Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Dauer 14 Stunden
Schulungsübersicht
Einführung in das Deployment von CV/NLP mit CANN
- Lebenszyklus von KI-Modellen von der Training bis zum Deployment
- Wichtige Leistungskriterien für Echtzeit-CV und NLP
- Übersicht über die CANN-SDK-Tools und deren Rolle bei der Modellintegration
Vorbereitung von CV- und NLP-Modellen
- Exportieren von Modellen aus PyTorch, TensorFlow und MindSpore
- Behandlung von Modell-Eingaben und -Ausgaben für Bild- und Textaufgaben
- Verwendung von ATC zur Konvertierung von Modellen in das OM-Format
Deployment von Inferenz-Pipelines mit AscendCL
- Ausführen von CV/NLP-Inferenz über die AscendCL-API
- Preprocessing-Pipelines: Bildskalierung, Tokenisierung, Normalisierung
- Postprocessing: Bounding Boxes, Klassifizierungswerte, Textausgabe
Techniken zur Performance-Optimierung
- Profiling von CV- und NLP-Modellen mit CANN-Tools
- Reduzierung der Latenz durch Mixed Precision und Batch-Feinabstimmung
- Verwaltung von Speicher und Rechenleistung für Streaming-Aufgaben
Anwendungsfälle für Computer Vision
- Fallstudie: Objekterkennung für intelligente Überwachungssysteme
- Fallstudie: Visuelle Qualitätskontrolle in der Fertigung
- Erstellung von Live-Video-Analyse-Pipelines auf Ascend 310
Anwendungsfälle für NLP
- Fallstudie: Sentiment-Analyse und Intent-Erkennung
- Fallstudie: Dokumentenklassifizierung und -zusammenfassung
- Echtzeit-NLP-Integration mit REST-APIs und Messaging-Systemen
Zusammenfassung und nächste Schritte
Voraussetzungen
- Kenntnisse im Bereich Deep Learning für Computer Vision oder NLP
- Erfahrung mit Python und KI-Frameworks wie TensorFlow, PyTorch oder MindSpore
- Grundlegendes Verständnis von Modell-Deployment- oder Inferenz-Workflows
Zielgruppe
- Praktiker für Computer Vision und NLP, die die Huawei-Ascend-Plattform nutzen
- Data Scientists und KI-Ingenieure, die Echtzeit-Wahrnehmungsmodelle entwickeln
- Entwickler, die CANN-Pipelines in der Fertigung, Überwachung oder Medienanalytik integrieren
