【CIRCUS Pi】AI 教學——實測 UP Squared Pro 7000 Edge 製作 AI 專案
習慣以筆電或桌機運行 Windows 的使用者在製作 AI 邊緣運算專案時，選擇同樣安裝Intel CPU的單板電腦能大幅度降低熟悉新系統的時間，而OpenVINO 2022.1出現更降低了Intel 執行 AI 推論的部屬與操作時間，本文將使用研揚的 UP Squared Pro 7000 Edge進行實測與教學。
【開箱評測】OpenVINO讓你不上網也能和Dolly聊聊天
以往在AI模型部署優化及推論部份，通常都會想到使用 Intel OpenVINO，不過大家多半只注意到它在「電腦視覺」相關的應用，殊不知自從2022.1版後就已開始加入許多「自然語言」的範例。而最近2023.0版又更加強GPU處理記憶體動態外形(Dynamic Shape)的能力，使得如生成型預訓練變換模型(GPT)這類基於轉換器(Transfomer)技術的大型語言模型能得到更好的實現。
不用買顯卡 OpenVINO 也能玩 Stable Diffusion V2！
近期掀起的一陣AIGC浪潮讓ChatGPT大型語言模型、Midjourney與DALL-E等圖像生成模型備受關注，其中又以Stable Diffusion最受到社群熱烈討論，主要原因就是可以自行佈署與修改模型，可玩性與彈性相當大！本篇就要來介紹如何使用OpenVINO Notebooks來玩Stable Diffusion V2！
【開箱評測】巴掌大的迷你主機也能跑出高效AI推論表現！
為了更進一步了解這類迷你主機在AI推論效能的表現，此次選用東擎(ASRock Industrial) NUC BOX-1260P作為測試機，AI推論部份則選用OpenVINO 2022.3版作為基礎工具。而測試項目則使用OpenVINO Notebooks中最新的物件偵測「Convert and Optimize YOLOv8 with OpenVINO」範例作為實測效能的分析。
實作 OpenVINO 加速 YOLOv7 推論
YOLOv7 使用了 pyTorch 框架實作 YOLO 架構，並且導出模型，這在使用上無疑更具彈性與方便性。本篇文章將運用 OpenVINO 來對 YOLOv7 模型進行轉換，提高其在邊緣裝置上的 AI 推論效能！
【評測文】工業AIOT邊緣運算電腦與OpenVINO 的結合實測
OpenVINO工具套件讓電腦視覺AI應用開發人員能跨多個硬體平台加速AI模型的效率，本文是針對OpenVINO在工業電腦上運作的效率進行驗證而做出的評測報告。
No Code自動化工具：n8n AI實作課程說明會
.jpg)
.jpg)