Đề cương khóa học

Giới thiệu về Triển khai CV/NLP với CANN

  • Chu trình sống của mô hình AI từ đào tạo đến triển khai
  • Các yếu tố quan trọng về hiệu suất cho CV và NLP thời gian thực
  • Tổng quan về các công cụ CANN SDK và vai trò của chúng trong tích hợp mô hình

Chuẩn bị Mô hình CV và NLP

  • Xuất các mô hình từ PyTorch, TensorFlow, và MindSpore
  • Xử lý đầu vào/dầu ra của mô hình cho các tác vụ hình ảnh và văn bản
  • Sử dụng ATC để chuyển đổi mô hình sang định dạng OM

Triển khai Đường dẫn Suy luận với AscendCL

  • Chạy suy luận CV/NLP bằng API AscendCL
  • Đường dẫn tiền xử lý: thay đổi kích thước hình ảnh, phân đoạn từ, chuẩn hóa
  • Xử lý sau: hộp giới hạn, điểm số phân loại, đầu ra văn bản

Kỹ thuật Tối ưu Hóa Hiệu suất

  • Phân tích hiệu suất các mô hình CV và NLP bằng công cụ CANN
  • Giảm độ trễ với độ chính xác hỗn hợp và điều chỉnh lô
  • Quản lý bộ nhớ và tính toán cho các tác vụ streaming

Trường hợp Sử dụng Xử lý Hình ảnh

  • Trường hợp nghiên cứu: phát hiện đối tượng cho giám sát thông minh
  • Trường hợp nghiên cứu: kiểm tra chất lượng hình ảnh trong sản xuất
  • Xây dựng các đường dẫn phân tích video trực tiếp trên Ascend 310

Trường hợp Sử dụng NLP

  • Trường hợp nghiên cứu: phân tích cảm xúc và phát hiện ý định
  • Trường hợp nghiên cứu: phân loại tài liệu và tóm tắt
  • Tích hợp NLP thời gian thực với REST APIs và hệ thống nhắn tin

Tổng kết và Bước tiếp theo

Yêu cầu

  • Am hiểu về học sâu cho xử lý hình ảnh hoặc NLP
  • Kinh nghiệm với Python và các khung AI như TensorFlow, PyTorch, hoặc MindSpore
  • Hiểu biết cơ bản về triển khai mô hình hoặc quy trình suy luận

Đối tượng

  • Các nhà thực hành xử lý hình ảnh và NLP sử dụng nền tảng Huawei’s Ascend
  • Các nhà khoa học dữ liệu và kỹ sư AI phát triển các mô hình nhận thức thời gian thực
  • Các lập trình viên tích hợp các đường dẫn CANN trong sản xuất, giám sát, hoặc phân tích truyền thông
 14 Giờ học

Số người tham gia


Giá cho mỗi người tham gia

Đánh giá (1)

Các khóa học sắp tới

Các danh mục liên quan