Tack för att du skickade din fråga! En av våra teammedlemmar kontaktar dig snart.
Tack för att du skickade din bokning! En av våra teammedlemmar kontaktar dig snart.
Kursplan
Inledning
Översikt över de språk, verktyg och bibliotek som krävs för att accelerera en datorseendeapplikation
Att sätta upp OpenVINO
Översikt över OpenVINO-verktygslådan och dess komponenter
Förståelse för acceleration av djupinlärning med GPU och FPGA
Skriva programvara som riktar sig mot FPGA
Konvertera ett modellformat för en inferensmotor
Kartlägga nätverkstopologier till FPGA-arkitektur
Använda en accelerationsstack för att aktivera ett FPGA-cluster
Ställa in en applikation för att upptäcka en FPGA-accelerator
Distribuera applikationen för verklig bildigenkänning
Felsökning
Sammanfattning och slutsats
Krav
- Programmeringserfarenhet med Python
- Erfarenhet av pandas och scikit-learn
- Erfarenhet av djupinlärning och datorseende
Målgrupp
- Datavetare
35 Timmar
