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。
課程時長 14 時間：
課程簡介
使用 CANN 部署 CV/NLP 的介紹
- 從訓練到部署的 AI 模型生命週期。
- 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。
- 處理影像與文本任務的模型輸入/輸出。
- 使用 ATC 將模型轉換為 OM 格式。
使用 AscendCL 部署推理管線
- 使用 AscendCL API 執行 CV/NLP 推理。
- 預處理管線：影像縮放、分詞、正規化。
- 後處理：邊界框、分類分數、文本輸出。
效能最佳化技術
- 使用 CANN 工具分析 CV 和 NLP 模型。
- 透過混合精度與批次調整降低延遲。
- 管理流式任務的記憶體與運算資源。
電腦視覺應用案例
- 案例研究：用於智慧監控的物體偵測。
- 案例研究：製造業中的視覺品質檢查。
- 在 Ascend 310 上建構即時影片分析管線。
NLP 應用案例
- 案例研究：情緒分析與意圖偵測。
- 案例研究：文件分類與摘要。
- 與 REST API 和訊息系統進行即時 NLP 整合。
總結與下一步
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。
- 對模型部署或推理工作流有基本理解。
受眾對象
- 使用華為 Ascend 平台的電腦視覺與 NLP 實務人員。
- 開發即時感知模型數據科學家與 AI 工程師。
- 在製造、監控或媒體分析領域整合 CANN 管線的開發者。
