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 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