Course Outline
Εισαγωγή
Επισκόπηση του Languages, των εργαλείων και των βιβλιοθηκών που απαιτούνται για την επιτάχυνση μιας εφαρμογής Computer Vision
Ρύθμιση OpenVINO
Επισκόπηση του OpenVINO Toolkit και των εξαρτημάτων του
Κατανόηση του Deep Learning Acceleration GPU και του FPGA
Λογισμικό γραφής που στοχεύει το FPGA
Μετατροπή μορφής μοντέλου για μηχανή συμπερασμάτων
Αντιστοίχιση Τοπολογιών Δικτύων στην Αρχιτεκτονική FPGA
Χρήση στοίβας Acceleration Stack για ενεργοποίηση συμπλέγματος FPGA
Ρύθμιση μιας εφαρμογής για την ανακάλυψη ενός επιταχυντή FPGA
Ανάπτυξη της Εφαρμογής για Αναγνώριση Εικόνων Πραγματικού Κόσμου
Αντιμετώπιση προβλημάτων
Περίληψη και Συμπέρασμα
Requirements
- Python εμπειρία προγραμματισμού
- Εμπειρία με τα πάντα και μάθηση scikit
- Εμπειρία με βαθιά μάθηση και όραση υπολογιστή
Ακροατήριο
- Επιστήμονες δεδομένων
Testimonials (5)
Working from first principles in a focused way, and moving to applying case studies within the same day
Maggie Webb - Department of Jobs, Regions, and Precincts
Course - Artificial Neural Networks, Machine Learning, Deep Thinking
Very flexible
Frank Ueltzhöffer
Course - Artificial Neural Networks, Machine Learning and Deep Thinking
The structure from first principles, to case studies, to application.
Margaret Webb - Department of Jobs, Regions, and Precincts
Course - Introduction to Deep Learning
I was benefit from the passion to teach and focusing on making thing sensible.
Zaher Sharifi - GOSI
Course - Advanced Deep Learning
examples based on our data