お問い合わせ

コース概要

CANNを用いたコンピュータビジョン/NLPモデル展開の基礎

  • 学習から本番環境での稼働までを含むAIモデルのライフサイクル概説
  • リアルタイムコンピュータビジョン・NLP処理における性能面の重要ポイント
  • CANN SDKツール群の概要とモデル統合時の役割説明

コンピュータビジョン・NLPモデルの準備方法

  • PyTorch、TensorFlow、MindSporeからのモデル出力手順
  • 画像およびテキストデータに対応したモデルの入力・出力処理方法
  • ATCツールを利用してOM形式へのモデル変換手順の説明

AscendCLを用いた推論パイプラインの構築法

  • AscendCL APIを活用したコンピュータビジョン・NLPモデルの実行手順
  • 画像リサイズやトークン化処理、正規化などの前処理フロー構築方法
  • 検出枠算出・分類スコア評価およびテキスト解析結果の後処理技法

性能最適化に関する技術手法

  • CANNツール群を用いたコンピュータビジョン・NLPモデルのプロファイリング法
  • 混合精度演算やバッチ処理の調整による処理遅延低減方法
  • ストリーム処理環境におけるメモリおよび計算資源管理策

コンピュータビジョン分野での活用事例

  • スマート監視システム向け物体検出の実装例
  • 製造現場における製品外観検査プロセスの自動化事例
  • Ascend 310プラットフォーム上でのライブ映像解析パイプラインの構築法

NLP分野での活用事例

  • 感情分析やユーザ意図判定処理の導入例
  • 文書分類および要約作成機能の実装事例
  • REST APIや各種メッセージングシステムとのリアルタイム統合手法

まとめおよび今後の取り組み方向性について

要求

  • コンピュータビジョンまたはNLP分野におけるディープラーニングの基礎知識
  • PythonおよびTensorFlow、PyTorch、MindSporeなどのAIフレームワークに関する経験
  • モデル展開や推論処理の基本フローへの理解が求められます。

対象者

  • HuaweiのAscendプラットフォームを活用するコンピュータビジョン・NLP技術者
  • リアルタイム認識モデル開発に携わるデータサイエンティストおよびAIエンジニア
  • ­製造業や監視システム、メディア分析分野でCANNパイプラインの導入を担う開発者
 14 時間

参加者の人数


参加者1人あたりの価格

今後のコース

関連カテゴリー