Programa do Curso

Introdução

Visão geral das Languages, ferramentas e bibliotecas necessárias para acelerar uma aplicação Computer Vision

Configurando o OpenVINO

Visão geral do OpenVINO Toolkit e seus componentes

Entendendo a Deep Learning Aceleração GPU e FPGA

Escrevendo software que visa a FPGA

Conversão de um formato de modelo para um motor de inferência

Mapeamento de topologias de rede para a arquitetura FPGA

Usando uma pilha de aceleração para habilitar um cluster de FPGA

Configuração de uma aplicação para descobrir um acelerador FPGA

Implementação da aplicação para reconhecimento de imagens no mundo real

Resolução de problemas

Resumo e conclusão

Requisitos

  • Python experiência em programação
  • Experiência com pandas e scikit-learn
  • Experiência com aprendizagem profunda e visão computacional

Público-alvo

  • Cientistas de dados
 35 horas

Número de participantes


Preço por participante

Próximas Formações Provisórias