Plan du cours
Introduction
Aperçu des Languages, outils et bibliothèques nécessaires à l'accélération d'une application de vision par ordinateur
Mise en place OpenVINO
Aperçu de la boîte à outils OpenVINO et de ses composants
Comprendre l'accélération du Deep Learning GPU et les FPGA
Écrire des logiciels qui ciblent les FPGA
Conversion d'un format de modèle pour un moteur d'inférence
Cartographie des topologies de réseau sur l'architecture FPGA
Utilisation d'une pile d'accélération pour activer un cluster FPGA
Configuration d'une application pour découvrir un accélérateur FPGA
Déploiement de l'application pour la reconnaissance d'images dans le monde réel
Dépannage
Résumé et conclusion
Pré requis
- Python expérience en programmation
- Expérience avec pandas et scikit-learn
- Expérience avec l'apprentissage profond et la vision par ordinateur
Public
- Data scientists
Nos Clients témoignent (4)
Working from first principles in a focused way, and moving to applying case studies within the same day
Maggie Webb - Department of Jobs, Regions, and Precincts
Formation - Artificial Neural Networks, Machine Learning, Deep Thinking
The structure from first principles, to case studies, to application.
Margaret Webb - Department of Jobs, Regions, and Precincts
Formation - Introduction to Deep Learning
I was benefit from the passion to teach and focusing on making thing sensible.
Zaher Sharifi - GOSI
Formation - Advanced Deep Learning
examples based on our data