感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程簡介
介紹使用 CANN 進行 CV/NLP 部署
- AI 模型生命週期:從訓練到部署
- 針對即時 CV 和 NLP 的關鍵效能考量
- CANN SDK 工具概覽及其在模型整合中的角色
準備 CV 和 NLP 模型
- 從 PyTorch、TensorFlow 和 MindSpore 匯出模型
- 處理圖像與文字任務的模型輸入/輸出
- 使用 ATC 將模型轉換為 OM 格式
使用 AscendCL 部署推論管線
- 使用 AscendCL API 執行 CV/NLP 推論
- 前處理管線:圖像縮放、分詞化、正規化
- 後處理:邊界框、分類分數、文字輸出
效能優化技術
- 使用 CANN 工具分析 CV 和 NLP 模型的效能
- 透過混合精度與批次調整降低延遲
- 管理串流任務的記憶體與運算資源
電腦視覺用例
- 案例研究:用於智慧監控的物體檢測
- 案例研究:製造業中的視覺品質檢查
- 在昇騰 310 上建立即時影像分析管線
NLP 用例
- 案例研究:情感分析與意圖檢測
- 案例研究:文件分類與摘要
- 透過 REST API 與訊息系統整合即時 NLP
總結與後續步驟
最低要求
- 熟悉用於電腦視覺或 NLP 的深度學習
- 具備 Python 及 AI 框架(如 TensorFlow、PyTorch 或 MindSpore)的使用經驗
- 基本了解模型部署或推論工作流程
受眾對象
- 使用華為昇騰平台的電腦視覺與 NLP 從業人員
- 開發即時感知模型的資料科學家與 AI 工程師
- 在製造、監控或媒體分析領域整合 CANN 管線的開發人員
14 小時