Prenez contact avec nous

Plan du cours

Introduction au déploiement CV/NLP avec CANN

  • Cycle de vie des modèles d'IA, de l'entraînement au déploiement
  • Considérations clés de performance pour les CV et NLP en temps réel
  • Aperçu des outils SDK CANN et de leur rôle dans l'intégration des modèles

Préparation des modèles CV et NLP

  • Exportation des modèles depuis PyTorch, TensorFlow et MindSpore
  • Gestion des entrées/sorties des modèles pour les tâches d'image et de texte
  • Utilisation d'ATC pour convertir les modèles au format OM

Déploiement des pipelines d'inférence avec AscendCL

  • Exécution de l'inférence CV/NLP à l'aide de l'API AscendCL
  • Pipelines de prétraitement : redimensionnement d'images, tokenisation, normalisation
  • Post-traitement : boîtes englobantes, scores de classification, sortie de texte

Techniques d'optimisation des performances

  • Profilage des modèles CV et NLP à l'aide des outils CANN
  • Réduction de la latence grâce à la précision mixte et au réglage par lots
  • Gestion de la mémoire et du calcul pour les tâches de flux continu

Cas d'utilisation en vision par ordinateur

  • Étude de cas : détection d'objets pour la vidéosurveillance intelligente
  • Étude de cas : inspection visuelle de la qualité dans la fabrication
  • Création de pipelines d'analyse vidéo en direct sur Ascend 310

Cas d'utilisation en NLP

  • Étude de cas : analyse des sentiments et détection d'intention
  • Étude de cas : classification et résumé de documents
  • Intégration NLP en temps réel avec les API REST et les systèmes de messagerie

Résumé et prochaines étapes

Pré requis

  • Connaissance des apprentissages profonds pour la vision par ordinateur ou la NLP
  • Expérience avec Python et des frameworks d'IA tels que TensorFlow, PyTorch ou MindSpore
  • Compréhension de base des workflows de déploiement de modèles ou d'inférence

Public cible

  • Professionnels de la vision par ordinateur et de la NLP utilisant la plateforme Huawei Ascend
  • Data scientists et ingénieurs IA développant des modèles de perception en temps réel
  • Développeurs intégrant des pipelines CANN dans la fabrication, la vidéosurveillance ou l'analyse de médias
 14 Heures

Nombre de participants


Prix par participant

Cours à venir

Catégories Similaires