英特尔® Developer Cloud for the Edge
满足所有边缘构建需求。随时随地。
英特尔® Developer Cloud for the Edge 旨在免费帮助您对采用英特尔® 硬件的 AI 和边缘解决方案进行评估、基准测试和原型设计。开发人员可以在边缘开发的任何阶段开始着手。
- 借助教程和参考实施研究问题或想法。
- 优化您的深度学习模型在各种英特尔硬件配置上的性能。
- 在裸机上导入或开发边缘推理应用。
- 为您的云原生应用导入或构建多容器解决方案。
如需开始，请选择最符合您目标的环境或解决方案。
裸机开发
在裸机基础设施上使用 JupyterLab 环境开发或导入计算机视觉或边缘 AI 应用。
- 已预装英特尔® 发行版 OpenVINO™ 工具套件
- 使用代码段快速设计原型
- 可重复使用的参考
- Python* 调试器
容器化开发
在容器中构建您的应用或导入您现有的容器化工作负载，以在各种英特尔硬件上进行测试。
- 使用 Kubernetes* 在英特尔硬件上启动容器化工作负载。
- 从预构建库、容器注册表或 Helm* 图表导入。
- 连接到云存储。
- 从 Git 导入源代码并构建容器映像。
公告
在新托管的英特尔® 酷睿™ i5-1250PE 处理器上，部署和评估您的 AI 工作负载。
学习使用 GStreamer* 管道执行复杂的媒体分析任务，例如使用英特尔® Deep Learning Streamer 2022.2 进行检测、分类和追踪。
查看教程
裸金属环境：性能指标仪表板为硬件和应用层面的指标添加了一个新的指标，名为 Power Usage (Watts)/Time GMT。此指标显示应用运行时的 CPU 功率使用情况，帮助用户进一步微调其工作负载和硬件配置。
试一试
利用提高的吞吐性能分析和评估更新的样本或教程。
同步 OpenVINO 2.0 API 教程：
异步 OpenVINO 2.0 API 样本和教程：
在新托管的英特尔® Data Center GPU Flex Series 170 上部署和评估 AI 工作负载。对于包括更复杂 AI 模型的管道，如多对象检测或多分类模型，GPU 是最优选择。
了解更多关于英特尔® Data Center GPU Flex Series 170 的信息
启动 JupyterLab 并马上尝试
学习部署工业计算机视觉模型，以检测真实世界的模拟指针式仪表，并使用英特尔® 发行版 OpenVINO™ 工具套件提取相应的数字读数。
在新托管的英特尔® Data Center GPU Flex Series 140 上部署和评估 AI 工作负载。该 GPU 拥有更多视频编码和解码引擎，可支持高流量的 AI 推理工作负载。
英特尔® Deep Learning Streamer（英特尔® DL Streamer）代码片段是可重复使用的小块代码，可插入到 Jupyter* 笔记本中，以便使用 OpenVINO™ 工具套件检测、分类和跟踪英特尔® Developer Cloud for the Edge 工作负载上的应用程序。使用 “DL Streamer_LTS” 标签过滤掉英特尔 DL Streamer 代码片段。
英特尔® Developer Cloud for the Edge 现在采用英特尔® 发行版 OpenVINO™ 工具套件版本 2022.2。
注意深度学习工作台在 2022.1 版的工具套件上。
分析和评估新添加的样本：使用 ResNet-50 进行图像分类和使用 BERT 进行序列分类，以利用 OpenVINO™ 与 ONNX* Runtime for PyTorch* 的集成加速 PyTorch* 模型推理。
在新托管的英特尔® 至强® D-2712T 和英特尔® 至强® D-2796NT 处理器上部署和评估您的 AI 工作负载。
快速浏览、导入或导出来自 Amazon S3 存储桶的 AI 模型和测试数据，以优化和评估英特尔® Developer Cloud for the Edge 中的英特尔® 硬件上的推理性能。
本教程笔记本具有可重复使用的代码片段，可帮助您快速创建 OpenVINO™ 应用程序。
在新托管的英特尔® 酷睿™ i7 和 i9 处理器上尝试您自己的 AI 工作负载。
利用 OpenVINO™ 与 ONNX* Runtime for PyTorch* 的集成作为运行时提供者在英特尔® 硬件上运行，以此加速 PyTorch 模型推理。
该解决方案利用英特尔® Deep Learning Streamer 和英特尔® 发行版 OpenVINO™ 工具套件来识别人员，并确定拥挤公共空间中的社交距离。
在新托管的英特尔® 酷睿™ i5 和 i7 处理器上尝试您自己的 AI 工作负载。
了解面向自动设备选择的最新推理 API 及性能提示，以动态优化延迟和吞吐量。
此增量更新包括针对文本分类模型的支持、工具中启用的 OpenVINO™ API 2.0、Cityscapes 数据集，以及针对自然语言处理 (NLP) 模型的初步支持。
代码片段是小段可重复使用的代码，它们可插入 Jupyter* Notebook 中，以帮助和加速在英特尔® Developer Cloud for the Edge 工作负载上利用 OpenVINO™ 工具套件对示例应用程序进行编码。
现在，您可以在新 Kubernetes* 环境中的英特尔® 硬件上导入并安全启动 HELM 图表、Docker* Compose 映像和容器。使用 JupyterLab 探索、编辑和测试 OpenVINO™ 工具套件示例应用程序，并使用经改进的深度学习工作台优化 AI 模型。
这些示例演示了噪声抑制、时间序列预测、使用 Tiny YOLO* V4 进行对象检测和神经网络压缩。
英特尔® Developer Cloud for the Edge 已更新为 2022.1 版 OpenVINO™ 工具套件。
在新托管的奔腾® 处理器上尝试您自己的 AI 工作负载或英特尔® Developer Cloud for the Edge 示例应用程序。
此版本增加了对英特尔® 发行版 OpenVINO™ 工具套件版本 2021.4.2 的支持，并且包含小缺陷修复和可用性增强。
此最新版本允许您进行开箱即用的基准测试、测量模型的准确性，以及对浮点和 INT8 模型等的准确性进行全面比较。
在使用示例、教程和原型笔记本时提供增强的体验。
英特尔® Developer Cloud for the Edge 现在采用英特尔发行版 OpenVINO 工具套件版本 2021.4.2。
此增量更新包括对分类模型类型的可解释 AI 的支持、推理结果的可视化、简化的 INT8 校准流程以及多处 UX 改进。
在各种目标部署硬件上无缝开发、构建和测试云原生容器应用程序。
在各种计算设备上将 OpenVINO 工具套件优化与 TensorFlow* 推理应用结合使用。
英特尔 Developer Cloud for the Edge 现在支持 OpenVINO 工具套件版本 2021.4.1。
在新托管的 OnLogic* 平台上尝试您自己的 AI 工作负载或英特尔 Developer Cloud for the Edge 示例应用程序。
创建数据集并探索将模型转换为 int8 和 TensorFlow 的性能优势。现在包括 YOLO* 模型支持。
探索如何在英特尔 Developer Cloud for the Edge 上使用无障碍零售业示例中的深度学习流媒体播放器构建媒体分析管道。
其他开发人员解决方案
面向工业的边缘
通过面向机器学习、数据分析和软件定义的控制的预验证软件包，在边缘加速工业解决方案开发。
OpenVINO™ 与 TensorFlow* 集成
此解决方案面向希望在 OpenVINO™ 工具套件推理应用程序中使用内置 TensorFlow* 模型的开发人员设计。在大多数情况下，只需两行代码就可以完成 OpenVINO™ 与 TensorFlow* 的集成。
深度学习工作台
使用英特尔® 发行版 OpenVINO™ 工具套件可调优、可视化和比较英特尔® 架构上的深度学习模型的性能，深度学习工作台简化了这些过程。
训练后优化工具
无需重新训练即可加速深度学习模型的推理。培训后优化工具 (POT) 提供了一套工具，可在不更改模型结构的情况下自动执行模型转换过程。
可用于边缘工作负载的硬件
在裸机和云原生容器架构中使用 CPU、GPU 和加速器的组合测试您的工作负载性能，确定最适合您的推理解决方案的硬件平台。