Entrar em Contato

Programa do Curso

Introdução à Implantação VC/PLN com CANN

  • Ciclo de vida do modelo de IA: do treinamento à implantação
  • Principais considerações de desempenho para VC e PLN em tempo real
  • Visão geral das ferramentas SDK CANN e seu papel na integração de modelos

Preparação de Modelos VC e PLN

  • Exportação de modelos do PyTorch, TensorFlow e MindSpore
  • Manipulação de entradas/saídas dos modelos para tarefas de imagem e texto
  • Uso da ATC para converter modelos para o formato OM

Implantação de Pipelines de Inferência com AscendCL

  • Execução de inferência VC/PLN usando a API AscendCL
  • Pipelines de pré-processamento: redimensionamento de imagens, tokenização e normalização
  • Pós-processamento: caixas delimitadoras, escores de classificação e saída de texto

Técnicas de Otimização de Desempenho

  • Perfilamento de modelos VC e PLN com ferramentas CANN
  • Redução da latência com ajuste de precisão mista e em lotes
  • Gerenciamento de memória e computação para tarefas de fluxo contínuo

Casos de Uso de Visão Computacional

  • Estudo de caso: detecção de objetos para vigilância inteligente
  • Estudo de caso: inspeção de qualidade visual na manufatura
  • Construção de pipelines de análise de vídeo ao vivo no Ascend 310

Casos de Uso de PLN

  • Estudo de caso: análise de sentimentos e detecção de intenções
  • Estudo de caso: classificação e resumo de documentos
  • Integração de PLN em tempo real com APIs REST e sistemas de mensageria

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 fluxo de trabalho de implantação ou inferência de modelos

Público-Alvo

  • Profissionais de visão computacional e PLN utilizando a plataforma Ascend da Huawei
  • Cientistas de dados e engenheiros de IA desenvolvendo modelos de percepção em tempo real
  • Desenvolvedores integrando pipelines CANN em manufatura, vigilância ou análise de mídia
 14 Horas

Número de participantes


Preço por participante

Próximas Formações Provisórias

Categorias Relacionadas