Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
Съдържание и теми, включени в курса
Въведение във внедряването на CV/NLP с CANN
- Жизнен цикъл на AI модела – от обучение до внедряване
- Ключови съображения за производителност при CV и NLP в реално време
- Преглед на CANN SDK инструментите и тяхната роля при интегрирането на модели
Подготовка на CV и NLP модели
- Експортиране на модели от PyTorch, TensorFlow и MindSpore
- Работа с входните/изходните данни на моделите за задачи с изображения и текст
- Използване на ATC за конвертиране на модели във формат OM
Внедряване на инференционни пайплайни с AscendCL
- Изпълнение на CV/NLP инференция чрез AscendCL API
- Пайплайни за предварителна обработка: преоразмеряване на изображения, токенизация, нормализация
- Последваща обработка: ограничаващи кутии, класификационни резултати, текстов изход
Техники за оптимизиране на производителността
- Профилиране на CV и NLP модели с помощта на CANN инструменти
- Намаляване на латентността чрез смесена прецизност и настройка на партидите
- Управление на паметта и изчисленията за стрийминг задачи
Случаи на приложение в компютърното зрение
- Казус: детекция на обекти за интелигентно наблюдение
- Казус: визуален контрол на качеството в производството
- Изграждане на пайплайни за видеоанализ на живо върху Ascend 310
Случаи на приложение в NLP
- Казус: анализ на настроения и разпознаване на намерения
- Казус: класификация на документи и обобщаване
- NLP интеграция в реално време с REST API и системи за съобщения
Обобщение и следващи стъпки
Изисквания
- Познаване на дълбокото обучение за компютърно зрение или NLP
- Опит с Python и AI рамки като TensorFlow, PyTorch или MindSpore
- Основно разбиране на работните процеси за внедряване на модели или инференция
Аудитория
- Специалисти по компютърно зрение и NLP, използващи платформата Huawei Ascend
- Data scientists и AI инженери, разработващи модели за възприятие в реално време
- Разработчици, интегриращи CANN пайплайни в производството, наблюдението или медийния анализ
14 Часа