Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Duración 14 horas
Temario del curso
Introducción al despliegue de VC/PLN con CANN
- Ciclo de vida de los modelos de IA desde el entrenamiento hasta el despliegue
- Consideraciones clave de rendimiento para VC y PLN en tiempo real
- Descripción general de las herramientas del CANN SDK y su papel en la integración de modelos
Preparación de modelos de VC y PLN
- Exportación de modelos desde PyTorch, TensorFlow y MindSpore
- Manejo de entradas/salidas de modelos para tareas de imagen y texto
- Uso de ATC para convertir modelos al formato OM
Despliegue de pipelines de inferencia con AscendCL
- Ejecución de inferencia de VC/PLN utilizando la API AscendCL
- Pipelines de preprocesamiento: redimensionamiento de imágenes, tokenización, normalización
- Postprocesamiento: cuadros delimitadores, puntuaciones de clasificación, salida de texto
Técnicas de optimización de rendimiento
- Perfilado de modelos de VC y PLN utilizando las herramientas de CANN
- Reducción de la latencia con precisión mixta y ajuste de lotes (batch)
- Gestión de la memoria y la computación para tareas de streaming
Casos de uso de visión por computadora
- Caso de estudio: detección de objetos para vigilancia inteligente
- Caso de estudio: inspección de calidad visual en la manufactura
- Construcción de pipelines de analítica de video en vivo en Ascend 310
Casos de uso de PLN
- Caso de estudio: análisis de sentimiento y detección de intenciones
- Caso de estudio: clasificación y resumen de documentos
- Integración de PLN en tiempo real con APIs REST y sistemas de mensajería
Resumen y próximos pasos
Requerimientos
- Familiaridad con el aprendizaje profundo para visión por computadora o PLN
- Experiencia con Python y marcos de IA como TensorFlow, PyTorch o MindSpore
- Comprensión básica de los flujos de trabajo de despliegue de modelos o inferencia
Público Objetivo
- Profesionales de visión por computadora y PLN que utilizan la plataforma Ascend de Huawei
- Científicos de datos e ingenieros de IA que desarrollan modelos de percepción en tiempo real
- Desarrolladores que integran pipelines de CANN en manufactura, vigilancia o análisis de medios
