheti a prototípus-készítést.
Az OpenVINO™ Toolkit segítségével felgyorsíthatja a legmélyebb hálózati tervezéseket és ötleteket. Nagy teljesítményű, nagy hatékonyságú, nyílt forráskódú platform, amely különböző platformokon is kompatibilis.

A legújabb NCS-modell Intel-től
Plug-and-play USB-formátum
Tökéletes A Szoros hálózati alkalmazásokhoz (DNN)
Az Intel® Moviodus™ Miriad™ X VPU tulajdonságai
Kiváló jellemzőjű
Kis teljesítményfelvétel

A hálózati számítástechnikai kártya a legújabb Intel modell. A két modell közötti legfontosabb különbség az, hogy az NCS1 Miriád 2 VPU-t használ, míg az NCS2 Miriád X VPU-t használ. Az előző NCS1 verzió itt található: ( 139-3655 )

Az NCS2 fejlesztőeszköz lehetővé teszi a képzelet megteremtését. Az eszköz segítségével felismerhetők a képbemenetről érkező arcok, objektumok vagy akár érzelmek is. Ezt követően az adatok kategorizálása mozgássá alakítható.
Például Ausztrália Kis cipzárkata ünnepfője, az Intel NCS segítségével az új dél-walesi partvonalat lehetett megfigyelni, és a cápákat azonosítani. Ez az adat azonnali veszélyérzékelést biztosít, és több válaszidőt tett lehetővé.

A neurális hálózatok (más néven "mélytanulás") olyan géptanulási típus, amely lehetővé teszi a képelemzésekből és videó elemzésekből származó adatok rendezését és csoportosítását. A mély neurális hálózatok (DNN) kissé bonyolultabbak, legalább két rétegben.
Az agyunk működését tükröző algoritmusok sorozatával működik. Ezek azonosítják a korrelációkat, és csoportosítják az elemeket. Az ideghálózatok képesek olyan adatok rendszerezésére, amelyek nincsenek felcímkézve, vagy előzőleg strukturáltak.
Az ideghálózat egyik példája a képek és videók szemeinek felismerése. Egy lépéssel továbbhaladva az ideghálózat az érzelmeik észlelésére is alkalmas lehet.