Obrigado por enviar sua consulta! Um dos membros da nossa equipe entrará em contato com você em breve.
Obrigado por enviar sua reserva! Um dos membros da nossa equipe entrará em contato com você em breve.
Duração 14 horas
Programa do Curso
Introdução à Implantação de CV/PLN com CANN
- Ciclo de vida do modelo de IA, do treinamento à implantação
- Considerações-chave de desempenho para CV e PLN em tempo real
- Visão geral das ferramentas do CANN SDK e seu papel na integração de modelos
Preparing CV and NLP Models
- Exportando modelos de PyTorch, TensorFlow e MindSpore
- Tratamento de entradas/saídas de modelos para tarefas de imagem e texto
- Usando ATC para converter modelos para o formato OM
Implantação de Pipelines de Inferência com AscendCL
- Executando inferência de CV/PLN usando a API AscendCL
- Pipelines de pré-processamento: redimensionamento de imagem, tokenização, normalização
- Pós-processamento: caixas delimitadoras, pontuações de classificação, saída de texto
Técnicas de Otimização de Desempenho
- Análise de perfil de modelos de CV e PLN usando ferramentas CANN
- Reduzindo latência com precisão mista e ajuste de lote
- Gerenciando memória e computação para tarefas de streaming
Casos de Uso em Visão Computacional
- Estudo de caso: detecção de objetos para vigilância inteligente
- Estudo de caso: inspeção de qualidade visual na manufatura
- Construindo pipelines de análise de vídeo ao vivo em Ascend 310
Casos de Uso em PLN
- Estudo de caso: análise de sentimento e detecção de intenção
- Estudo de caso: classificação e resumo de documentos
- Integração de PLN em tempo real com APIs REST e sistemas de mensagens
Resumo e Próximos Passos
Requisitos
- Familiaridade com aprendizado profundo para visão computacional ou PLN
- Experiência com Python e frameworks de IA como TensorFlow, PyTorch ou MindSpore
- Compreensão básica de fluxos de trabalho de implantação ou inferência de modelos
Público-Alvo
- Profissionais de visão computacional e PLN que utilizam a plataforma Ascend da Huawei
- Cientistas de dados e engenheiros de IA que desenvolvem modelos de percepção em tempo real
- Desenvolvedores que integram pipelines CANN em manufatura, vigilância ou análise de mídia
