Plan du cours

Introduction

Aperçu des Languages, outils et bibliothèques nécessaires à l'accélération d'une application de vision par ordinateur

Mise en place OpenVINO

Aperçu de la boîte à outils OpenVINO et de ses composants

Comprendre l'accélération du Deep Learning GPU et les FPGA

Écrire des logiciels qui ciblent les 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

Configuration d'une application pour découvrir un accélérateur FPGA

Déploiement de l'application pour la reconnaissance d'images dans le monde réel

Dépannage

Résumé et conclusion

Pré requis

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

Public

  • Data scientists
  35 heures
 

Nombre de participants


Début

Fin


Dates are subject to availability and take place between 09:30 and 16:30.
Les formations ouvertes requièrent plus de 3 participants.

Nos Clients témoignent (5)

Cours Similaires

Deep Learning AI Techniques for Executives, Developers and Managers

  21 heures

Deep Learning for Finance (with R)

  28 heures

Deep Learning for Banking (with R)

  28 heures

Deep Learning for Medicine

  14 heures

Catégories Similaires