پروژه متن‌باز مسا (Mesa) که بیشتر به‌عنوان مجموعه‌ای از درایورهای گرافیکی برای سیستم‌عامل‌های لینوکسی شناخته می‌شود، این بار قابلیت‌های خود را در حوزه واحدهای پردازش عصبی (NPU) گسترش داده است. تومی ویسوسو (Tomeu Vizoso)، توسعه‌دهنده فعال این پروژه، کد پشتیبانی از مدل تشخیص شیء YOLOX را در بخش Torx مسا ادغام کرد.
Torx چیست و چه نقشی در مسا دارد؟
Torx یک بک‌اند سخت‌افزاری (Hardware Backend) در مسا است که به‌عنوان مسیر کامپایل و اجرای مدل‌های یادگیری ماشین (Machine Learning) بر پایه PyTorch ExecuTorch عمل می‌کند. به بیان ساده، Torx واسطی میان مدل‌های هوش مصنوعی و درایورهای NPU در مسا فراهم می‌آورد تا اجرای این مدل‌ها روی سخت‌افزارهای تخصصی تسهیل شود.
امکان اجرای YOLOX روی درایورهای NPU مسا
با کدی که اکنون ادغام شده است، کاربران می‌توانند مدل YOLOX را همراه با PyTorch و از طریق درایورهای NPU موجود در مسا اجرا کنند. این قابلیت تاکنون روی واحد پردازش عصبی Arm EthosU و با استفاده از سیستم‌روی تراشه (SoC) NXP i.MX93 آزمایش و ارزیابی شده است.
وضعیت درایورهای دیگر و زمان عرضه
- درایور Etnaviv که برای NPUهای Vivante توسعه یافته، از نظر پشتیبانی عملیاتی وضعیت مناسبی دارد و باید همه عملیات لازم را پشتیبانی کند.
- با این حال، این درایور هنوز فاقد زیرساخت (Infrastructure) لازم برای استفاده در کنار Torx است و به کارهای تکمیلی نیاز دارد.
- این تغییرات از طریق یک درخواست ادغام (Merge Request) به پروژه مسا افزوده شده و بخشی از نسخه Mesa 26.3 به شمار می‌رود.
این اقدام نشان‌دهنده جهت‌گیری تازه پروژه مسا به سمت پشتیبانی از بارهای کاری هوش مصنوعی و یادگیری ماشین در کنار وظایف سنتی گرافیکی است؛ مسیری که می‌تواند در آینده به اجرای بهینه‌تر مدل‌های بینایی ماشین روی سخت‌افزارهای کم‌مصرف و مجهز به NPU کمک کند.