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 компютърно зрение и НЛП с CANN
- Жизнен цикъл на AI модела от обучение до внедряване
- Ключови съображения за производителност при компютърно зрение и НЛП в реално време
- Преглед на инструментите на CANN SDK и тяхната роля в интеграцията на модели
Подготовка на модели за компютърно зрение и НЛП
- Експортиране на модели от PyTorch, TensorFlow и MindSpore
- Работа с входове/изходи на модели за задачи с изображения и текст
- Използване на ATC за конвертиране на модели в OM формат
Внедряване на конвейери за изводи с AscendCL
- Изпълнение на изводи за компютърно зрение и НЛП чрез AscendCL API
- Конвейери за предварителна обработка: преоразмеряване на изображения, токенизация, нормализация
- Последваща обработка: ограничителни кутии, резултати от класификация, текстов изход
Техники за оптимизиране на производителността
- Профилиране на модели за компютърно зрение и НЛП с помощта на CANN инструменти
- Намаляване на забавянето с помощта на смесена точност и пакетна настройка
- Управление на паметта и изчисленията за задачи с поточно предаване
Приложения в компютърното зрение
- Пример от практиката: откриване на обекти за интелигентно наблюдение
- Пример от практиката: визуална проверка на качеството в производството
- Изграждане на конвейери за видео анализ на живо на Ascend 310
Приложения в НЛП
- Пример от практиката: анализ на тоналността и откриване на намерения
- Пример от практиката: класификация и обобщаване на документи
- Интегриране на НЛП в реално време чрез REST API и системи за съобщения
Обобщение и следващи стъпки
Изисквания
- Познания в областта на дълбокото обучение за компютърно зрение или НЛП
- Опит с Python и AI рамки като TensorFlow, PyTorch или MindSpore
- Основно разбиране на работните процеси за внедряване на модели или изводи
Аудитория
- Специалисти по компютърно зрение и НЛП, използващи платформата Huawei Ascend
- Специалисти по данни и AI инженери, разработващи модели за възприятие в реално време
- Разработчици, интегриращи CANN конвейери в производството, наблюдението или медийния анализ
14 Часа
