Prenez contact avec nous

Plan du cours

  • Introduction
  • Aperçu des langages, outils et bibliothèques nécessaires à l'accélération d'une application de vision par ordinateur
  • Mise en place d'OpenVINO
  • Aperçu de la boîte à outils OpenVINO et de ses composants
  • Comprendre l'accélération de l'apprentissage profond : GPU et FPGA
  • Écriture de logiciels ciblant les FPGA
  • Conversion du format de modèle pour un moteur d'inférence
  • Mappage des topologies de réseaux sur l'architecture FPGA
  • Utilisation d'une pile d'accélération pour activer un cluster FPGA
  • Configuration d'une application pour détecter un accélérateur FPGA
  • Déploiement de l'application pour la reconnaissance d'images en situation réelle
  • Dépannage
  • Résumé et conclusion

Pré requis

  • Expérience en programmation Python
  • Expérience avec pandas et scikit-learn
  • Expérience en apprentissage profond et en vision par ordinateur

Public cible

  • Data scientists
 35 Heures

Nombre de participants


Prix par participant

Cours à venir

Catégories Similaires