人工智能（AI）的工作负载包括兆字节的数据和潜在的数十亿计算。随着硬件的进步，现在可以在边缘运行对时间敏感的人工智能工作负载，同时也可以将输出发送到云端以供下游应用程序使用。边缘处理的人工智能场景可以促进重要的业务场景，例如验证建筑工地上的每个人是否都戴着安全帽，或者检测商店货架上的物品是否缺货。支持这些场景所需的硬件、软件和人工智能模型的组合可能很难组织起来。为了消除这一障碍，我们去年与高通公司宣布推出一款开发工具包，以加速智能边缘的人工智能推断。今天，我们很高兴地与大家分享，visionai开发工具包现已广泛提供。开发工具包包括一个使用高通公司Vision Intelligence 300平台的摄像头，以及使用Azure IoT edge和Azure机器学习开发智能边缘解决方案所需的软件。它支持一个端到端的支持Azure的解决方案，在边缘设备上进行本地实时图像处理，并在Azure上进行模型培训和管理。我们的合作伙伴eInfochips生产的Vision AI开发工具包现在可以从Arrow Electronics订购。使用Vision AI开发工具包，您可以在几分钟内将Vision模型部署到智能边缘，而不管您当前的机器学习技能水平如何。下面，我们将详细介绍三个供开发人员开始使用的选项，包括不使用自定义Vision的代码、Azure认知服务、具有Azure机器学习功能的自定义模型以及由VisualStudio代码提供的完全集成的开发环境。Azure认知服务支持无代码开发customvision是一个Azure认知服务，它允许你构建自己的计算机视觉模型，即使你不是一个数据科学家。它提供了一个用户友好的界面，引导您完成上传数据、培训和部署客户视觉模型（包括图像标记）的过程。Vision AI开发人员工具包与自定义Vision的集成包括使用Azure IoT Hub将自定义Vision模型直接部署到开发人员工具包的功能。这些定制的视觉模型然后使用相机的Snapdragon神经处理引擎（SNPE）进行加速，即使离线也能快速运行图像分类面向数据科学家的Azure机器学习集成Azure Machine Learning使用满足您需求的工具（包括代码优先、可视化拖放和自动机器学习体验）简化了机器学习模型的构建、培训和部署。visionai开发工具包使数据科学家能够使用Azure Machine Learning来构建定制模型，并将其部署到包含的摄像头上。《使用Pyter机器学习入门指南》中提供的Azure实现。这些参考实现引导数据科学家完成将培训数据上传到Azure Blob存储、运行转移学习实验、将训练的模型转换为与开发者工具包平台兼容的步骤，以及通过Azure IoT Edge进行部署的步骤。面向开发人员的Visual Studio代码集成visualstudio代码为开发人员提供了一个单一的开发环境来管理他们的代码并通过插件访问Azure服务。对于使用visualstudio代码的开发人员，我们创建了一个GitHub存储库，其中包括示例Python模块、预构建的azureiot部署配置以及用于容器创建和部署的Dockerfiles。您可以使用visualstudio代码修改示例模块，或者创建自己的模块并将其容器化以部署到摄像机上。安装Vision AI DevKit extension for Visual Studio代码，以充分利用开发人员工具包作为云管理设备的优势。通过该扩展，您可以部署模块、查看来自设备的消息、管理Azure IoT集线器等，所有这些都可以从熟悉的开发环境中进行。您还可以利用visualstudio代码将业务逻辑添加到您自己的Azure解决方案中，这些解决方案使用IoT集线器从摄像头获取信息，并使用Azure流分析将摄像头数据转换为标准化的数据流。下一步行动要订购您自己的VisionAI开发工具包，请访问Arrow的产品页面。有关更多信息，请访问Vision AI DevKit GitHub。