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.
Temario del curso
- Introducción
- Visión general de los lenguajes, herramientas y bibliotecas necesarias para acelerar una aplicación de visión por computadora
- Configuración de OpenVINO
- Visión general del kit de herramientas OpenVINO y sus componentes
- Comprensión de la aceleración del aprendizaje profundo con GPU y FPGA
- Escribir software orientado a FPGA
- Conversion de un formato de modelo para un motor de inferencia
- Mapeo de topologías de red en la arquitectura FPGA
- Uso de una pila de aceleración para habilitar un clúster de FPGA
- Configuración de una aplicación para descubrir un acelerador FPGA
- Implementación de la aplicación para reconocimiento de imágenes en el mundo real
- Resolución de problemas
- Resumen y conclusiones
Requerimientos
- Experiencia en programación con Python
- Experiencia con pandas y scikit-learn
- Experiencia en aprendizaje profundo y visión por computadora
Público objetivo
- Científicos de datos
35 Horas