နိဒါန်း

သေးငယ်တဲ့အရွယ်ရှိရေစက်ရေတံခွန်မော်ဒယ်များသည် DeepSeek-R1 မှထုတ်လုပ်သောကွင်းဆက်၏အတွေးအခေါ်အချက်အလက်များကို အသုံးပြု. ကွင်းဆက်တပ်ဆင်ထားသောအချက်အလက်များကို အသုံးပြု. ညှိထားသည်...R1 ၏ကျိုးကြောင်းဆင်ခြင်နိုင်စွမ်းကိုအမွေဆက်ခံ။ ဤကောင်းမွန်စွာညှိထားသောဒေတာအစုများမှာပြ problem နာပြိုကွဲခြင်းနှင့်အလယ်အလတ်ဖြတ်ဖြတ်တောက်မှုများကဲ့သို့သောကျိုးကြောင်းဆင်ခြင်မှုဖြစ်စဉ်များကိုအတိအလင်းပါဝင်သည်။ အားဖြည့်ခြင်းလေ့လာခြင်းသည် R1 မှရရှိသောကျိုးကြောင်းဆင်ခြင်မှုများကိုကျိုးကြောင်းဆီလျော်သောပုံစံများဖြင့်ဖြည့်စွက်ထားသောမော်ဒယ်၏အပြုအမူပုံစံများကို aligned လုပ်ထားသည်။ ဒီအိပ်စက်မှုယန္တရားကသေးငယ်တဲ့မော်ဒယ်များကိုစွမ်းဆောင်ရည်ကိုထိန်းသိမ်းထားနိုင်အောင်လုပ်ပေးတဲ့မော်ဒယ်တွေကိုစွမ်းဆောင်ရည်မြင့်မားတဲ့စွမ်းဆောင်ရည်ကိုထိန်းသိမ်းထားဖို့ခွင့်ပြုထားပါတယ်။ ဥပမာအားဖြင့်, 14b ဗားရှင်းသည်မူရင်း Bypleek-R1 မော်ဒယ်လ်၏ကုဒ်၏ 92% ကိုရရှိခဲ့သည်။ ဤဆောင်းပါးသည်အထူးအကောင်အထည်ဖော်မှုဖြစ်ရပ်များနှင့်အတူအောက်ပါလမ်းညွှန်ချက် 4 ခုတွင် Develseek-R1 ရေတံခွန်ကွန်ပျူတာနှင့်၎င်း၏အဓိက applications များကိုမိတ်ဆက်ပေးသည်။

ပစ္စည်းကိရိယာများခန့်မှန်းထိန်းသိမ်းခြင်း

နည်းပညာဆိုင်ရာအကောင်အထည်ဖော်မှု

အာရုံခံကိရိယာ fusion:

PLCs မှတုန်ခါမှု, အပူချိန်နှင့်လက်ရှိဒေတာများကို Modbus Protocol မှတစ်ဆင့် PLC များမှတစ်ဆင့်ပေါင်းစပ်ပါ (နမူနာနှုန်း 1 khz)

ထုတ်ယူခြင်း

Jetson Orin NX တွင် Edge Impulse တွင် 128 ဒြပ်မီအချိန် - စီးရီး features များကိုထုတ်ယူပါ။

ပုံစံအခွ:

DaySeek-R1-R1-Distill-14b မော်ဒယ်လ်ကိုဖြန့်ဖြူးပါ။

ပြောင်းလဲနေသောညှိနှိုင်းမှု -

ယုံကြည်မှု> 85% ကိုအစပျိုးခြင်း> 85% ကိုအစပျိုးပြီး <60% <60% သောအချိန်တွင်ဒုတိယအတည်ပြုခြင်းလုပ်ငန်းစဉ်ကိုအစပျိုးပါ။

သက်ဆိုင်ရာကိစ္စ

Schneider Electric သည်ဤဖြေရှင်းချက်ကိုသတ္တုတူးဖော်ရေးစက်ကိရိယာများနှင့် ပတ်သက်. ဤဖြေရှင်းချက်ကို အသုံးပြု. မှားယွင်းသောအပြုသဘောဆောင်သောနှုန်းထားများကို 63% နှင့်ပြုပြင်ထိန်းသိမ်းမှုကုန်ကျစရိတ်များကိုလျှော့ချခြင်းဖြင့်လျှော့ချခဲ့သည်။

DeepSeek R1 Relsed Model တွင် INHAND AI EDGE EDGE ကွန်ပျူတာများပေါ်တွင်လည်ပတ်သည်

Enhanced အမြင်အာရုံစစ်ဆေးရေးတိုးမြှင့်

output ဗိသုကာ

ပုံမှန်ဖြန့်ကျက်မှုပိုက်လိုင်း -

Camera = GIGE_VIE_CAMERA (500FPS) # Gigabit Musical Camera
Frame = Cameri.Capture () # ဖမ်းယူပုံ
Preprocessed = opencv.denoise (former) # preprocessing
Defect_type = DeepSeek_r1_7b.infer (Preprocessed) # ချို့ယွင်းချက်ခွဲခြားခြင်း
unect_type! = 'ပုံမှန်' ဆိုပါက
plc.iggger_rectress () # ခလုတ် sorting ယန္တရား

စွမ်းဆောင်ရည်မက်ထရစ်

processing နှောင့်နှေး:

82 Ms (Jetson Agx Orin)

တိကျမှု -

ထိုးသွင်းခြင်းမှိုဆေးကြောခြင်းရှာဖွေတွေ့ရှိမှုသည် 98.7% သို့ရောက်ရှိသည်။

Deepseek R1 ၏သက်ရောက်မှုများ - မျိုးရိုးဗီဇများနှင့်ရှုံးနိမ့်သူများကို Generative AI တန်ဖိုးကွင်းဆက်တွင်

လုပ်ငန်းစဉ်စီးဆင်းမှု optimization

အဓိကနည်းပညာများ

သဘာဝဘာသာစကားအပြန်အလှန်ဆက်သွယ်မှု:

အော်ပရေတာများသည်အသံတစ်ခု၏အသံထွက်များကိုအသံဖြင့်ဖော်ပြထားသည် (ဥပမာ - Extruer ဖိအားအတက်အကျအတက်အကျ± 0.3 MPA ") ။

Multimodal ဆင်ခြင်ခြင်း:

မော်ဒယ်သည်ပစ္စည်းကိရိယာများသမိုင်းဆိုင်ရာအချက်အလက်များအပေါ် အခြေခံ. အကောင်းဆုံးအကြံပြုချက်များကိုထုတ်ပေးသည် (ဥပမာ - ဝက်အူမြန်နှုန်းကို 2.5%) ။

ဒစ်ဂျစ်တယ်အမွှာစိစစ်အတည်ပြု:

Parameter Plature ပလက်ဖောင်းပေါ်တွင် parameter သည် simulation validation ။

အကောင်အထည်ဖော်မှုအကျိုးသက်ရောက်မှု

Basf ၏ဓာတုဗေဒစက်ရုံသည်ဤအစီအစဉ်ကိုကျင့်သုံးခဲ့ပြီးစွမ်းအင်သုံးစွဲမှု 17% လျှော့ချပြီးကုန်ပစ္စည်းအရည်အသွေးနှုန်းမှာ 9% တိုးတက်လာသည်။

Edge Ai နှင့်စီးပွားရေးအနာဂတ် - Openai O1 vs. Elaid O1 Vs. Healthcare, Automotive နှင့် iiot အတွက် Deepseek R1

အသိပညာအခြေစိုက်စခန်းလက်ငင်းပြန်လည်ရယူခြင်း

ဗိသုကာဒီဇိုင်း

ဒေသခံ Vector ဒေတာဘေ့စ်:

စက်ပစ္စည်းလက်စွဲစာအုပ်များနှင့်လုပ်ငန်းစဉ်သတ်မှတ်ချက်များကိုသိမ်းဆည်းရန် Chromadb ကိုသုံးပါ (embedding dimension 768) ။

hybrid retieval:

ရှာဖွေမှုအတွက် BM25 algorithm + cosine ဆင်တူခြင်းပေါင်းစပ်ပါ။

ရလဒ်မျိုးဆက်:

R1-7B မော်ဒယ်သည်ပြန်လည်ရယူခြင်းရလဒ်များကိုအကျဉ်းချုပ်ဖော်ပြထားသည်။

ပုံမှန်ကိစ္စ

Siemens Engineers များသည်သဘာဝဘာသာစကားမေးမြန်းချက်များမှတဆင့် Inverter Deffer ကိုဖြေရှင်းပြီးပျမ်းမျှအပြောင်းအလဲရှိသောအချိန်ကို 58% လျှော့ချခဲ့သည်။

ဖြန့်ကျက်စိန်ခေါ်မှုများနှင့်ဖြေရှင်းချက်

မှတ်ဉာဏ်ကန့်သတ်ချက်များ:

32GB မှ 9GB မှ 9 ဘီလျံမော်ဒယ်လ်၏မှတ်ဉာဏ်အသုံးပြုမှုကိုလျှော့ချထားသော KV Cache Quantization နည်းပညာကိုအသုံးပြုသည်။

အချိန်နှင့်တပြေးညီစွမ်းဆောင်ရည်ကိုသေချာစေရန် -

Cuda ဂရပ်ဖစ် optimization မှတစ်ဆင့်± 15 Ms မှ± 15 Ms ကိုတည်ငြိမ်သောအခွကြပ်တည်းထားသည့်အံဝင်မြောက်ချိန်ညှိနိုင်သည်။

မော်ဒယ်ပျံ့:

အပတ်စဉ် incremental updates များ (parameters တွေကိုသာ 2% သာထုတ်လွှင့်) ။

အစွန်းရောက်ပတ်ဝန်းကျင်မှာ:

ကျယ်ပြန့်သောအပူချိန်အတွက်ဒီဇိုင်းရေးဆွဲထားသော -40 ° C မှ 85 ဒီဂရီစင်တီဂရိတ်နှင့် IP67 ကာကွယ်မှုအဆင့်နှင့်အတူ။

ကောက်ချက်

လက်ရှိဖြန့်ကျက်မှုကုန်ကျစရိတ်သည်ယခုအခါဒေါ်လာ 599 / node (Jetson orin nx) နှင့် 3C ထုတ်လုပ်ခြင်း, မော်တော်ယာဉ်စုဝေးခြင်းနှင့်စွမ်းအင်ဓာတုဗေဒဓာတုဗေဒဓာတုဗေဒဆိုင်ရာကဏ် sectors များ၌ဖွဲ့စည်းနိုင်သည့်တွက်ချက်မှုများပြုလုပ်နိုင်သည်။ Moe ဗိသုကာလက်ရာများကိုစဉ်ဆက်မပြတ်အကောင်းမြင်ခြင်းနှင့်တွက်ချက်မှုနည်းပညာနည်းပညာကိုစဉ်ဆက်မပြတ်မြှင့်တင်ခြင်းသည် 70B မော်ဒယ်လ်ကို 2025 နှစ်ကုန်တွင်အစွန်းထုတ်ကုန်များပေါ်တွင်လည်ပတ်ရန်မျှော်လင့်ရသည်။

ELV Cable ဖြေရှင်းချက်ကိုရှာပါ

control cable များ

BMS, ဘတ်စ်ကား, စက်မှု, ကိရိယာများအတွက်ကေဘယ်လ်အတွက်။

ဤနေရာကိုကလစ်နှိပ်ပါ

စနစ်တကျ cabling system ကို

ကွန်ယက်နှင့်ဒေတာ, ဖိုင်ဘာ Optic ကေဘယ်ကြိုး, patch ကြိုး, modules, faceplate