Open Source IoT Platform

 Open Source IoT Platform

ระบบ Internet of Things

ระบบ Internet of Things หรือ  IoT จะมาช่วยพัฒนาธุรกิจ และชีวิตความเป็นอยู่ของผู้คนได้อย่างมากมาย 
เช่น
งานทางด้านอุตสาหกรรม หรือบางทีก็เรียกเป็น Industrial Internet of Things ( IIoT )
งานทางด้าน Smart Home , Smart Office
งานทางด้าน Smart Farming พัฒนาด้านการเกษตร
หรือ ด้านสุขภาพ Healthcare  , Smart city และ อื่นๆ 
สามารถนำไปร่วมพัฒนากับธุรกิจการงาน และชีวิตความเป็นอยู่ได้อย่างมากมาย

ส่วนประกอบ ของ IoT

IoT Devices หรือ Things หรือ Edge Devices เป็นอุปกรณ์ IoT ที่ต่อรับข้อมูลจาก Sensor ต่างๆ หรือ เป็นอุปกรณ์ควบคุม Output ต่างๆ เช่น หลอดไฟ หรือ มอเตอร์

IoT Gateway หรือ เป็น local server อาจจะเรียกอีกแบบ เป็น Fog Computing เป็นตัวเก็บข้อมูลภายใน ก่อนที่จะข้อมูลออกไปยัง Internet  หรือไปยัง Cloud Server

IoT Cloud Server หรือ  Cloud Computing เป็นอุปกรณ์สำหรับข้อมูล และ ประมวลผล อยู่บน Internet ทำให้สามารถ เชื่อมต่อข้อมูลได้ ทุกที่ ที่สามารถเชื่อมต่อเข้า Internetได้

Mobile Apps สำหรับให้ผู้ใช้งาน เชื่อมต่อผ่านโทรศัพท์มือถือ ทำการควบคุม หรือดูการแสดงผลต่างๆ

ทำไมต้องเป็น Open Source IoT

การทำระบบ IoT นั่นมีหลายส่วน ทั้งส่วน Hardware , Software และ Cloud Server 
ดังนั้นผู้จะมาทำระบบ ก็ต้องทำความเข้าใจ และต้องเชี่ยวชาญ ในหลายๆส่วนนี้ ซึ่งจะหาบุคคลากรที่เชี่ยวชาญหลายส่วนจะหาได้ยาก  
ก็จะเป็นการง่ายขึ้น ถ้ามีคนระบบส่วนอื่น ให้มาแล้ว สามารถนำมาใช้ต่อยอด ประยุกต์การใช้งานได้ทันที โดยไม่ต้องเริ่มจากศูนย์
อย่างเช่น
อุปกรณ์ IoT Devices ที่เป็น Hardware ก็มีอุปกรณ์ที่เป็น Open Hardware สามารถนำมาใช้ได้ทันที
อุปกรณ์ IoT Gateway ก็มีแบบ Open Source อยู่หลายตัว 
ส่วน Cloud Server ก็มี ทำเป็น SaaS ( Software as a Service ) หรือ เป็น PasS ( Platform as a Service ) ให้เลือกใช้ได้เลย โดยไม่ต้องเขียนโปรแกรมเอง ทั้งหมด


มาร่วมกันพัฒนาระบบ IoT

ผู้ที่ต้องการทำระบบ IoT อย่างเช่น Smart Home , Smart Farm หรือด้านอื่นๆ
มาร่วมมือพัฒนาเทคโนโลยีร่วมกัน 
สร้างสังคมแห่งเรียนรู้แบ่งบัน เพื่อพัฒนาธุรกิจ ความเป็นอยู่ให้ดีขึ้น
ผู้ที่สนใจ มาร่วมมือกันได้ครับ



อดุลย์ นันทะแก้ว 081-6452400
LINE : adunnan

ความคิดเห็น

แสดงความคิดเห็น

โพสต์ยอดนิยมจากบล็อกนี้

OpenThaiGPT 1.0.0 7B beta GPTQ 4 bit

รูปภาพ
OpenThaiGPT 1.0.0 7B beta GPTQ 4 bit ทดสอบ การใช้งาน Model แบบ GPTQ แบบ 4 bit GPTQ-for-LLaMA 4 bits quantization of  LLaMA  using  GPTQ GPTQ is SOTA one-shot weight quantization method This code is based on  GPTQ There is a  pytorch branch  that allows you to use  groupsize  and  act-order  together. Original Model ( FP16 ) https://huggingface.co/Adun/openthaigpt-1.0.0-beta-7b-ckpt-hf GPTQ 4 bit Model https://huggingface.co/Adun/openthaigpt-1.0.0-7b-chat-beta-gptq-4bit Demo Code Text generation web UI A Gradio web UI for Large Language Models. Setting Parameters Test on  Hardware CPU : Intel i9-7900 3.3GHz GPU : NVIDIA RTX-2060 6GB Software OS  : Ubuntu 20.04.6 LTS Youtube Demo ChatBot Q&A Run Demo code    Reference GPTQ-for-LLaMa  https://github.com/amphancm/GPTQ-for-LLaMa OpenThaiGPT  https://openthaigpt.aieat.or.th/
อ่านเพิ่มเติม

OpenThaiGPT 1.0.0 70B Demo on Colab

รูปภาพ
OpenThaiGPT 1.0.0 70B Demo on Colab OpenThaiGPT 7b, 13b, 70b Version 1.0.0 is an advanced 7, 13, 70-billion-parameter Thai language chat model based on LLaMA v2 released on April 8, 2024. It has been specifically fine-tuned for Thai instructions and enhanced by incorporating over 10,000 of the most commonly used Thai words into the large language model's (LLM) dictionary, significantly boosting its response speed. Highlights Leading-edge Thai language LLM , setting new benchmarks by achieving the highest average scores across several Thai language exams when compared to all other open-source Thai LLMs. The First 70b Thai opensource LLM , achieving the higher Thai exams than OpenAI GPT 3.5, Google Gemini, and Claude 3 Haiku. Support for extended conversations across multiple turns. Support the use case of Retrieval Augmented Generation (RAG) for enriched response generation. Generation speeds increased by tenfold , thanks to the addition of 10,000 frequently used Thai words to th
อ่านเพิ่มเติม

Demo OpenThaiGPT 1.0.0-beta on Colab

รูปภาพ
Demo OpenThaiGPT 1.0.0-beta on Colab Colab code on official Website https://colab.research.google.com/drive/1NkmAJHItpqu34Tur9wCFc97A6JzKR8xo ถ้าใช้  model ตาม original colab code ที่ OpenThaiGPT Website  Model นี้จะใช้ RAM ถึง 22.6 GB เพราะเป็น model FP32 และ ต้อง Run เป็น  NVIDIA A100 GPU ไม่สามารถ run บน NVIDIA T4 GPU ที่มี ram แค่ 16GB ได้ ดังนั้น จึงต้อง convert model เป็น FP16    Convert Model to FP16 ผมได้ convert model OpenThaiGPT เป็น แบบ FP16 เพื่อสามารถ run บน NVIDIA T4 GPU ได้ ( และ เอา Base Model + LoRa adaptor แล้ว ที่ code เลยไม่ต้องมี lora_weights อีก) แล้ว upload ที่ Hugging face ตามนี้ https://huggingface.co/Adun/openthaigpt-1.0.0-beta-7b-ckpt-hf และ แก้ไข code ตามนี้ ก็สามารถ run บน NVIDIA T4 ได้ ถ้าใช้ mode 8 bit ก็จะใช้ RAM ประมาณ 8 GB Run Demo  Run Demo with Gradio สรุป การใช้ RAM แต่ละ  Quantization Model  Reference OpenThaiGPT https://openthaigpt.aieat.or.th/ Colab Code  https://colab.research.google.com/drive/1NkmAJHItpqu34Tur9wCFc97A6JzKR8xo Facebook LLaMA 7B
อ่านเพิ่มเติม