ramowy Savant
Ogłoszono premierę nowej wersji Savant 0.2.5, która jest oparta na nowym pakiecie SDK Nvidia DeepStream 6.3, a także z ulepszeniami w zakresie adapterów, koderów i nie tylko.
Osoby niezaznajomione z frameworkiem powinny o tym wiedzieć zajmuje się całą pracą z GStreamerem lub FFmpeg, co pozwala skupić się na tworzeniu zoptymalizowanych potoków danych wyjściowych przy użyciu składni deklaratywnej (YAML) i funkcji języka Python.
Nauczyli ukrywa wszystkie elementy wewnętrzne Gstreamera przed deweloperem i zapewnia praktyczne narzędzia do wdrażania strumieniowych aplikacji AI w prawdziwym życiu. Wykorzystuje standardowy model Nvidia PeopleNet do wykrywania ludzi i ich twarzy a zwłaszcza w miejscach, w których obowiązują przepisy dotyczące prywatności, ramy umożliwiają śledzenie i zamazywanie twarzy.
Co nowego w Savant 0.2.5?
W tej nowej wersji zaprezentowano Savant 0.2.5, jak już wspomniano Główną nowością jest baza w nowym SDK de NVIDIA DeepStream 6.3 który obejmuje poprawki błędów i ulepszenia kodowania wideo.
A w nowej wersji Koder JPEG obsługuje teraz kodowanie wspomagane dGPU, ponieważ w poprzednich wersjach koder JPEG był oparty na oprogramowaniu. Naprawiono problem z koderem H.264.
Ze strony ulepszenia narzędzi deweloperskich, Podkreśla się, że Savant obsługuje teraz OpenTelemetry, co pozwala na instrumentację każdej ramki przetwarzanej przez potok, a także profilowanie kodu, przypisywanie rekordów i atrybutów do śladów oraz analizowanie błędów i wąskich gardeł w potoku.
W Savant 0.2.5 to się wyróżnia synchroniczny i asynchroniczny zestaw SDK klienta które można wykorzystać do opracowania testów jednostkowych, w pełni funkcjonalnych testów integracyjnych i niestandardowych adapterów.
Oprócz tego należy również zauważyć, że Savant ma teraz przydatny skrypt do przyjmowania filmów lub obrazów do potoku bezpośrednio ze środowiska programistycznego, bez konieczności uruchamiania oddzielnych adapterów.
Z drugiej strony wyróżnia się nowy adapter do przetwarzania danych z wykorzystaniem Kafki/Redis, które umożliwiają skalowalne przetwarzanie potrzebne do obsługi wielu strumieni w skalowalnych środowiskach o dużym obciążeniu. Adaptery obsługują metadane za pomocą Kafki i wideo c
Również a wielostrumieniowy adapter testowy źródła, który umożliwia pomiar wydajności potoku i dostrajanie parametrów, zaimplementowaliśmy adapter narzędziowy, który pobiera wiele przepływów do potoku. Adapter może utworzyć żądane obciążenie równoległe, aby pomóc zrozumieć, jak potok zachowuje się pod obciążeniem i odkryć optymalne ustawienia wydajności.
z inne zmiany, które się wyróżniają tej nowej wersji Savanta 0.2.5
- Python SDK do tworzenia własnych adapterów.
- Adapter strumieniowego przesyłania wideo RTSP umożliwia jednoczesne przetwarzanie wielu strumieni.
- Kodowanie HEVC dla kamer przemysłowych GigE, dzięki któremu strumienie odzyskane z kamer GigE Vision można kodować za pomocą HEVC i w razie potrzeby przesyłać kanałami wąskopasmowymi.
- Ponowna identyfikacja twarzy przy użyciu YOLOV8-Face, AdaFace i HNSWlib.
- Przewidywanie płci i wieku na podstawie YOLOV8-Face, MobileNet V2.
- Segmentacja instancji w czasie rzeczywistym (ponad 100 FPS) w oparciu o YOLOV8M-Seg.
- Zamknięto 14 raportów o błędach.
Dokonano przejścia z protokołu transmisji danych opartego na Apache AVRO na protokół oparty na Rust Rkyv (pozwolono na zmniejszenie rywalizacji o GIL, zwiększenie szybkości serializacji i deserializacji). - Poprawiono sposób działania obrazu Dockera
- Dodano obsługę grup elementów, które umożliwiają łączenie odmian przetwarzania danych w ramach potoku.
- Zaimplementowano zaawansowaną konfigurację rejestrowania z obsługą różnych poziomów dla różnych komponentów.
- Dodano koder programowy H.264 dla kart A100, V100, A40, Nvidia Jetson Orin Nano.
- Dodano czujnik przeciążenia przenośnika.
w końcu jeśli jesteś chcesz dowiedzieć się więcej na ten temat o nowej wersji możesz sprawdzić szczegóły W poniższym linku.