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.
Duración 14 horas
Temario del curso
Introducción al despliegue de CV/NLP con CANN
- Ciclo de vida de los modelos de IA, desde el entrenamiento hasta el despliegue
- Consideraciones clave de rendimiento para CV y NLP en tiempo real
- Visión general de las herramientas del SDK CANN y su papel en la integración de modelos
Preparación de modelos de CV y NLP
- Exportación de modelos desde PyTorch, TensorFlow y MindSpore
- Manejo de entradas/salidas de modelos para tareas de imagen y texto
- Uso de ATC para convertir modelos al formato OM
Despliegue de pipelines de inferencia con AscendCL
- Ejecución de inferencia de CV/NLP mediante la API AscendCL
- Pipelines de preprocesamiento: redimensionado de imágenes, tokenización, normalización
- Postprocesamiento: recuadros de delimitación, puntuaciones de clasificación, salida de texto
Técnicas de optimización de rendimiento
- Perfiles de rendimiento de modelos de CV y NLP utilizando herramientas de CANN
- Reducción de la latencia mediante precisión mixta y ajuste de lotes
- Gestión de memoria y cómputo para tareas de streaming
Casos de uso de visión por computadora
- Estudio de caso: detección de objetos para vigilancia inteligente
- Estudio de caso: inspección de calidad visual en la fabricación
- Construcción de pipelines de análisis de video en vivo en Ascend 310
Casos de uso de NLP
- Estudio de caso: análisis de sentimiento y detección de intenciones
- Estudio de caso: clasificación y resumén de documentos
- Integración de NLP en tiempo real con API REST y sistemas de mensajería
Resumen y próximos pasos
Requerimientos
- Familiaridad con el aprendizaje profundo para visión por computadora o NLP
- Experiencia con Python y frameworks de IA como TensorFlow, PyTorch o MindSpore
- Comprensión básica de flujos de trabajo de despliegue de modelos o inferencia
Público objetivo
- Prácticos en visión por computadora y NLP que utilizan la plataforma Ascend de Huawei
- Científicos de datos e ingenieros de IA que desarrollan modelos de percepción en tiempo real
- Desarrolladores que integran pipelines de CANN en fabricación, vigilancia o análisis de medios
