Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Durée 14 heures
Plan du cours
Introduction au déploiement CV/TALN avec CANN
- Cycle de vie des modèles IA, de l'entraînement au déploiement
- Principales considérations de performance pour la CV et le TALN en temps réel
- Aperçu des outils CANN SDK et leur rôle dans l'intégration des modèles
Préparation des modèles CV et TALN
- Exportation des modèles depuis PyTorch, TensorFlow et MindSpore
- Gestion des entrées/sorties de modèles pour les tâches d'image et de texte
- Utilisation d'ATC pour convertir les modèles au format OM
Déploiement de pipelines d'inférence avec AscendCL
- Exécution de l'inférence CV/TALN 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 TALN à l'aide des outils CANN
- Réduction de la latence grâce à la précision mixte et à l'ajustement des lots
- Gestion de la mémoire et du calcul pour les tâches en streaming
Cas d'usage en vision par ordinateur
- Étude de cas : détection d'objets pour la vidéosurveillance intelligente
- Étude de cas : inspection de la qualité visuelle dans la fabrication
- Construction de pipelines d'analytique vidéo en direct sur Ascend 310
Cas d'usage en TALN
- Étude de cas : analyse de sentiments et détection d'intention
- Étude de cas : classification et résumé de documents
- Intégration de TALN en temps réel avec des API REST et des systèmes de messagerie
Résumé et prochaines étapes
Pré requis
- Familiarité avec l'apprentissage profond pour la vision par ordinateur ou le TALN
- Expérience avec Python et des frameworks IA tels que TensorFlow, PyTorch ou MindSpore
- Compréhension de base du déploiement de modèles ou des flux de travail d'inférence
Public cible
- Praticiens en vision par ordinateur et TALN utilisant la plateforme Ascend de Huawei
- 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'analytique média
