Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
- Introduction
- Aperçu des langages, outils et bibliothèques nécessaires à l'accélération d'une application de vision par ordinateur
- Mise en place d'OpenVINO
- Aperçu de la boîte à outils OpenVINO et de ses composants
- Comprendre l'accélération de l'apprentissage profond : GPU et FPGA
- Écriture de logiciels ciblant les FPGA
- Conversion du format de modèle pour un moteur d'inférence
- Mappage des topologies de réseaux sur l'architecture FPGA
- Utilisation d'une pile d'accélération pour activer un cluster FPGA
- Configuration d'une application pour détecter un accélérateur FPGA
- Déploiement de l'application pour la reconnaissance d'images en situation réelle
- Dépannage
- Résumé et conclusion
Pré requis
- Expérience en programmation Python
- Expérience avec pandas et scikit-learn
- Expérience en apprentissage profond et en vision par ordinateur
Public cible
- Data scientists
35 Heures