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 behövs för att accelerera en datorseendeapplikation
- Att sätta upp OpenVINO
- Översikt av OpenVINO-verktyget och dess komponenter
- Förståelse för accelerering av djupinlärning med GPU och FPGA
- Skriva programvara som riktar sig mot FPGA
- Att konvertera modellformat för en inferensmotor
- Att mappa nätverkstopologier mot FPGA-arkitektur
- Användning av en accelereringsstack för att möjliggöra ett FPGA-cluster
- Att sätta upp en applikation för att upptäcka en FPGA-accelerator
- Distribuera applikationen för verklig bildigenkänning
- Felsökning
- Sammanfattning och slutsats
Krav
- Programmeringserfarenhet i Python
- Erfarenhet av pandas och scikit-learn
- Erfarenhet av djupinlärning och datorseende
Målgrupp
- Datavetare
35 Timmar
