Struttura del corso
Introduzione
Panoramica di Languages, degli strumenti e delle librerie necessari per l'accelerazione di un'applicazione di visione artificiale
Impostazione OpenVINO
Panoramica di OpenVINO Toolkit e dei suoi componenti
Comprendere l'accelerazione del deep learning GPU e l'FPGA
Scrittura di software per FPGA
Conversione di un formato di 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 l'individuazione di un acceleratore FPGA
Distribuzione dell'applicazione per il riconoscimento delle immagini del mondo reale
Risoluzione dei problemi
Riassunto e conclusione
Requisiti
- Python Esperienza di programmazione
- Esperienza con panda e scikit-learn
- Esperienza con il deep learning e la visione artificiale
Pubblico
- Scienziati dei dati
Recensioni (5)
Working from first principles in a focused way, and moving to applying case studies within the same day
Maggie Webb - Department of Jobs, Regions, and Precincts
Corso - Artificial Neural Networks, Machine Learning, Deep Thinking
Very flexible
Frank Ueltzhöffer
Corso - Artificial Neural Networks, Machine Learning and Deep Thinking
The structure from first principles, to case studies, to application.
Margaret Webb - Department of Jobs, Regions, and Precincts
Corso - Introduction to Deep Learning
I was benefit from the passion to teach and focusing on making thing sensible.
Zaher Sharifi - GOSI
Corso - Advanced Deep Learning
examples based on our data