Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Introducción a la Implementación de VP/PLN con CANN
- Ciclo de vida del modelo de IA: desde el entrenamiento hasta la implementación
- Consideraciones clave de rendimiento para VP y PLN en tiempo real
- Descripción general de las herramientas del SDK CANN y su papel en la integración de modelos
Preparación de Modelos de VP y PLN
- Exportación de modelos desde PyTorch, TensorFlow y MindSpore
- Manejo de entradas y salidas del modelo para tareas de imagen y texto
- Uso de ATC para convertir modelos al formato OM
Implementación de Pipelines de Inferencia con AscendCL
- Ejecución de inferencias de VP/PLN mediante la API de AscendCL
- Pipelines de preprocesamiento: redimensionamiento de imágenes, tokenización, normalización
- Postprocesamiento: cajas delimitadoras, puntuaciones de clasificación, salida de texto
Técnicas de Optimización de Rendimiento
- Perfilado de modelos VP y PLN mediante las herramientas CANN
- Reducción de la latencia mediante precisión mixta y ajuste por lotes (batch)
- Gestión de memoria y capacidad de cómputo para tareas de transmisión en tiempo real
Casos de Uso de Visión por Computadora
- Estudio de caso: detección de objetos para vigilancia inteligente
- Estudio de caso: inspección visual de calidad en la manufactura
- Creación de pipelines de análisis de video en vivo sobre Ascend 310
Casos de Uso de PLN
- Estudio de caso: análisis de sentimiento y detección de intenciones
- Estudio de caso: clasificación y resumido de documentos
- Integración de PLN en tiempo real con APIs REST y sistemas de mensajería
Resumen y Próximos Pasos
Requerimientos
- Familiaridad con el aprendizaje profundo aplicado a la visión por computadora o al PLN
- Experiencia con Python y marcos de IA como TensorFlow, PyTorch o MindSpore
- Comprensión básica de los flujos de trabajo de implementación e inferencia de modelos
Público Objetivo
- Profesionales de la visión por computadora y el PLN que utilizan la plataforma Ascend de Huawei
- Científicos de datos e ingenieros de IA que desarrollan modelos de percepción en tiempo real
- Desarrolladores que integran pipelines CANN en manufactura, vigilancia o análisis de medios
14 Horas