Grazie per aver inviato la tua richiesta! Uno dei nostri team membri ti contatterà a breve.
Grazie per aver inviato il tuo prenotazione! Uno dei nostri team membri ti contatterà a breve.
Struttura del corso
- Introduzione
- Panoramica dei linguaggi, degli strumenti e delle librerie necessari per accelerare un'applicazione di visione artificiale
- Impostazione di OpenVINO
- Panoramica del toolkit OpenVINO e dei suoi componenti
- Comprensione dell'accelerazione del deep learning su GPU e FPGA
- Scrittura di software mirato all'FPGA
- Conversione del formato del modello per un motore di inferenza
- Mappatura delle topologie di rete sull'architettura FPGA
- Utilizzo di uno stack di accelerazione per abilitare un cluster FPGA
- Configurazione di un'applicazione per il rilevamento di un acceleratore FPGA
- Distribuzione dell'applicazione per il riconoscimento di immagini nel mondo reale
- Risoluzione dei problemi
- Schema riassuntivo e conclusioni
Requisiti
- Esperienza nella programmazione Python
- Esperienza con pandas e scikit-learn
- Esperienza con deep learning e visione artificiale
Pubblico di riferimento
- Data scientist
35 ore