Contacta con nosotros

Temario del curso

  • Introducción
  • Resumen de los lenguajes, herramientas y bibliotecas necesarios para acelerar una aplicación de visión por computadora
  • Configuración de OpenVINO
  • Descripción general del kit de herramientas OpenVINO y sus componentes
  • Comprensión de la aceleración del aprendizaje profundo en GPU y FPGA
  • Desarrollo de software dirigido a FPGA
  • Conversión del formato de un modelo para un motor de inferencia
  • Mapeo de topologías de red en la arquitectura FPGA
  • Uso de una pila de aceleración para habilitar un clúster de FPGA
  • Configuración de una aplicación para detectar un acelerador FPGA
  • Despliegue de la aplicación para reconocimiento de imágenes en el mundo real
  • Resolución de problemas
  • Resumen y conclusión

Requerimientos

  • Experiencia en programación con Python
  • Experiencia con pandas y scikit-learn
  • Experiencia en aprendizaje profundo y visión por computadora

Público objetivo

  • Científicos de datos
 35 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas