Dziękujemy za wysłanie zapytania! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Dziękujemy za wysłanie rezerwacji! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Plan Szkolenia
Wprowadzenie
Przegląd Languages, narzędzi i bibliotek potrzebnych do przyspieszenia Computer Vision aplikacji
Konfiguracja OpenVINO
Przegląd OpenVINO zestawu narzędzi i jego komponentów
Zrozumienie Deep Learning akceleracji GPU i FPGA
Pisanie oprogramowania ukierunkowanego na FPGA
Konwersja formatu modelu dla silnika wnioskowania
Mapowanie topologii sieci na architekturę FPGA
Korzystanie ze stosu akceleracji w celu włączenia klastra FPGA
Konfigurowanie aplikacji w celu wykrycia akceleratora FPGA
Wdrażanie aplikacji do rozpoznawania obrazów w świecie rzeczywistym
Rozwiązywanie problemów
Podsumowanie i wnioski
Wymagania
- Python doświadczenie w programowaniu
- Doświadczenie z pandas i scikit-learn
- Doświadczenie w głębokim uczeniu się i wizji komputerowej
Uczestnicy
- Naukowcy zajmujący się danymi
35 godzin