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
  35 ore
 

Numero di Partecipanti


Data Inizio

Data Fine


Le date sono soggette a disponibilità e si svolgono tra le 09:30 e le 16:30.
I corsi di formazione pubblici richiedono più di 5 partecipanti.

Recensioni (5)

Corsi relativi

Deep Learning AI Techniques for Executives, Developers and Managers

  21 ore

Deep Learning for Medicine

  14 ore

Categorie relative