模型转换与优化
将训练好的 PyTorch 或 ONNX 模型导入 Workbench,转换为适用于 LiteRT、ONNX Runtime 或 Qualcomm AI Runtime 的格式,并通过量化或微调提升准确性。
Qualcomm AI Hub 面向开发者,支持将 PyTorch 或 ONNX 模型转换并优化为适用于高通设备的运行时格式,还可在托管设备上运行推理和分析性能。
Qualcomm AI Hub 面向开发者,支持将 PyTorch 或 ONNX 模型转换并优化为适用于高通设备的运行时格式,还可在托管设备上运行推理和分析性能。
该平台还提供包含 300 多个经过优化的 ML 和生成式 AI 模型的目录、内置模型的示例应用,以及 GenieX——一个用于在 NPU、GPU 或 CPU 上本地运行生成式 AI 模型的开源工具包。这四个组件既可独立使用,也可组合使用。
将训练好的 PyTorch 或 ONNX 模型导入 Workbench,转换为适用于 LiteRT、ONNX Runtime 或 Qualcomm AI Runtime 的格式,并通过量化或微调提升准确性。
在 50 多种类型的托管高通设备上运行推理并分析模型性能。
浏览 300 多个经过优化的 ML 和生成式 AI 模型,比较性能指标,并查找适用于高通设备的模型资源。模型许可各不相同。
基于已内置模型的示例应用代码仓库进行定制,或使用 GenieX——一个为 NPU、GPU 和 CPU 提供统一运行时的开源工具包。
将 PyTorch 或 ONNX 模型导入 Workbench,转换为设备端运行时格式并进行优化。
在托管的高通设备类型上运行并分析模型,了解其特定设备上的性能,然后再将其用于应用。
使用模型目录中的性能指标,比较适用于高通设备的优化 ML 和生成式 AI 模型。
从包含模型的示例应用代码仓库开始,或使用 GenieX 在 NPU、GPU 或 CPU 上本地运行兼容的生成式 AI 模型。
它整合了 Workbench、Models、Apps 和 GenieX,用于在高通设备上进行设备端 AI 开发。这四个组件既可独立使用,也可组合使用。
创建 Qualcomm ID,安装 qai-hub Python 软件包,并在 Workbench 账户设置中使用 API 令牌进行配置。运行 qai-hub list-devices 以验证设置。
Workbench 目前可免费使用。模型提供方提供的部分模型需根据其许可购买;标记为“立即下载”的模型免费且开放。请查看每个模型页面上的许可信息。
Workbench 可以将训练好的 PyTorch 或 ONNX 模型转换为适用于 LiteRT、ONNX Runtime 或 Qualcomm AI Runtime 的格式。它还支持在托管高通设备上进行量化、微调、推理和性能分析。
流量数据仅供参考。