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
Vue d'ensemble des Languages, outils et bibliothèques nécessaires à l'accélération d'une application Computer Vision.
Mise en place de OpenVINO
Présentation de la boîte à outils OpenVINO et de ses composants
Comprendre l'accélération Deep Learning GPU et les FPGA
Écrire un logiciel qui cible le FPGA
Conversion d'un format de modèle pour un moteur d'inférence
Cartographier les topologies de réseau sur l'architecture FPGA
Utiliser une pile d'accélération pour activer un cluster FPGA
Configurer une application pour découvrir un accélérateur FPGA
Déploiement de l'application pour la reconnaissance d'images dans le monde réel
Résolution des problèmes
Résumé et conclusion
Pré requis
- Python expérience en programmation
- Expérience avec pandas et scikit-learn
- Expérience de l'apprentissage profond et de la vision par ordinateur
Audience
- Scientifiques des données
35 Heures
