聯繫我們

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

人數


每位參與者的報價

即將到來的課程

課程分類