> ## Documentation Index
> Fetch the complete documentation index at: https://docs.t3gemstone.org/llms.txt
> Use this file to discover all available pages before exploring further.

# Ekosistem

> Görüntü İşleme Yazılım Mimarisi

Bu bölümde, görüntü işleme için kullanılan Python/C++ kütüphanelerinin neler olduğu özet olarak belirtilmiştir.

<Frame caption="Geliştirme Araçları">
  <img height="600" width="800" src="https://mintcdn.com/t3gemstone-754bcb96/mzpssEyFCQRfhM5F/images/o1-board/ai/ai-sw-arch.png?fit=max&auto=format&n=mzpssEyFCQRfhM5F&q=85&s=7eb07f503c89e355f922b4114a2a8062" data-path="images/o1-board/ai/ai-sw-arch.png" />
</Frame>

İlgili kütüphaneler, hem derin öğrenme modellerinin derlenmesi hem de geliştirme kartına yüklenip çalıştırılması
için kullanılmaktadır. Aşağıdaki resimde desteklenen kütüphaneler belirtilmiştir.

<Frame caption="Kullanılan Kütüphaneler">
  <img height="600" width="800" src="https://mintcdn.com/t3gemstone-754bcb96/mzpssEyFCQRfhM5F/images/o1-board/ai/ai-dev-env.png?fit=max&auto=format&n=mzpssEyFCQRfhM5F&q=85&s=4f3958678280faa11fc0e94fdecf26e1" data-path="images/o1-board/ai/ai-dev-env.png" />
</Frame>

Geliştiriciler, modellerini önce kendi bilgisayarlarında (örneğin Linux tabanlı bir sistemde) test edip,
ardından minimum değişiklikle Gemstone O1 geliştirme kartına aktarabilirler. Böylece geliştirme süreci
hızlanır ve donanım bağımlılığı en aza iner.

<Frame caption="Geliştirme Ortamı Yapısı">
  <img height="600" width="800" src="https://mintcdn.com/t3gemstone-754bcb96/mzpssEyFCQRfhM5F/images/o1-board/ai/ai-dev-pc-edge.png?fit=max&auto=format&n=mzpssEyFCQRfhM5F&q=85&s=f2f4e29edc934e5612bd04971809fcf0" data-path="images/o1-board/ai/ai-dev-pc-edge.png" />
</Frame>

### Geliştirme Adımları

<Steps>
  <Step title="Model Hazırlama">
    İnternetteki derin öğrenme toplulukları birçok açık kaynaklı ve önceden eğitilmiş model sunmaktadır.
    Geliştiriciler bu modelleri kendi veri kümeleriyle ince ayar (Transfer Learning) yaparak kullanabilirler.
    Gemstone bu süreci kolaylaştırmak için ModelZoo adlı model havuzunu sunmaktadır. ModelZoo’daki modeller,
    ImageNet1k ve COCO gibi endüstri standardı veri kümelerinde eğitilmiş, gömülü sistemler için optimize
    edilmiştir. Ayrıca geliştiriciler, kendi modellerini de sisteme dahil edebilirler.
  </Step>

  <Step title="Model Derleme">
    Modeller, gömülü donanımda çalıştırılmadan önce Host Bilgisayar (PC x86) üzerinde derlenir. Bu süreçte
    Python veya C++ API’leri kullanılarak modelin belirli katmanları C7x/MMA işlemcilerine aktarılacak şekilde
    “artifact” dosyaları oluşturulur. Derleme sırasında farklı optimizasyon ve kuantizasyon seçenekleri uygulanabilir.
  </Step>

  <Step title="Model Dağıtımı ve Çalıştırma">
    Derleme sonrası üretilen “artifact” dosyaları, modelin gömülü donanım üzerinde çalıştırılmasını sağlar.
    Bu adımda model, gerçek zamanlı çıkarım işlemleri için kullanıma alınır.
  </Step>
</Steps>