概览
描述
Renesas AI Model Deployer 图形用户界面 (GUI) 是一款直观的可在图形用户界面下使用的工具，集成了 NVIDIA 强大的 TAO 工具包。 使用该工具可为嵌入式开发人员扫除了传统开发方式的障碍。无论您是刚刚开始 AI 之旅，还是希望优化边缘部署，使用该工具均能提供一条简单且可扩展的实施路径。
Renesas AI Model Deployer 工具可以在本地的标准工作站运行，开发人员无需依赖云端服务器即可便捷地开展原型设计和测试工作。 该 GUI 工具支持三种方式实现端到端的视觉应用，使客户能够了解如何将 TAO 用于目标检测和图像分类应用场景。
Renesas AI Model Deployer 是一款专为嵌入式开发人员设计的实用型端到端工具，为管理视觉 AI 开发工作提供简洁高效的解决方案。 用户通过执行工具附带的 shell 脚本即可快速设置环境，且该 GUI 工具还可提供完整的端到端 AI 开发流程：
- 创建项目（选择模型、开发板和任务）
- 拆分与分析数据集
- 训练与优化模型（QAT 和剪枝）
- 可视化评估（mAP 或 Top-K 精度）
- 基于样本的推理测试
- 简化的硬件部署流程
该 GUI 工具还支持实时摄像头推理、USB 流传输和可视化的部署界面，为开发人员提供即时反馈，并确保其模型在真实场景中正常运行。 瑞萨电子通过将先进的 AI 技术融入仅通过点击式就可以完成操作的体验过程中，使客户能够更快、更轻松地构建更智能、更高效的边缘产品，并显著降低开发风险。
对于希望创建生产级系统的用户而言，我们可借助 GitHub 开放的 Jupyter Notebook 编辑界面实现灵活的编程。 开发人员可以通过自定义数据处理的工作流，探索 TAO 工具包的其他功能，如复杂的增强策略、高级超参数调整，甚至实现基于用户模型 (BYOM) 的方法。 这些脚本将 GUI 提供的基础模型转化为定制的模型，满足实际应用场景需求。
特性
- 技术集成示例：Renesas AI Model Deployer 工具集成了多个演示示例，完整呈现 AI 部署的具体流程。
- 基于 RZ/V2H 和 RZ/V2L 平台的 DetectNet v2 目标检测
- 模型：采用 ResNet-18 的 DetectNet v2
- 数据集：KITTI 数据集（车辆、行人、骑行者）
- 部署：通过 DRP-AI 部署量化模型，具有实时摄像头推理和边界框可视化功能。
- 基于 RA8D1 MCU 的 MobileNetV2 图像分类
- 模型：MobileNetV2
- 数据集：可降解医疗废弃物分类（10 个类别，如注射器、手套、移液管等）
- 部署：通过 TFLite 进行量化，并通过 e2 studio 完成部署。
- 基于 RZ/V2H 和 RZ/V2L 平台的 DetectNet v2 目标检测
- 除了上述即用型示例，开发人员还可使用 Jupyter Notebook 进行更深层次的实验性探索。 示例包括集成附加的数据集、高级模型再训练，甚至利用 客户自行实现模型 (BYOM) 流程实现完全定制化解决方案。
发布信息
有关更多信息和链接，请访问 GitHub。
目标设备
设计和开发
支持
视频和培训
This video demonstrates the Renesas AI Model Deployer, a GUI-based tool integrated with NVIDIA’s TAO Toolkit. Designed to run locally on standard workstations, it simplifies AI model development and deployment for object detection and image classification at the edge.
Related Resources