Bądźmy w kontakcie

Plan Szkolenia

  • Wprowadzenie
  • Przegląd języków, narzędzi i bibliotek niezbędnych do przyspieszania aplikacji do przetwarzania obrazów
  • Konfiguracja OpenVINO
  • Przegląd zestawu narzędzi OpenVINO i jego komponentów
  • Zrozumienie przyspieszania uczenia głębokiego na GPU i FPGA
  • Pisanie oprogramowania przeznaczonego dla FPGA
  • Konwersja formatu modelu dla silnika wnioskowania
  • Mapowanie topologii sieci na architekturę FPGA
  • Używanie stosu przyspieszania do obsługi klastra FPGA
  • Konfiguracja aplikacji do wykrywania akceleratora FPGA
  • Wdrażanie aplikacji do rozpoznawania obrazów w rzeczywistych warunkach
  • Rozwiązywanie problemów
  • Podsumowanie i zakończenie

Wymagania

  • Doświadczenie w programowaniu w Pythonie
  • Doświadczenie w pracy z bibliotekami pandas i scikit-learn
  • Doświadczenie w uczeniu głębokim i przetwarzaniu obrazów

Odbiorcy

  • Naukowcy zajmujący się danymi
 35 godzin

Liczba uczestników


Cena za uczestnika (netto)

Propozycje terminów

Powiązane Kategorie