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
  35 Hours
 

Number of participants


Starts

Ends


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

Testimonials (5)

Related Courses

Deep Learning AI Techniques for Executives, Developers and Managers

  21 Hours

Deep Learning for Business

  14 Hours

Deep Learning for Finance (with R)

  28 Hours

Deep Learning for Banking (with Python)

  28 Hours

Deep Learning for Banking (with R)

  28 Hours

Deep Learning for Finance (with Python)

  28 Hours

Deep Learning for Medicine

  14 Hours

Related Categories