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.
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
