Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Struttura del corso
Introduzione
Panoramica dei Languages, degli strumenti e delle librerie necessari per accelerare un'applicazione Computer Vision
Impostazione OpenVINO
Panoramica di OpenVINO Toolkit e dei suoi componenti
Comprensione Deep Learning dell'accelerazione GPU e dell'FPGA
Scrittura di software destinati a FPGA
Conversione di un formato di modello per un motore di inferenza
Mappatura delle topologie di rete su architettura FPGA
Utilizzo di uno stack di accelerazione per abilitare un cluster FPGA
Configurazione di un'applicazione per rilevare 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 i panda e scikit-learn
- Esperienza con il deep learning e la visione artificiale
Pubblico
- Scienziati dei dati
35 ore
