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
- Présentation des langages, outils et bibliothèques nécessaires pour accélérer une application de vision par ordinateur
- Mise en place d'OpenVINO
- Aperçu de la boîte à outils OpenVINO et de ses composants
- Compréhension de l'accélération de l'apprentissage profond par GPU et FPGA
- Écriture de logiciels ciblant un FPGA
- Conversion d'un format de modèle pour un moteur d'inférence
- Cartographie des topologies de réseau sur l'architecture FPGA
- Utilisation d'une pile d'accélération pour activer un cluster FPGA
- Mise en place d'une application pour détecter un accélérateur FPGA
- Déploiement de l'application pour la reconnaissance d'images du monde réel
- Dépannage
- Resume et conclusion
Pré requis
- Expérience en programmation Python
- Expérience avec pandas et scikit-learn
- Expérience en apprentissage profond et vision par ordinateur
Audience
- Data scientists
35 Heures
