Sedna

Что такое Sedna?

Sedna — это проект искусственного интеллекта, основанный на синергии периферийных и облачных вычислений, разработанный в рамках KubeEdge SIG AI. Используя возможности синергии между периферийными и облачными вычислениями, предоставляемые KubeEdge, Sedna может реализовывать совместное обучение и совместный логический вывод между периферийными устройствами и облаком, такие как совместный логический вывод, инкрементное обучение, федеративное обучение и непрерывное обучение. Sedna поддерживает популярные фреймворки искусственного интеллекта, такие как TensorFlow, Pytorch, PaddlePaddle, MindSpore.

Sedna позволяет просто включить возможности синергии периферийных и облачных вычислений в существующие сценарии обучения и логического вывода, обеспечивая преимущества снижения затрат, повышения производительности модели и защиты конфиденциальности данных.

Возможности

Sedna обладает следующими возможностями:

• Предоставляет платформу искусственного интеллекта для синергии периферийных и облачных вычислений.
• Управляет наборами данных и моделями между периферийными и облачными устройствами, помогая разработчикам быстро реализовывать приложения с использованием синергии искусственного интеллекта.
• Обеспечивает платформы для совместного обучения и логического вывода между периферийными и облачными устройствами.
• Совместный логический вывод: при ограниченных ресурсах на периферии сложные задачи логического вывода передаются облаку для повышения общей производительности при сохранении пропускной способности.
• Инкрементное обучение: модели могут адаптироваться к небольшим выборкам и неидентично распределённым данным на периферии с течением времени в облаке или на периферии.
• Федеративное обучение: для сценариев, когда данные слишком велики, нежелательно переносить необработанные данные в облако или требуется высокая степень защиты конфиденциальности, модели обучаются на периферии, а параметры агрегируются в облаке для эффективного решения проблем разрозненности данных.
• Непрерывное обучение: в сложных сценариях с неоднородным распределением данных и небольшими выборками на периферии непрерывное обучение на основе синергии периферийных и облачных устройств использует базу знаний облака, что даёт схеме возможность запоминания, позволяя непрерывно учиться и накапливать исторические знания для преодоления проблемы катастрофического забывания.
• Совместимость
  • Совместимость с основными фреймворками искусственного интеллекта, такими как TensorFlow, Pytorch, PaddlePaddle и MindSpore.
  • Предоставляет расширенные интерфейсы для разработчиков, позволяющие быстро интегрировать сторонние алгоритмы, и некоторые необходимые алгоритмы для синергии периферийных и облачных устройств уже предустановлены, например, поиск сложных образцов, алгоритм агрегации.

Архитектура

Синергия периферийных и облачных технологий в Sedna реализована на основе следующих возможностей, предоставляемых KubeEdge:

• Унифицированная оркестрация приложений между периферийными и облачными средами.
• Маршрутизатор: канал обмена сообщениями между периферийными и облачными средами в плоскости управления.
• EdgeMesh: обнаружение микросервисов и управление трафиком между периферийными и облачными средами на уровне данных.

Компонент

Sedna состоит из следующих компонентов:

GlobalManager

• Единое управление задачами искусственного интеллекта на базе синергии периферийных и облачных систем.
• Управление синергией периферийных и облачных систем и сотрудничество между ними.
• Центральное управление конфигурацией.

LocalController

• Локальное управление процессами задач искусственного интеллекта на базе синергии периферийных и облачных систем.
• Общее локальное управление: синхронизация моделей, наборов данных и статусов.

Worker

• Выполняет логический вывод или обучение на основе существующего фреймворка машинного обучения.
• Запускается по требованию, подобно контейнерам Docker.
• Различные рабочие процессы для разных функций.
• Может работать на периферийном устройстве или в облаке.

Lib

• Предоставляет функциям периферийного искусственного интеллекта доступ к приложениям, то есть программам обучения или логического вывода.

Руководства

Документы

Документация находится... ### Установка Следуйте документу по установке Sedna (docs/setup/install.md), чтобы установить Sedna.

Примеры

Пример 1: Использование сервиса совместного логического вывода в сценарии обнаружения шлемов (Using Joint Inference Service in Helmet Detection Scenario).

Пример 2: Использование задания инкрементального обучения в сценарии обнаружения шлемов (Using Incremental Learning Job in Helmet Detection Scenario).

Пример 3: Использование задания федеративного обучения в сценарии обнаружения поверхностных дефектов (Using Federated Learning Job in Surface Defect Detection Scenario).

Пример 4: Использование задания федеративного обучения для обнаружения объектов на основе YoLov5 (Using Federated Learning Job in YoLov5-based Object Detection).

Пример 5: Использование задания непрерывного обучения для прогнозирования теплового комфорта (Using Lifelong Learning Job in Thermal Comfort Prediction Scenario).

Пример 6: Использование сервиса MultiEdge Inference для отслеживания инфицированного носителя COVID-19 в сценариях пандемии (Using MultiEdge Inference Service to Track an Infected COVID-19 Carrier in Pandemic Scenarios).

План развития

• План развития на 1 квартал 2021 года

Встреча

Регулярное собрание сообщества: — Тихоокеанское время: четверг, 10:00–11:00 по пекинскому времени (еженедельно, начиная с 12 ноября 2020 г.). (Преобразование в ваш часовой пояс)

Ресурсы: — Заметки и повестка дня собрания — Записи собрания — Ссылка на собрание — Календарь собраний | Подписаться

Контакты

Если у вас есть вопросы, не стесняйтесь обращаться к нам следующими способами: — канал Slack (https://kubeedge.io/docs/community/slack/)

Участие в разработке

Если вы заинтересованы в участии в разработке кода Sedna и хотите внести свой вклад, пожалуйста, ознакомьтесь с разделом УЧАСТИЕ В РАЗРАБОТКЕ для получения подробной информации о подаче исправлений и процессе внесения вклада.

Лицензия

Sedna находится под лицензией Apache 2.0. Подробнее см. в файле ЛИЦЕНЗИЯ.