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
CANN之CV/NLP部署簡介
- AI模型生命週期，從訓練到部署
- 即時CV與NLP之關鍵效能考量
- CANN SDK工具及其在模型整合中的角色概覽
準備CV與NLP模型
- 從PyTorch、TensorFlow與MindSpore匯出模型
- 處理影像與文字任務之模型輸入/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：影像調整大小、分詞、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工具剖析CV與NLP模型
- 透過混合精度與批次調整降低延遲
- 管理串流任務之記憶體與計算資源
電腦視覺應用案例
- 案例研究：智慧監控之物件偵測
- 案例研究：製造業之視覺品質檢測
- 在昇騰310上建置即時視訊分析管線
NLP應用案例
- 案例研究：情感分析與意圖偵測
- 案例研究：文件分類與摘要
- 即時NLP與REST API及訊息系統之整合
總結與後續步驟
最低要求
- 熟悉深度學習於電腦視覺或NLP之應用
- 具備Python及AI框架（如TensorFlow、PyTorch或MindSpore）之經驗
- 對模型部署或推論流程有基本了解
目標學員
- 使用華為昇騰平台的電腦視覺與NLP從業者
- 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管線的開發者
