お問い合わせを送信いただきありがとうございます！当社のスタッフがすぐにご連絡いたします。
予約を送信いただきありがとうございます！当社のスタッフがすぐにご連絡いたします。
期間 14 時間
コース概要
CANNによるCV/NLPデプロイの紹介
- トレーニングからデプロイまでのAIモデルのライフサイクル
- リアルタイムCVおよびNLPにおける主要なパフォーマンス上の考慮事項
- CANN SDKツールとそのモデル統合における役割の概要
CVおよびNLPモデルの準備
- PyTorch、TensorFlow、MindSporeからのモデルのエクスポート
- 画像およびテキストタスクのモデル入力/出力の処理
- ATCを使用してモデルをOM形式に変換する
AscendCLによる推論パイプラインのデプロイ
- AscendCL APIを使用してCV/NLP推論を実行する
- 前処理パイプライン：画像のリサイズ、トークナイゼーション、正規化
- 後処理：バウンディングボックス、分類スコア、テキスト出力
パフォーマンス最適化技術
- CANNツールを使用してCVおよびNLPモデルのプロファイリング
- 混合精度とバッチチューニングによるレイテンシの削減
- ストリーミングタスクにおけるメモリと計算のリソース管理
コンピュータービジョンのユースケース
- ケーススタディ：スマート監視向けの物体検出
- ケーススタディ：製造業における視覚的品質検査
- Ascend 310でのライブビデオ分析パイプラインの構築
NLPのユースケース
- ケーススタディ：感情分析と意図検出
- ケーススタディ：文書分類と要約
- REST APIとメッセージングシステムとのリアルタイムNLP統合
まとめと次のステップ
要求
- コンピュータービジョンまたはNLPにおける深層学習の基礎知識
- PythonおよびTensorFlow、PyTorch、MindSporeなどのAIフレームワークの利用経験
- モデルデプロイまたは推論ワークフローに関する基本的な理解
対象読者
- HuaweiのAscendプラットフォームを使用するコンピュータービジョンおよびNLP実務者
- リアルタイム知覚モデルを開発するデータサイエンティストおよびAIエンジニア
- 製造業、監視、メディア分析においてCANNパイプラインを統合する開発者
