Kurzusleírás

Bevezetés a láthatási és NLP üzembe helyezésébe CANN-nal

  • Az AI modell életciklusától az üzembe helyezésig
  • A valós idejű láthatási és NLP teljesítményének kulcsfontosságú szempontjai
  • Áttekintés a CANN SDK eszközeiről és azok szerepéről a modell integrációjában

Láthatási és NLP modellek előkészítése

  • Modell exportálása a PyTorch, TensorFlow és MindSpore-ból
  • A modell bemeneteinek/kiadatának kezelése kép- és szövmegoldások esetén
  • ATC használata a modell OM formátumra konvertálásához

Inference folyamatok üzembe helyezése AscendCL-vel

  • Láthatási és NLP inferencia futtatása az AscendCL API használatával
  • Előfeldolgozás folyamatok: kép átméretezése, tokenizálás, normalizálás
  • Utófeldolgozás: keretek megjelölése, kategóriák pontszámok, szöveg kiadása

Teljesítményoptimalizálási technikák

  • Láthatási és NLP modellek profilozása a CANN eszközökkel
  • Késleltetés csökkentése keverék-precizitású és tőrlesztés finomhangolással
  • Memória és számítás kezelése folyamatos feladatok esetén

Láthatási technológia alkalmazási példák

  • Alkalmazási példa: objektum felismerés intelligens figyeléshez
  • Alkalmazási példa: vizuális minőségellenőrzés gyártásban
  • Élő videó elemző folyamatok készítése az Ascend 310-on

NLP alkalmazási példák

  • Alkalmazási példa: hangulatanalízis és célpont felismerés
  • Alkalmazási példa: dokumentum kategorizálás és összefoglaló
  • Valós idejű NLP integráció REST API-kkal és üzenetrőgzítő rendszerekkel

Összefoglalás és következő lépések

Követelmények

  • Ismeretek mély tanulásról a láthatási technológiában vagy NLP-ben
  • Python és AI keretrendszerek, mint TensorFlow, PyTorch vagy MindSpore használata
  • Alapvető ismeretek modell üzembe helyezésével vagy inferencia munkafolyamatokkal

Célcsoport

  • Láthatási és NLP gyakornokok, akik a Huawei Ascend platformot használják
  • Adattudósok és mesterséges intelligencia mérnökök, akik valós idejű észlelési modellek fejlesztésével foglalkoznak
  • Fejlesztők, akik CANN folyamatokat integrálnak gyártásba, figyelésbe vagy média elemzésbe.
 14 Órák

Résztvevők száma


Ár résztvevőnként

Vélemények (1)

Közelgő kurzusok

Rokon kategóriák