හැඳින්වීම

DeepSeek-R1 හි කුඩා ප්‍රමාණයේ ආසවනය කළ ආකෘති, DeepSeek-R1 මගින් ජනනය කරන ලද චින්තන දාම දත්ත භාවිතයෙන් සියුම්ව සකස් කර ඇති අතර, ඒවා සලකුණු කර ඇත්තේ...ටැග්, R1 හි තර්ක කිරීමේ හැකියාවන් උරුම කර ගනී. මෙම සියුම් ලෙස සකස් කරන ලද දත්ත කට්ටලවල ගැටළු වියෝජනය සහ අතරමැදි අඩු කිරීම් වැනි තර්ක කිරීමේ ක්‍රියාවලීන් පැහැදිලිවම ඇතුළත් වේ. ශක්තිමත් කිරීමේ ඉගෙනීම R1 මගින් ජනනය කරන ලද තර්ක කිරීමේ පියවර සමඟ ආසවනය කළ ආකෘතියේ හැසිරීම් රටා පෙළගස්වා ඇත. මෙම ආසවන යාන්ත්‍රණය කුඩා ආකෘතිවලට පරිගණක කාර්යක්ෂමතාව පවත්වා ගැනීමට ඉඩ සලසන අතර විශාල ආකෘතිවලට ආසන්නව සංකීර්ණ තර්ක කිරීමේ හැකියාවන් ලබා ගනී, එය සම්පත්-සීමා සහිත අවස්ථා වලදී සැලකිය යුතු යෙදුම් වටිනාකමක් ඇත. උදාහරණයක් ලෙස, 14B අනුවාදය මුල් DeepSeek-R1 ආකෘතියේ කේත සම්පූර්ණ කිරීමෙන් 92% ක් ලබා ගනී. මෙම ලිපිය DeepSeek-R1 ආසවනය කළ ආකෘතිය සහ කාර්මික දාර පරිගණකකරණයේ එහි මූලික යෙදුම් හඳුන්වා දෙයි, විශේෂිත ක්‍රියාත්මක කිරීමේ අවස්ථා සමඟ පහත දිශාවන් හතරෙන් සාරාංශ කර ඇත:

උපකරණවල පුරෝකථන නඩත්තුව

තාක්ෂණික ක්‍රියාත්මක කිරීම

සංවේදක විලයනය:

මොඩ්බස් ප්‍රොටෝකෝලය හරහා පීඑල්සී වලින් කම්පනය, උෂ්ණත්වය සහ වත්මන් දත්ත ඒකාබද්ධ කරන්න (නියැදි අනුපාතය 1 kHz).

විශේෂාංග උපුටා ගැනීම:

128-මාන කාල-ශ්‍රේණි විශේෂාංග උපුටා ගැනීමට Jetson Orin NX හි Edge Impulse ධාවනය කරන්න.

ආදර්ශ අනුමානය:

දෝෂ සම්භාවිතා අගයන් ජනනය කිරීම සඳහා විශේෂාංග දෛශික ආදානය කරමින් DeepSeek-R1-Distill-14B ආකෘතිය යොදවන්න.

ගතික ගැලපීම:

විශ්වාසය 85% ට වඩා වැඩි වූ විට නඩත්තු කටයුතු ඇණවුම් ක්‍රියාත්මක කරන්න, සහ < 60% විට ද්විතීයික සත්‍යාපන ක්‍රියාවලියක් ආරම්භ කරන්න.

අදාළ නඩුව

Schneider Electric විසින් මෙම විසඳුම පතල් යන්ත්‍රෝපකරණ සඳහා යොදවා ඇති අතර, ව්‍යාජ ධනාත්මක අනුපාත 63% කින් සහ නඩත්තු වියදම් 41% කින් අඩු කර ඇත.

InHand AI Edge පරිගණකවල DeepSeek R1 ආසවනය කළ මාදිලිය ධාවනය කිරීම

වැඩිදියුණු කළ දෘශ්‍ය පරීක්ෂාව

ප්‍රතිදාන ගෘහ නිර්මාණ ශිල්පය

සාමාන්‍ය විහිදුම් නල මාර්ගය:

කැමරාව = GigE_Vision_Camera(500fps) # ගිගාබිට් කාර්මික කැමරාව
රාමුව = camera.capture() # රූපය ග්‍රහණය කරන්න
පෙර සැකසූ = OpenCV.denoise(රාමුව) # ශබ්ද රහිත පෙර සැකසුම
defect_type = DeepSeek_R1_7B.infer(පෙර සැකසූ) # දෝෂ වර්ගීකරණය
defect_type != 'normal' නම්:
PLC.trigger_reject() # වර්ග කිරීමේ යාන්ත්‍රණය ප්‍රේරක කරන්න

කාර්ය සාධන මිනුම්

සැකසුම් ප්‍රමාදය:

82 ms (ජෙට්සන් AGX ඔරින්)

නිරවද්‍යතාවය:

එන්නත් අච්චු දෝෂ හඳුනාගැනීම 98.7% දක්වා ළඟා වේ.

DeepSeek R1 හි ඇඟවුම්: උත්පාදක AI වටිනාකම් දාමයේ ජයග්‍රාහකයින් සහ පරාජිතයින්

ක්‍රියාවලි ප්‍රවාහ ප්‍රශස්තිකරණය

ප්‍රධාන තාක්ෂණයන්

ස්වභාවික භාෂා අන්තර්ක්‍රියා:

ක්‍රියාකරුවන් හඬ හරහා උපකරණ විෂමතා විස්තර කරයි (උදා: "Extruder පීඩන උච්චාවචනය ± 0.3 MPa").

බහුමාධ්‍ය තර්කනය:

උපකරණ ඓතිහාසික දත්ත මත පදනම්ව (උදා: ඉස්කුරුප්පු වේගය 2.5% කින් සකස් කිරීම) ආකෘතිය ප්‍රශස්තිකරණ යෝජනා ජනනය කරයි.

ඩිජිටල් නිවුන් සත්‍යාපනය:

EdgeX Foundry වේදිකාවේ පරාමිති සමාකරණ වලංගුකරණය.

ක්‍රියාත්මක කිරීමේ බලපෑම

BASF හි රසායනික කම්හල මෙම යෝජනා ක්‍රමය අනුගමනය කළ අතර, බලශක්ති පරිභෝජනය 17% කින් අඩු කර ගැනීමට සහ නිෂ්පාදන ගුණාත්මක අනුපාතය 9% කින් වැඩි කිරීමට සමත් විය.

Edge AI සහ ව්‍යාපාරයේ අනාගතය: සෞඛ්‍ය සේවා, මෝටර් රථ සහ IIoT සඳහා OpenAI o1 එදිරිව DeepSeek R1

දැනුම පදනම ක්ෂණිකව ලබා ගැනීම

ගෘහ නිර්මාණ නිර්මාණය

දේශීය දෛශික දත්ත සමුදාය:

උපකරණ අත්පොත් සහ ක්‍රියාවලි පිරිවිතර ගබඩා කිරීමට ChromaDB භාවිතා කරන්න (කාවැද්දීමේ මානය 768).

දෙමුහුන් ලබා ගැනීම:

විමසුම සඳහා BM25 ඇල්ගොරිතම + කෝසයින් සමානතාව ඒකාබද්ධ කරන්න.

ප්‍රතිඵල උත්පාදනය:

R1-7B ආකෘතිය ලබා ගැනීමේ ප්‍රතිඵල සාරාංශ කර පිරිපහදු කරයි.

සාමාන්‍ය අවස්ථාව

Siemens ඉංජිනේරුවන් ස්වභාවික භාෂා විමසුම් හරහා ඉන්වර්ටර් අසමත්වීම් විසඳා ගත් අතර, සාමාන්‍ය සැකසුම් කාලය 58% කින් අඩු කළේය.

යෙදවීමේ අභියෝග සහ විසඳුම්

මතක සීමාවන්:

14B මාදිලියේ මතක භාවිතය 32GB සිට 9GB දක්වා අඩු කරමින්, KV හැඹිලි ප්‍රමාණකරණ තාක්ෂණය භාවිතා කරන ලදී.

තත්‍ය කාලීන කාර්ය සාධනය සහතික කිරීම:

CUDA ග්‍රැෆ් ප්‍රශස්තිකරණය හරහා තනි අනුමාන ප්‍රමාදය ±15 ms දක්වා ස්ථාවර කරන ලදී.

ආදර්ශ ප්ලාවිතය:

සතිපතා වර්ධක යාවත්කාලීන කිරීම් (පරාමිති වලින් 2% ක් පමණක් සම්ප්‍රේෂණය කිරීම).

අන්ත පරිසරයන්:

IP67 ආරක්ෂණ මට්ටමක් සහිත -40°C සිට 85°C දක්වා පුළුල් උෂ්ණත්ව පරාසයන් සඳහා නිර්මාණය කර ඇත.

නිගමනය

වත්මන් යෙදවුම් පිරිවැය දැන් නෝඩයකට ඩොලර් 599 (Jetson Orin NX) දක්වා අඩු වී ඇති අතර, 3C නිෂ්පාදනය, මෝටර් රථ එකලස් කිරීම සහ බලශක්ති රසායන විද්‍යාව වැනි අංශවල පරිමාණය කළ හැකි යෙදුම් නිර්මාණය වේ. MoE ගෘහ නිර්මාණ ශිල්පය සහ ප්‍රමාණකරණ තාක්ෂණය අඛණ්ඩව ප්‍රශස්තිකරණය කිරීම 2025 අවසන් වන විට 70B ආකෘතිය දාර උපාංගවල ක්‍රියාත්මක කිරීමට හැකි වනු ඇතැයි අපේක්ෂා කෙරේ.

ELV කේබල් විසඳුම සොයා ගන්න

පාලන කේබල්

BMS, BUS, කාර්මික, උපකරණ කේබල් සඳහා.

මෙහි ක්ලික් කරන්න

ව්‍යුහගත කේබල් පද්ධතිය

ජාලය සහ දත්ත, ෆයිබර්-ඔප්ටික් කේබලය, පැච් ලණුව, මොඩියුල, මුහුණු පුවරුව