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.
Duración 14 horas
Temario del curso
Introducción a la implementación de CV/NLP con CANN
- Ciclo de vida de los modelos de IA desde el entrenamiento hasta la implementación
- Consideraciones clave de rendimiento para CV y NLP en tiempo real
- Visión general de las herramientas del SDK de CANN y su papel en la integración de modelos
Preparación de modelos de CV y NLP
- Exportación de modelos desde PyTorch, TensorFlow y MindSpore
- Manejo de entradas/salidas de modelos para tareas de imagen y texto
- Uso de ATC para convertir modelos al formato OM
Implementación de flujos de inferencia con AscendCL
- Ejecución de inferencias de CV/NLP utilizando la API de AscendCL
- Flujos de preprocesamiento: cambio de tamaño de imágenes, tokenización, normalización
- Postprocesamiento: cajas delimitadoras, puntuaciones de clasificación, salida de texto
Técnicas de optimización de rendimiento
- Perfilado de modelos de CV y NLP utilizando las herramientas de CANN
- Reducción de la latencia mediante precisión mixta y ajuste de lotes
- Gestión de memoria y cómputo para tareas de transmisión en continuo
Casos de uso de visión por computadora
- Estudio de caso: detección de objetos para vigilancia inteligente
- Estudio de caso: inspección de calidad visual en fabricación
- Construcción de flujos de análisis de video en vivo en Ascend 310
Casos de uso de NLP
- Estudio de caso: análisis de sentimiento y detección de intención
- Estudio de caso: clasificación y resumen de documentos
- Integración de NLP en tiempo real con APIs REST y sistemas de mensajería
Resumen y próximos pasos
Requerimientos
- Familiaridad con el aprendizaje profundo para visión por computadora o NLP
- Experiencia con Python y marcos de IA como TensorFlow, PyTorch o MindSpore
- Comprensión básica de los flujos de trabajo de implementación de modelos o inferencia
Público objetivo
- Profesionales de visión por computadora y NLP 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 flujos de trabajo CANN en fabricación, vigilancia o análisis de medios
