精品国产人成在线_亚洲高清无码在线观看_国产在线视频国产永久2021_国产AV综合第一页一个的一区免费影院黑人_最近中文字幕MV高清在线视频

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

Intel Developer Cloud Telemetry數(shù)據(jù)分析(二)

SDNLAB ? 來(lái)源:SDNLAB ? 2023-03-21 10:32 ? 次閱讀

Telemetry介紹

上一篇文章我們介紹了Intel Developer Cloud Telemetry的概念和功能,通過(guò)該功能的數(shù)據(jù)分析,可以更好地優(yōu)化產(chǎn)品方案。有關(guān)Telemetry 的工作原理和集成方法,我將在這篇文章里細(xì)細(xì)解釋。耐心看下去,相信您肯定可以在自己應(yīng)用中開(kāi)啟這個(gè)功能。

Telemetry收集流程

a32fa8d8-c772-11ed-bfe3-dac502259ad0.png| 圖 1-2 Telemetry收集數(shù)據(jù)流程概括來(lái)說(shuō),對(duì)自定義AI模型上運(yùn)行模型優(yōu)化,由Intel OpenVINO進(jìn)行推理,完成對(duì)AI模型的推理后,您就可以獲得計(jì)算節(jié)點(diǎn)上可用的遙測(cè)指標(biāo)。具體步驟如下:1. 導(dǎo)入所有自定義模型文件(tensorflow、kaldi、onnx 等)2. 使用模型優(yōu)化器以必要的精度創(chuàng)建模型中間表示 (IR) 文件3. 創(chuàng)建用于在計(jì)算節(jié)點(diǎn)上提交運(yùn)行推理的作業(yè)文件 (.sh)4. 使用 Application Metrics Writer 啟用遙測(cè)5. 為不同的計(jì)算節(jié)點(diǎn)提交作業(yè)并監(jiān)控作業(yè)狀態(tài)直到完成(提交作業(yè)會(huì)調(diào)用bash和自定義python文件)6. 在遙測(cè)儀表板上顯示模型指標(biāo)注意:流程里不止包含Telemetry。而是AI應(yīng)用在DevCloud上運(yùn)行的流程,以便您可以了解Telemetry功能在應(yīng)用里的位置。參考:https://www.embedded.com/enabling-telemetry-for-custom-models-in-intel-devcloud-for-the-edge/

Telemetry集成

這次依然選擇object-detection-python實(shí)例來(lái)介紹集成方法,應(yīng)用程序的 python 代碼中調(diào)用了applicationMetricWriter模塊向Telemetry傳遞數(shù)據(jù)指標(biāo)如,幀率、推理時(shí)間、模型名稱、推理硬件信息,下面通過(guò)具體代碼來(lái)展示詳細(xì)信息。
  • Step1. 登錄JupyterLab

登錄Intel Developer Cloud主頁(yè)后,點(diǎn)擊“Bare Metal Deployment”的“Get Started”按鈕,進(jìn)入Jupyter Lab開(kāi)發(fā)環(huán)境。在左側(cè)目錄導(dǎo)航欄選擇這個(gè)路徑:Reference-samples/iot-devcloud/openvino-dev-latest/developer-samples/python/,然后找到object-detection-python應(yīng)用。
  • Step2. 程序源碼分析

直接打開(kāi)object_detection.py,可以看到在文件開(kāi)頭部分導(dǎo)入了applicationMetricWriter模塊。我們可以在Jupyter notebook里直接查看它的函數(shù)。方法如下:a348073e-c772-11ed-bfe3-dac502259ad0.png| 圖 3-1在Jupyter notebook里查看函數(shù)可以看到它只有兩個(gè)函數(shù),使用起來(lái)非常的簡(jiǎn)單,我們來(lái)逐一介紹一下這兩個(gè)函數(shù)。send_inference_time() 用來(lái)向Telemetry 數(shù)據(jù)發(fā)送每一幀推送所消耗的時(shí)間,唯一要注意的是每一幀哦。這就要求你能區(qū)分每一幀推理的時(shí)間。如果你選擇async模式,就需要考慮是不是適用了。send_application_metrics 主要傳遞的是模型的名字和推理設(shè)備的名字,以便于你能更好地標(biāo)記這個(gè)任務(wù)。看到這你估計(jì)跟我剛開(kāi)始一樣,怎么沒(méi)有看到上傳CPU, GPU, Thermal 等數(shù)據(jù)上傳呢。其實(shí)是因?yàn)檫@些數(shù)據(jù)都是通用的,這塊就沒(méi)有必要放在用戶側(cè)來(lái)每次都重復(fù)寫(xiě)一遍,在后端直接默認(rèn)做了。從這里我們可以看到,最重要的數(shù)據(jù)還是推理時(shí)間的上傳。現(xiàn)在這兩個(gè)函數(shù)在程序里的調(diào)用時(shí)機(jī),這里我注釋了沒(méi)有必要的代碼,以方便觀察。

#!/usr/bin/env python

import applicationMetricWriter

...

def main():

...

try:

infer_time_start = time.time()

with open(processed_vid, "rb") as data:

while frame_count < video_len:

byte = data.read(CHUNKSIZE)

if not byte == b"":

deserialized_bytes = np.frombuffer(byte, dtype=np.uint8)

in_frame = np.reshape(deserialized_bytes, newshape=(n, c, h, w))

inf_time = time.time()

exec_net.start_async(request_id=current_inference,inputs={input_blob: in_frame})

# Retrieve the output of an earlier inference request

if previous_inference >= 0:

status = infer_requests[previous_inference].wait()

if status is not 0:

raise Exception("Infer request not completed successfully")

det_time = time.time() - inf_time

applicationMetricWriter.send_inference_time(det_time*1000)

res = output_postprocessor(exec_net.requests[previous_inference].output_blobs)

processBoxes(frame_count, res, labels_map, args.prob_threshold, width, height, result_file)

frame_count += 1

applicationMetricWriter.send_application_metrics(model_xml, args.device)

  • Step3.Telemetry數(shù)據(jù)訪問(wèn)

等應(yīng)用程序在邊緣節(jié)點(diǎn)運(yùn)行結(jié)束,我們就可以去查看Telemetry的數(shù)據(jù)了。數(shù)據(jù)的連接你可以參考這個(gè)object-detection-python里的方法,直接點(diǎn)擊1Telemetry按鍵獲取連接方式。a35fde5e-c772-11ed-bfe3-dac502259ad0.png| 圖 3-2 Telemetry地址 當(dāng)然您也可以自己手動(dòng)生成這樣一個(gè)連接,注意上圖中2框處的ID號(hào)。使用Telemetry 服務(wù)器地址拼接該ID號(hào),即可訪問(wèn)該數(shù)據(jù)。

https://devcloud.intel.com/edge/metrics/d/+ID

比如:https://devcloud.intel.com/edge/metrics/d/573403訪問(wèn)該路徑即可獲取Telemetry 的數(shù)據(jù)了。a37004b4-c772-11ed-bfe3-dac502259ad0.png| 圖 3-3 Telemetry界面

總 結(jié)

看到這相信您一定理解了Intel Developer Cloud Telemetry 的集成方法了,它并沒(méi)有我們想象的那么復(fù)雜。我這里總結(jié)出來(lái),只是為了方便剛開(kāi)始接觸這塊的您更快上手,不用花費(fèi)太多精力就可以更快的把事情搞定。如果您在使用過(guò)程中有碰到問(wèn)題,期待一起交流。這篇就到這吧。
審核編輯 :李倩


聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • AI
    AI
    +關(guān)注

    關(guān)注

    87

    文章

    28877

    瀏覽量

    266254
  • 應(yīng)用程序
    +關(guān)注

    關(guān)注

    37

    文章

    3198

    瀏覽量

    57364
  • 數(shù)據(jù)分析
    +關(guān)注

    關(guān)注

    2

    文章

    1393

    瀏覽量

    33909

原文標(biāo)題:Intel Developer Cloud Telemetry數(shù)據(jù)分析(二)

文章出處:【微信號(hào):SDNLAB,微信公眾號(hào):SDNLAB】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏

    評(píng)論

    相關(guān)推薦

    Intel PXA27x Processor Family Developer's Manual

    Intel PXA27x Processor Family Developer's Manual 共29章!值得一學(xué)!  
    發(fā)表于 11-23 09:56

    數(shù)據(jù)分析

    數(shù)據(jù)分析軟件
    發(fā)表于 05-28 22:31

    數(shù)據(jù)分析需要的技能

    商業(yè)價(jià)值的轉(zhuǎn)換,數(shù)據(jù)分析師是其中一個(gè)重要的職位,那么,想從事該職業(yè)需要具備哪些技能呢?1. 精通ExcelExcel處理技能是大數(shù)據(jù)分析師必備技能,并且需要十分精通,除了常規(guī)操作和函數(shù),一些不常
    發(fā)表于 04-10 15:59

    怎么有效學(xué)習(xí)Python數(shù)據(jù)分析

    Python在人工智能、機(jī)器學(xué)習(xí)領(lǐng)域受到火熱追捧,很大程度上在于它擁有非常龐大的第三方庫(kù),以及強(qiáng)大的通用編程性能。因此,快速掌握Python進(jìn)行數(shù)據(jù)分析,就是學(xué)習(xí)Python各種第三方庫(kù)、工具包
    發(fā)表于 06-28 15:18

    傳統(tǒng)的商業(yè)分析怎么被數(shù)據(jù)分析取代的

    數(shù)據(jù)分析為什么能夠打敗傳統(tǒng)的商業(yè)分析
    發(fā)表于 04-13 11:48

    基于Python的數(shù)據(jù)分析

    《利用Python進(jìn)行數(shù)據(jù)分析》 113日期范圍、頻率和移位
    發(fā)表于 05-01 11:24

    BI分享秀——高度開(kāi)放的數(shù)據(jù)分析經(jīng)驗(yàn)共享

    由于以前的數(shù)據(jù)分析軟件并沒(méi)有一個(gè)開(kāi)放性的分析經(jīng)驗(yàn)共享板塊,因此很多的用戶基本上都是在閉門(mén)造車(chē),延續(xù)自己的分析思維。因此一旦遇到新的分析內(nèi)容、需求,以前的
    發(fā)表于 05-12 14:23

    BI數(shù)據(jù)分析軟件使用指南

    存貯。數(shù)據(jù)可視化分析報(bào)表制作一鍵新建報(bào)表、應(yīng)用可視化圖表后,通過(guò)拖拉拽就能自定義可視化圖表的大小、排版,點(diǎn)擊即可完成數(shù)據(jù)集、匯總、行列維度等基礎(chǔ)設(shè)置。如果你想更快地制作BI
    發(fā)表于 01-04 11:00

    成為Python數(shù)據(jù)分析師,需要掌握哪些技能

    相關(guān)分析法回歸分析法聚類(lèi)分析法判別分析法主成分分析法因子分析法對(duì)應(yīng)
    發(fā)表于 06-30 11:42

    電商數(shù)據(jù)分析攻略,讓你輕松搞定數(shù)據(jù)分析

    在當(dāng)今的數(shù)字經(jīng)濟(jì)時(shí)代,運(yùn)用大數(shù)據(jù)分析來(lái)促進(jìn)業(yè)務(wù)增長(zhǎng)已然成為一種普遍行為,擁有一套系統(tǒng)化的數(shù)據(jù)分析方案尤為重要。奧威BI電商數(shù)據(jù)分析方案是一種基于數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)技術(shù)的解決方案,以豐富
    發(fā)表于 06-27 09:22

    數(shù)據(jù)分析步驟

    數(shù)據(jù)分析過(guò)程的主要活動(dòng)由識(shí)別信息需求、收集數(shù)據(jù)分析數(shù)據(jù)、評(píng)價(jià)并改進(jìn)數(shù)據(jù)分析的有效性組成。
    的頭像 發(fā)表于 12-19 16:36 ?4.9w次閱讀

    IBM Cloud Pak for Data平臺(tái)讓數(shù)據(jù)分析變得更簡(jiǎn)單

    實(shí)驗(yàn)室。但對(duì)非科技專(zhuān)業(yè)的學(xué)生和院系來(lái)說(shuō),分析數(shù)據(jù)的技術(shù)及工具很復(fù)雜和難用。因此,仁大選擇了IBM Cloud Pak for Data平臺(tái),解決這個(gè)難題,令數(shù)據(jù)分析變得更簡(jiǎn)單。
    的頭像 發(fā)表于 04-14 11:26 ?1784次閱讀

    Intel? Developer Cloud Telemetry數(shù)據(jù)分析

    Telemetry 數(shù)據(jù)包含在給定作業(yè)運(yùn)行期間的應(yīng)用程序詳細(xì)信息——即:平均推理時(shí)間 (MS)、推理計(jì)數(shù)、目標(biāo)硬件。它還包括以下指標(biāo):每秒幀數(shù)、推理時(shí)間、推理期間的 CPU/GPU 使用率、平均 CPU/GPU 溫度以及推理期間的內(nèi)存使用率。
    的頭像 發(fā)表于 03-17 11:17 ?362次閱讀

    Intel Developer Cloud Telemetry數(shù)據(jù)分析(一)

    Telemetry(遙測(cè))是指Intel Developer Cloud 幫助開(kāi)發(fā)者收集應(yīng)用程序執(zhí)行時(shí)開(kāi)發(fā)者指定的信息,并通過(guò) UI 的形式展現(xiàn)的功能,該功能可以被啟動(dòng)或關(guān)閉。
    的頭像 發(fā)表于 06-05 15:57 ?580次閱讀
    <b class='flag-5'>Intel</b> <b class='flag-5'>Developer</b> <b class='flag-5'>Cloud</b> <b class='flag-5'>Telemetry</b><b class='flag-5'>數(shù)據(jù)分析</b>(一)

    Intel Developer CloudTelemetry數(shù)據(jù)分析

    在上一篇文章中介紹了 Intel Developer Cloud Telemetry 的概念和功能,通過(guò)該功能的數(shù)據(jù)分析,可以更好地優(yōu)化產(chǎn)品
    的頭像 發(fā)表于 07-07 10:55 ?510次閱讀
    <b class='flag-5'>Intel</b> <b class='flag-5'>Developer</b> <b class='flag-5'>Cloud</b>之<b class='flag-5'>Telemetry</b><b class='flag-5'>數(shù)據(jù)分析</b>