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 CV/PLN con CANN
- Ciclo de vida de los modelos de IA, desde el entrenamiento hasta el despliegue
- Consideraciones clave de rendimiento para CV y PLN en tiempo real
- Descripción general de las herramientas del SDK de CANN y su papel en la integración de modelos
Preparación de modelos de CV y PLN
- Exportación de modelos desde PyTorch, TensorFlow y MindSpore
- Manejo de entradas y salidas de modelos para tareas de imagen y texto
- Uso de ATC para convertir modelos al formato OM
Despliegue de flujos de inferencia con AscendCL
- Ejecución de inferencia de CV/PLN utilizando la API de AscendCL
- Flujos 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 CV y PLN utilizando herramientas de CANN
- Reducción de la latencia mediante precisión mixta y ajuste de lotes (batch tuning)
- Gestión de la memoria y la computación para tareas de transmisión (streaming)
Casos de uso de visión por computador
- Estudio de caso: detección de objetos para vigilancia inteligente
- Estudio de caso: inspección de calidad visual en la manufactura
- Construcción de flujos de trabajo de análisis de video en vivo en Ascend 310
Casos de uso de PLN
- Estudio de caso: análisis de sentimiento y detección de intención
- Estudio de caso: clasificación y resumen de documentos
- Integración de PLN en tiempo real con APIs REST y sistemas de mensajería
Resumen y próximos pasos
Requerimientos
- Conocimiento de aprendizaje profundo para visión por computador o PLN
- Experiencia con Python y marcos de IA como TensorFlow, PyTorch o MindSpore
- Comprensión básica de los flujos de despliegue de modelos o inferencia
Público objetivo
- Profesionales de visión por computador 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 flujos de trabajo de CANN en manufactura, vigilancia o análisis de medios
