Contattataci

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

Numero di Partecipanti


Prezzo per partecipante

Corsi in Arrivo

Categorie relative