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.
Durée 14 heures
Plan du cours
Introduction au déploiement de CV/TALN avec CANN
- Cycle de vie des modèles d'IA, de l'entraînement au déploiement
- Principaux facteurs de performance pour la CV et le TALN en temps réel
- Présentation des outils du SDK CANN et de leur rôle dans l'intégration des modèles
Préparation des modèles de CV et de TALN
- Exportation des modèles depuis PyTorch, TensorFlow et MindSpore
- Gestion des entrées/sorties de modèles pour les tâches d'image et de texte
- Utilisation d'ATC pour convertir les modèles au format OM
Déploiement de pipelines d'inférence avec AscendCL
- Exécution de l'inférence CV/TALN à l'aide de l'API AscendCL
- Pipelines de prétraitement : redimensionnement d'images, tokenisation, normalisation
- Post-traitement : boîtes englobantes, scores de classification, sortie de texte
Techniques d'optimisation des performances
- Profilage des modèles de CV et de TALN à l'aide des outils CANN
- Réduction de la latence par la précision mixte et le réglage du lot (batch)
- Gestion de la mémoire et des calculs pour les tâches en flux continu
Cas d'usage de la vision par ordinateur
- Étude de cas : détection d'objets pour la surveillance intelligente
- Étude de cas : inspection de la qualité visuelle dans la fabrication
- Création de pipelines d'analyse vidéo en direct sur Ascend 310
Cas d'usage du TALN
- Étude de cas : analyse de sentiments et détection d'intentions
- Étude de cas : classification et résumés de documents
- Intégration du TALN en temps réel avec des API REST et des systèmes de messagerie
Résumé et prochaines étapes
Pré requis
- Connaissance de l'apprentissage profond pour la vision par ordinateur ou le TALN
- Expérience avec Python et des cadres d'IA tels que TensorFlow, PyTorch ou MindSpore
- Compréhension de base des flux de travail de déploiement de modèles ou d'inférence
Public cible
- Praticiens de la vision par ordinateur et du TALN utilisant la plateforme Ascend de Huawei
- Scientifiques des données et ingénieurs IA développant des modèles de perception en temps réel
- Développeurs intégrant des pipelines CANN dans la fabrication, la surveillance ou l'analyse de médias
