# Chapter 07 : EdgeAI സാമ്പിളുകൾ

Edge AI കൃത്രിമ ബുദ്ധിമുട്ടും എഡ്ജ് കംപ്യൂട്ടിംഗും സംയോജിപ്പിക്കുന്നതിന്റെ പ്രതിനിധിയാണ്, ക്ലൗഡ് കണക്ടിവിറ്റിയിൽ ആശ്രയിക്കാതെ ഉപകരണങ്ങളിൽ നേരിട്ട് ബുദ്ധിമുട്ടുള്ള പ്രോസസ്സിംഗ് സാധ്യമാക്കുന്നു. ഈ അധ്യായം വ്യത്യസ്ത പ്ലാറ്റ്ഫോമുകളിലും ഫ്രെയിംവർക്കുകളിലും അഞ്ച് വ്യത്യസ്ത EdgeAI നടപ്പാക്കലുകൾ പരിശോധിക്കുന്നു, എഡ്ജിൽ AI മോഡലുകൾ പ്രവർത്തിപ്പിക്കുന്നതിനുള്ള വൈവിധ്യവും ശക്തിയും പ്രദർശിപ്പിക്കുന്നു.

## 1. NVIDIA Jetson Orin Nano-യിൽ EdgeAI

NVIDIA Jetson Orin Nano ലഭ്യമായ എഡ്ജ് AI കംപ്യൂട്ടിംഗിൽ ഒരു വിപ്ലവം പ്രതിനിധീകരിക്കുന്നു, 67 TOPS വരെ AI പ്രകടനം ഒരു ചെറുതും ക്രെഡിറ്റ് കാർഡ് വലുപ്പത്തിലുള്ള ഫോർമാറ്റിൽ നൽകുന്നു. ഈ ശക്തമായ എഡ്ജ് AI പ്ലാറ്റ്ഫോം ഹോബിസ്റ്റുകൾക്ക്, വിദ്യാർത്ഥികൾക്ക്, പ്രൊഫഷണൽ ഡെവലപ്പർമാർക്കും ജനറേറ്റീവ് AI വികസനം ജനാധിപത്യവൽക്കരിക്കുന്നു.

### പ്രധാന സവിശേഷതകൾ
- 67 TOPS വരെ AI പ്രകടനം നൽകുന്നു—മുൻവർഷത്തേക്കാൾ 1.7 മടങ്ങ് മെച്ചപ്പെട്ടത്
- AI പ്രോസസ്സിംഗിനായി 1024 CUDA കോറുകളും 32 Tensor കോറുകളും വരെ
- 6-കോർ Arm Cortex-A78AE v8.2 64-ബിറ്റ് CPU, പരമാവധി 1.5 GHz ഫ്രീക്വൻസിയോടെ
- വെറും $249 വിലയിൽ, ഡെവലപ്പർമാർക്കും വിദ്യാർത്ഥികൾക്കും നിർമ്മാതാക്കൾക്കും ഏറ്റവും വിലകുറഞ്ഞും ലഭ്യവുമായ പ്ലാറ്റ്ഫോം

### പ്രയോഗങ്ങൾ
Jetson Orin Nano ദൃശ്യ ട്രാൻസ്ഫോർമറുകൾ, വലിയ ഭാഷാ മോഡലുകൾ, ദൃശ്യ-ഭാഷാ മോഡലുകൾ ഉൾപ്പെടെയുള്ള ആധുനിക ജനറേറ്റീവ് AI മോഡലുകൾ പ്രവർത്തിപ്പിക്കുന്നതിൽ മികച്ചതാണ്. ഇത് പ്രത്യേകിച്ച് GenAI ഉപയോഗകേസുകൾക്കായി രൂപകൽപ്പന ചെയ്തതാണ്, ഇപ്പോൾ നിങ്ങൾക്ക് പല LLM-കളും ഒരു കൈപ്പുറ ഉപകരണത്തിൽ പ്രവർത്തിപ്പിക്കാം. ജനപ്രിയ ഉപയോഗങ്ങൾ AI-സഹായിത റോബോട്ടിക്സ്, സ്മാർട്ട് ഡ്രോണുകൾ, ബുദ്ധിമുട്ടുള്ള ക്യാമറകൾ, സ്വയംഭരണ എഡ്ജ് ഉപകരണങ്ങൾ എന്നിവയാണ്.

**കൂടുതൽ അറിയുക**: [NVIDIA's Jetson Orin Nano SuperComputer: The Next Big Thing in EdgeAI](https://medium.com/data-science-in-your-pocket/nvidias-jetson-orin-nano-supercomputer-the-next-big-thing-in-edgeai-e9eff687ae62)

## 2. .NET MAUIയും ONNX Runtime GenAIയും ഉപയോഗിച്ച് മൊബൈൽ ആപ്ലിക്കേഷനുകളിൽ EdgeAI

ഈ പരിഹാരം .NET MAUI (മൾട്ടി-പ്ലാറ്റ്ഫോം ആപ്പ് UI)യും ONNX Runtime GenAIയും ഉപയോഗിച്ച് ജനറേറ്റീവ് AIയും വലിയ ഭാഷാ മോഡലുകളും (LLMs) ക്രോസ്-പ്ലാറ്റ്ഫോം മൊബൈൽ ആപ്ലിക്കേഷനുകളിൽ എങ്ങനെ സംയോജിപ്പിക്കാമെന്ന് കാണിക്കുന്നു. ഈ സമീപനം .NET ഡെവലപ്പർമാർക്ക് ആൻഡ്രോയിഡ്, iOS ഉപകരണങ്ങളിൽ നേറ്റീവ് ആയി പ്രവർത്തിക്കുന്ന സങ്കീർണ്ണ AI-സഹായിത മൊബൈൽ ആപ്ലിക്കേഷനുകൾ നിർമ്മിക്കാൻ സാധ്യമാക്കുന്നു.

### പ്രധാന സവിശേഷതകൾ
- .NET MAUI ഫ്രെയിംവർക്കിൽ നിർമ്മിച്ചിരിക്കുന്നു, ആൻഡ്രോയിഡ്, iOS ആപ്ലിക്കേഷനുകൾക്ക് ഏക കോഡ്‌ബേസ് നൽകുന്നു
- ONNX Runtime GenAI സംയോജനം മൊബൈൽ ഉപകരണങ്ങളിൽ നേരിട്ട് ജനറേറ്റീവ് AI മോഡലുകൾ പ്രവർത്തിപ്പിക്കാൻ സാധ്യമാക്കുന്നു
- CPU, GPU, പ്രത്യേക മൊബൈൽ AI പ്രോസസറുകൾ ഉൾപ്പെടെയുള്ള വിവിധ ഹാർഡ്‌വെയർ ആക്സിലറേറ്ററുകൾക്ക് പിന്തുണ
- iOS-ക്കായി CoreML, ആൻഡ്രോയിഡിനായി NNAPI പോലുള്ള പ്ലാറ്റ്ഫോം-നിർദ്ദിഷ്ട ഓപ്റ്റിമൈസേഷനുകൾ ONNX Runtime വഴി
- പ്രീ-പ്രോസസ്സിംഗ്, പോസ്റ്റ്-പ്രോസസ്സിംഗ്, ഇൻഫറൻസ്, ലോജിറ്റ്സ് പ്രോസസ്സിംഗ്, സെർച്ച്, സാമ്പ്ലിംഗ്, KV കാഷ് മാനേജ്മെന്റ് എന്നിവ ഉൾപ്പെടെയുള്ള പൂർണ്ണ ജനറേറ്റീവ് AI ലൂപ്പ് നടപ്പാക്കുന്നു

### വികസന ലാഭങ്ങൾ
.NET MAUI സമീപനം ഡെവലപ്പർമാർക്ക് നിലവിലുള്ള C#യും .NET നൈപുണ്യങ്ങളും ഉപയോഗിച്ച് ക്രോസ്-പ്ലാറ്റ്ഫോം AI ആപ്ലിക്കേഷനുകൾ നിർമ്മിക്കാൻ അനുവദിക്കുന്നു. ONNX Runtime GenAI ഫ്രെയിംവർക്ക് Llama, Mistral, Phi, Gemma തുടങ്ങിയ നിരവധി മോഡൽ ആർക്കിടെക്ചറുകൾ പിന്തുണയ്ക്കുന്നു. ഓപ്റ്റിമൈസ്ഡ് ARM64 കർണലുകൾ INT4 ക്വാണ്ടൈസ്ഡ് മാട്രിക്സ് മൾട്ടിപ്ലിക്കേഷൻ വേഗത്തിലാക്കുന്നു, മൊബൈൽ ഹാർഡ്‌വെയറിൽ കാര്യക്ഷമ പ്രകടനം ഉറപ്പാക്കുന്നു, .NET വികസന അനുഭവം നിലനിർത്തുന്നു.

### ഉപയോഗകേസുകൾ
.NET സാങ്കേതികവിദ്യകൾ ഉപയോഗിച്ച് AI-സഹായിത മൊബൈൽ ആപ്ലിക്കേഷനുകൾ നിർമ്മിക്കാൻ ആഗ്രഹിക്കുന്ന ഡെവലപ്പർമാർക്ക് ഈ പരിഹാരം അനുയോജ്യമാണ്, ബുദ്ധിമുട്ടുള്ള ചാറ്റ്ബോട്ടുകൾ, ചിത്രം തിരിച്ചറിയൽ ആപ്ലിക്കേഷനുകൾ, ഭാഷാ പരിഭാഷാ ഉപകരണങ്ങൾ, സ്വകാര്യതയും ഓഫ്‌ലൈൻ ശേഷിയും മെച്ചപ്പെടുത്തുന്ന വ്യക്തിഗത ശുപാർശാ സംവിധാനങ്ങൾ എന്നിവ ഉൾപ്പെടുന്നു.

**കൂടുതൽ അറിയുക**: [.NET MAUI ONNX Runtime GenAI Example](https://github.com/microsoft/onnxruntime-genai/tree/jialli/genny-maui/examples/csharp/GennyMaui)

## 3. Azure-യിൽ Small Language Models Engine ഉപയോഗിച്ച് EdgeAI

Microsoft-ന്റെ Azure അടിസ്ഥാനമാക്കിയ EdgeAI പരിഹാരം ക്ലൗഡ്-എഡ്ജ് ഹൈബ്രിഡ് പരിസ്ഥിതികളിൽ ചെറു ഭാഷാ മോഡലുകൾ (SLMs) കാര്യക്ഷമമായി വിന്യസിക്കുന്നതിൽ കേന്ദ്രീകരിക്കുന്നു. ഈ സമീപനം ക്ലൗഡ്-സ്കെയിൽ AI സേവനങ്ങളും എഡ്ജ് വിന്യാസ ആവശ്യകതകളും തമ്മിലുള്ള ഇടവേള പൂരിപ്പിക്കുന്നു.

### ആർക്കിടെക്ചർ നേട്ടങ്ങൾ
- Azure AI സേവനങ്ങളുമായി സുതാര്യമായ സംയോജനം
- ONNX Runtime ഉപയോഗിച്ച് SLMs/LLMs, മൾട്ടി-മോഡൽ മോഡലുകൾ ഉപകരണത്തിലും ക്ലൗഡിലും പ്രവർത്തിപ്പിക്കുക
- എന്റർപ്രൈസ്-സ്കെയിൽ വിന്യാസത്തിന് അനുയോജ്യമായ ഓപ്റ്റിമൈസേഷൻ
- തുടർച്ചയായ മോഡൽ അപ്‌ഡേറ്റുകളും മാനേജ്മെന്റും പിന്തുണ

### ഉപയോഗകേസുകൾ
Azure EdgeAI നടപ്പാക്കൽ എന്റർപ്രൈസ്-ഗ്രേഡ് AI വിന്യാസം ക്ലൗഡ് മാനേജ്മെന്റ് ശേഷികളോടെ ആവശ്യമായ സാഹചര്യങ്ങളിൽ മികച്ചതാണ്. ഇതിൽ ബുദ്ധിമുട്ടുള്ള ഡോക്യുമെന്റ് പ്രോസസ്സിംഗ്, റിയൽ-ടൈം അനലിറ്റിക്സ്, ക്ലൗഡ്, എഡ്ജ് കംപ്യൂട്ടിംഗ് വിഭവങ്ങൾ ഉപയോഗിക്കുന്ന ഹൈബ്രിഡ് AI വർക്ക്‌ഫ്ലോകൾ ഉൾപ്പെടുന്നു.

**കൂടുതൽ അറിയുക**: [Azure EdgeAI SLM Engine](https://github.com/microsoft/onnxruntime-genai/tree/main/examples/slm_engine)

## [4. Windows ML ഉപയോഗിച്ച് EdgeAI](./windowdeveloper.md)

Windows ML Microsoft-ന്റെ ഏറ്റവും പുതിയ റൺടൈം ആണ്, മികച്ച പ്രകടനമുള്ള ഓൺ-ഡിവൈസ് മോഡൽ ഇൻഫറൻസ്, ലളിതമായ വിന്യാസം എന്നിവയ്ക്ക് ഓപ്റ്റിമൈസ്ഡ്, Windows AI Foundry-യുടെ അടിസ്ഥാനമാണ്. ഈ പ്ലാറ്റ്ഫോം ഡെവലപ്പർമാർക്ക് പിസി ഹാർഡ്‌വെയറിന്റെ മുഴുവൻ സ്പെക്ട്രം ഉപയോഗിച്ച് AI-സഹായിത Windows ആപ്ലിക്കേഷനുകൾ സൃഷ്ടിക്കാൻ സാധ്യമാക്കുന്നു.

### പ്ലാറ്റ്ഫോം ശേഷികൾ
- Windows 11 PCs-ൽ പതിപ്പ് 24H2 (ബിൽഡ് 26100) അല്ലെങ്കിൽ അതിനുമുകളിൽ പ്രവർത്തിക്കുന്നു
- NPUs അല്ലെങ്കിൽ GPUs ഇല്ലാത്ത x64, ARM64 PC ഹാർഡ്‌വെയറിലും പ്രവർത്തിക്കുന്നു
- ഡെവലപ്പർമാർക്ക് സ്വന്തം മോഡലുകൾ കൊണ്ടുവരാനും AMD, Intel, NVIDIA, Qualcomm ഉൾപ്പെടെയുള്ള സിലിക്കൺ പങ്കാളി ഇക്കോസിസ്റ്റത്തിൽ CPU, GPU, NPU എന്നിവയിൽ കാര്യക്ഷമമായി വിന്യസിക്കാനും സാധിക്കുന്നു
- ഇൻഫ്രാസ്ട്രക്ചർ APIകൾ ഉപയോഗിച്ച്, ഡെവലപ്പർമാർക്ക് വ്യത്യസ്ത സിലിക്കണുകൾ ലക്ഷ്യമിട്ട് പല ബിൽഡുകളും സൃഷ്ടിക്കേണ്ടതില്ല

### ഡെവലപ്പർ ലാഭങ്ങൾ
Windows ML ഹാർഡ്‌വെയറും എക്സിക്യൂഷൻ പ്രൊവൈഡറുകളും അബ്സ്ട്രാക്റ്റ് ചെയ്യുന്നു, അതിനാൽ നിങ്ങൾക്ക് നിങ്ങളുടെ കോഡ് എഴുതുന്നതിൽ മാത്രം ശ്രദ്ധിക്കാം. കൂടാതെ, Windows ML പുതിയ NPUs, GPUs, CPUs പുറത്തിറങ്ങിയപ്പോൾ സ്വയം അപ്‌ഡേറ്റ് ചെയ്യുന്നു. ഈ പ്ലാറ്റ്ഫോം വൈവിധ്യമാർന്ന Windows ഹാർഡ്‌വെയർ ഇക്കോസിസ്റ്റത്തിനുള്ള ഏകീകൃത AI വികസന ഫ്രെയിംവർക്ക് നൽകുന്നു.

**കൂടുതൽ അറിയുക**: 
- [Windows ML അവലോകനം](https://learn.microsoft.com/en-us/windows/ai/new-windows-ml/overview)
- [Windows EdgeAI വികസന ഗൈഡ്](./windowdeveloper.md) - Windows Edge AI വികസനത്തിന് സമഗ്രമായ ഗൈഡ്

## [5. Foundry Local ആപ്ലിക്കേഷനുകളുമായി EdgeAI](./foundrylocal.md)

Foundry Local Windows, Mac ഡെവലപ്പർമാർക്ക് .NET-ൽ പ്രാദേശിക വിഭവങ്ങൾ ഉപയോഗിച്ച് Retrieval Augmented Generation (RAG) ആപ്ലിക്കേഷനുകൾ നിർമ്മിക്കാൻ അനുവദിക്കുന്നു, പ്രാദേശിക ഭാഷാ മോഡലുകളെയും സെമാന്റിക് സെർച്ച് ശേഷികളെയും സംയോജിപ്പിക്കുന്നു. ഈ സമീപനം പ്രാദേശിക ഇൻഫ്രാസ്ട്രക്ചറിൽ പൂർണ്ണമായും പ്രവർത്തിക്കുന്ന സ്വകാര്യത കേന്ദ്രീകൃത AI പരിഹാരങ്ങൾ നൽകുന്നു.

### സാങ്കേതിക ആർക്കിടെക്ചർ
- Phi ഭാഷാ മോഡൽ, Local Embeddings, Semantic Kernel സംയോജിപ്പിച്ച് RAG സീനാരിയോ സൃഷ്ടിക്കുന്നു
- ഉള്ളടക്കവും അതിന്റെ സെമാന്റിക് അർത്ഥവും പ്രതിനിധീകരിക്കുന്ന ഫ്ലോട്ടിംഗ്-പോയിന്റ് മൂല്യങ്ങളുടെ വെക്ടറുകൾ (അറേകൾ) ആയി embeddings ഉപയോഗിക്കുന്നു
- Semantic Kernel പ്രധാന ഓർക്കസ്ട്രേറ്ററായി പ്രവർത്തിക്കുന്നു, Phi, Smart Components സംയോജിപ്പിച്ച് സുതാര്യമായ RAG പൈപ്പ്‌ലൈൻ സൃഷ്ടിക്കുന്നു
- SQLite, Qdrant ഉൾപ്പെടെയുള്ള പ്രാദേശിക വെക്ടർ ഡാറ്റാബേസുകൾക്ക് പിന്തുണ

### നടപ്പാക്കൽ ലാഭങ്ങൾ
RAG, അഥവാ Retrieval Augmented Generation, "കുറച്ച് വിവരങ്ങൾ തിരഞ്ഞെടുത്ത് പ്രോംപ്റ്റിൽ ചേർക്കുക" എന്നതിന്റെ സങ്കീർണ്ണമായ രൂപമാണ്. ഈ പ്രാദേശിക നടപ്പാക്കൽ ഡാറ്റാ സ്വകാര്യത ഉറപ്പാക്കുന്നു, ഇന്റലിജന്റ് പ്രതികരണങ്ങൾ കസ്റ്റം നോളജ് ബേസുകളിൽ അടിസ്ഥാനമാക്കി നൽകുന്നു. ഡാറ്റാ സ്വയംഭരണവും ഓഫ്‌ലൈൻ പ്രവർത്തന ശേഷിയും ആവശ്യമായ എന്റർപ്രൈസ് സാഹചര്യങ്ങൾക്ക് ഈ സമീപനം പ്രത്യേക പ്രാധാന്യമർഹിക്കുന്നു.

**കൂടുതൽ അറിയുക**: 
- [Foundry Local](./foundrylocal.md)
- [Foundry Local RAG സാമ്പിളുകൾ](https://github.com/microsoft/Foundry-Local/tree/main/samples/dotNET/rag)

### Windows Foundry Local

Microsoft Foundry Local ONNX Runtime ഉപയോഗിച്ച് Windows-ൽ മോഡലുകൾ പ്രാദേശികമായി പ്രവർത്തിപ്പിക്കുന്ന OpenAI-സമാനമായ REST സെർവർ നൽകുന്നു. താഴെ ഒരു വേഗത്തിലുള്ള, സ്ഥിരീകരിച്ച സംഗ്രഹം; പൂർണ്ണ വിവരങ്ങൾക്ക് ഔദ്യോഗിക ഡോക്യുമെന്റുകൾ കാണുക.

- ആരംഭിക്കുക: https://learn.microsoft.com/azure/ai-foundry/foundry-local/get-started
- ആർക്കിടെക്ചർ: https://learn.microsoft.com/azure/ai-foundry/foundry-local/concepts/foundry-local-architecture
- CLI റഫറൻസ്: https://learn.microsoft.com/azure/ai-foundry/foundry-local/reference/reference-cli
- ഈ റിപോസിറ്ററിയിലെ പൂർണ്ണ Windows ഗൈഡ്: [foundrylocal.md](./foundrylocal.md)

Windows-ൽ ഇൻസ്റ്റാൾ ചെയ്യുക അല്ലെങ്കിൽ അപ്‌ഗ്രേഡ് ചെയ്യുക (cmd.exe):
```cmd
winget install Microsoft.FoundryLocal
winget upgrade --id Microsoft.FoundryLocal
foundry --version
```

CLI വിഭാഗങ്ങൾ പരിശോധിക്കുക:
```cmd
foundry model --help
foundry service --help
foundry cache --help
```

ഒരു മോഡൽ പ്രവർത്തിപ്പിച്ച് ഡൈനാമിക് എൻഡ്‌പോയിന്റ് കണ്ടെത്തുക:
```cmd
foundry model run gpt-oss-20b
foundry service status
```

മോഡലുകൾ പട്ടികപ്പെടുത്താൻ വേഗത്തിലുള്ള REST പരിശോധന (സ്റ്റാറ്റസിൽ നിന്നുള്ള PORT മാറ്റുക):
```cmd
curl -s http://localhost:PORT/v1/models
```

ടിപ്പുകൾ:
- SDK സംയോജനം: https://learn.microsoft.com/azure/ai-foundry/foundry-local/how-to/how-to-integrate-with-inference-sdks
- നിങ്ങളുടെ സ്വന്തം മോഡൽ കൊണ്ടുവരുക (കമ്പൈൽ ചെയ്യുക): https://learn.microsoft.com/azure/ai-foundry/foundry-local/how-to/how-to-compile-hugging-face-models

## Windows EdgeAI വികസന വിഭവങ്ങൾ

Windows പ്ലാറ്റ്ഫോം ലക്ഷ്യമിട്ടുള്ള ഡെവലപ്പർമാർക്കായി, Windows EdgeAI ഇക്കോസിസ്റ്റത്തിന്റെ പൂർണ്ണമായ ഗൈഡ് ഞങ്ങൾ സൃഷ്ടിച്ചിട്ടുണ്ട്. ഈ വിഭവം Windows AI Foundry-യുടെ APIകൾ, ഉപകരണങ്ങൾ, EdgeAI വികസനത്തിന് മികച്ച പ്രാക്ടീസുകൾ എന്നിവയെക്കുറിച്ചുള്ള വിശദമായ വിവരങ്ങൾ നൽകുന്നു.

### Windows AI Foundry പ്ലാറ്റ്ഫോം
Windows AI Foundry പ്ലാറ്റ്ഫോം Windows ഉപകരണങ്ങളിൽ Edge AI വികസനത്തിന് പ്രത്യേകമായി രൂപകൽപ്പന ചെയ്ത ഉപകരണങ്ങളും APIകളും സമഗ്രമായി നൽകുന്നു. ഇതിൽ NPU-ആക്സിലറേറ്റഡ് ഹാർഡ്‌വെയർ, Windows ML സംയോജനം, പ്ലാറ്റ്ഫോം-നിർദ്ദിഷ്ട ഓപ്റ്റിമൈസേഷൻ സാങ്കേതികവിദ്യകൾ ഉൾപ്പെടുന്നു.

**സമഗ്ര ഗൈഡ്**: [Windows EdgeAI Development Guide](../windowdeveloper.md)

ഈ ഗൈഡ് ഉൾക്കൊള്ളുന്നു:
- Windows AI Foundry പ്ലാറ്റ്ഫോം അവലോകനവും ഘടകങ്ങളും
- NPU ഹാർഡ്‌വെയറിൽ കാര്യക്ഷമ ഇൻഫറൻസിനായി Phi Silica API
- ചിത്രം പ്രോസസ്സിംഗ്, OCR എന്നിവയ്ക്കുള്ള കമ്പ്യൂട്ടർ വിഷൻ APIകൾ
- Windows ML റൺടൈം സംയോജനം, ഓപ്റ്റിമൈസേഷൻ
- പ്രാദേശിക വികസനത്തിനും പരിശോധനയ്ക്കുമായി Foundry Local CLI
- Windows ഉപകരണങ്ങൾക്ക് ഹാർഡ്‌വെയർ ഓപ്റ്റിമൈസേഷൻ തന്ത്രങ്ങൾ
- പ്രായോഗിക നടപ്പാക്കൽ ഉദാഹരണങ്ങളും മികച്ച പ്രാക്ടീസുകളും

### [Edge AI വികസനത്തിന് AI ടൂൾകിറ്റ്](./aitoolkit.md)
Visual Studio Code ഉപയോഗിക്കുന്ന ഡെവലപ്പർമാർക്കായി, AI Toolkit എക്സ്റ്റൻഷൻ Edge AI ആപ്ലിക്കേഷനുകൾ നിർമ്മിക്കുന്നതിനും പരീക്ഷിക്കുന്നതിനും വിന്യസിക്കുന്നതിനും സമഗ്രമായ വികസന പരിസ്ഥിതി നൽകുന്നു. ഈ ടൂൾകിറ്റ് VS Code-ൽ Edge AI വികസന പ്രവൃത്തി പ്രക്രിയയെ ലളിതമാക്കുന്നു.

**വികസന ഗൈഡ്**: [AI Toolkit for Edge AI Development](./aitoolkit.md)

AI Toolkit ഗൈഡ് ഉൾക്കൊള്ളുന്നു:
- എഡ്ജ് വിന്യാസത്തിനായി മോഡൽ കണ്ടെത്തലും തിരഞ്ഞെടുപ്പും
- പ്രാദേശിക പരിശോധനയും ഓപ്റ്റിമൈസേഷനും
- ONNX, Ollama സംയോജനം എഡ്ജ് മോഡലുകൾക്കായി
- മോഡൽ പരിവർത്തനവും ക്വാണ്ടൈസേഷനും
- എജ്ജ് സീനാരിയോകൾക്കായി ഏജന്റ് വികസനം
- പ്രകടന വിലയിരുത്തലും നിരീക്ഷണവും
- വിന്യാസ തയ്യാറെടുപ്പും മികച്ച പ്രാക്ടീസുകളും

## സമാപനം

ഈ അഞ്ച് EdgeAI നടപ്പാക്കലുകൾ ഇന്ന് ലഭ്യമായ എഡ്ജ് AI പരിഹാരങ്ങളുടെ പക്വതയും വൈവിധ്യവും തെളിയിക്കുന്നു. Jetson Orin Nano പോലുള്ള ഹാർഡ്‌വെയർ ആക്സിലറേറ്റഡ് എഡ്ജ് ഉപകരണങ്ങളിൽ നിന്ന് ONNX Runtime GenAI, Windows ML പോലുള്ള സോഫ്റ്റ്‌വെയർ ഫ്രെയിംവർക്കുകൾ വരെ, ഡെവലപ്പർമാർക്ക് എഡ്ജിൽ ബുദ്ധിമുട്ടുള്ള ആപ്ലിക്കേഷനുകൾ വിന്യസിക്കാൻ അപൂർവമായ ഓപ്ഷനുകൾ ലഭ്യമാണ്.

ഈ എല്ലാ പ്ലാറ്റ്ഫോമുകളിലുമുള്ള പൊതുവായ തന്തു AI കഴിവുകളുടെ ജനാധിപത്യവൽക്കരണമാണ്, വ്യത്യസ്ത നൈപുണ്യ നിലകളും ഉപയോഗകേസുകളും ഉള്ള ഡെവലപ്പർമാർക്ക് സങ്കീർണ്ണമായ മെഷീൻ ലേണിംഗ് ആക്‌സസ് ചെയ്യാൻ സാധ്യമാക്കുന്നു. മൊബൈൽ ആപ്ലിക്കേഷനുകൾ, ഡെസ്ക്ടോപ്പ് സോഫ്റ്റ്‌വെയർ, എംബെഡഡ് സിസ്റ്റങ്ങൾ എന്നിവ നിർമ്മിക്കുമ്പോൾ, ഈ EdgeAI പരിഹാരങ്ങൾ എഡ്ജിൽ കാര്യക്ഷമവും സ്വകാര്യതയോടെയും പ്രവർത്തിക്കുന്ന ബുദ്ധിമുട്ടുള്ള ആപ്ലിക്കേഷനുകളുടെ അടുത്ത തലമുറയ്ക്ക് അടിസ്ഥാനമാകുന്നു.

ഓരോ പ്ലാറ്റ്ഫോമും വ്യത്യസ്ത നേട്ടങ്ങൾ നൽകുന്നു: ഹാർഡ്‌വെയർ ആക്സിലറേറ്റഡ് എഡ്ജ് കംപ്യൂട്ടിംഗിനായി Jetson Orin Nano, ക്രോസ്-പ്ലാറ്റ്ഫോം മൊബൈൽ വികസനത്തിന് ONNX Runtime GenAI, എന്റർപ്രൈസ് ക്ലൗഡ്-എഡ്ജ് സംയോജനംക്കായി Azure EdgeAI, Windows-നേറ്റീവ് ആപ്ലിക്കേഷനുകൾക്കായി Windows ML, സ്വകാര്യത കേന്ദ്രീകൃത RAG നടപ്പാക്കലുകൾക്കായി Foundry Local. ഇവ ചേർന്ന് EdgeAI വികസനത്തിന് സമഗ്രമായ ഇക്കോസിസ്റ്റം പ്രതിനിധീകരിക്കുന്നു.

[അടുത്തത് AI Toolkit](aitoolkit.md)

---

<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**അസൂയാ**:  
ഈ രേഖ AI വിവർത്തന സേവനം [Co-op Translator](https://github.com/Azure/co-op-translator) ഉപയോഗിച്ച് വിവർത്തനം ചെയ്തതാണ്. നാം കൃത്യതയ്ക്ക് ശ്രമിച്ചിട്ടുണ്ടെങ്കിലും, സ്വയം പ്രവർത്തിക്കുന്ന വിവർത്തനങ്ങളിൽ പിശകുകൾ അല്ലെങ്കിൽ തെറ്റുകൾ ഉണ്ടാകാമെന്ന് ദയവായി ശ്രദ്ധിക്കുക. അതിന്റെ മാതൃഭാഷയിലുള്ള യഥാർത്ഥ രേഖയാണ് പ്രാമാണികമായ ഉറവിടം എന്ന് പരിഗണിക്കേണ്ടതാണ്. നിർണായകമായ വിവരങ്ങൾക്ക്, പ്രൊഫഷണൽ മനുഷ്യ വിവർത്തനം ശുപാർശ ചെയ്യപ്പെടുന്നു. ഈ വിവർത്തനം ഉപയോഗിക്കുന്നതിൽ നിന്നുണ്ടാകുന്ന ഏതെങ്കിലും തെറ്റിദ്ധാരണകൾക്കോ തെറ്റായ വ്യാഖ്യാനങ്ങൾക്കോ ഞങ്ങൾ ഉത്തരവാദികളല്ല.
<!-- CO-OP TRANSLATOR DISCLAIMER END -->