Curso de CANN SDK para Computer Vision y Pipes de NLP

El SDK CANN (Arquitectura de Computación para Neural Networks) proporciona herramientas poderosas de implementación y optimización para aplicaciones de IA en tiempo real en visión por computadora y PLN, especialmente en hardware Huawei Ascend.

Este entrenamiento guiado por un instructor (en línea o presencial) está dirigido a practicantes intermedios de IA que desean construir, implementar y optimizar modelos de visión y lenguaje utilizando el SDK CANN para casos de uso en producción.

Al finalizar este entrenamiento, los participantes podrán:

Implementar y optimizar modelos CV y NLP usando CANN y AscendCL.
Utilizar las herramientas de CANN para convertir modelos e integrarlos en tuberías en vivo.
Optimizar el rendimiento de la inferencia para tareas como detección, clasificación y análisis de sentimientos.
Construir pipelines de CV/NLP en tiempo real para escenarios de implementación basados en dispositivos de borde o nube.

Formato del Curso

Conferencia interactiva y demostración.
Laboratorio práctico con implementación de modelos y perfilado de rendimiento.
Diseño en vivo de tuberías utilizando casos reales de CV y PLN.

Opciones de Personalización del Curso

Para solicitar una formación personalizada para este curso, contáctenos para organizarlo.

Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.

Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.

Programa del Curso

Introducción a la Implementación de CV/NLP con CANN

Ciclo de vida del modelo AI desde el entrenamiento hasta su implementación
Consideraciones clave para el rendimiento en tiempo real de CV y NLP
Visión general de las herramientas de la SDK CANN y su papel en la integración del modelo

Preparando Modelos de CV y NLP

Exportar modelos desde PyTorch, TensorFlow y MindSpore
Manejo de entradas/salidas de los modelos para tareas de imagen y texto
Usando ATC para convertir modelos a formato OM

Implementación de Pipelines de Inference con AscendCL

Ejecutar inferencia CV/NLP usando la API AscendCL
Pipelines de preprocesamiento: redimensionado de imágenes, tokenización, normalización
Postprocesamiento: cuadros delimitadores, puntuaciones de clasificación, salida de texto

Técnicas de Optimización de Rendimiento

Perfilar modelos CV y NLP usando las herramientas CANN
Reducir la latencia con precisión mixta y ajuste de lotes
Administrar memoria y cálculo para tareas en tiempo real

Computer Vision Casos Prácticos

Estudio de caso: detección de objetos para vigilancia inteligente
Estudio de caso: inspección visual de calidad en la fabricación
Construcción de pipelines de análisis de video en vivo sobre Ascend 310

Casos Prácticos NLP

Estudio de caso: análisis de sentimiento y detección de intención
Estudio de caso: clasificación y resumen de documentos
Integración en tiempo real de NLP con API REST y sistemas de mensajería

Resumen y Próximos Pasos

Requerimientos

Familiaridad con el aprendizaje profundo para visión por computadora o PLN (Procesamiento de Lenguaje Natural)
Experiencia con Python y marcos de IA como TensorFlow, PyTorch o MindSpore
Comprensión básica de la implementación del modelo o flujos de trabajo de inferencia

Destinatarios

Practicantes de visión por computadora y PLN que utilizan el plataforma Ascend de Huawei
Científicos de datos e ingenieros de IA que desarrollan modelos de percepción en tiempo real
Desarrolladores que integran CANN pipelines en manufactura, vigilancia o análisis de medios

14 Horas

¿Necesita ayuda para elegir el curso adecuado?

Testimonios (1)

I genuinely enjoyed the hands-on approach.

Kevin De Cuyper

Curso - Computer Vision with OpenCV

Traducción Automática