Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Duración 14 horas
Temario del curso
Introducción al despliegue de CV/NLP con CANN
- Ciclo de vida de los modelos de IA desde el entrenamiento hasta el despliegue.
- Consideraciones clave de rendimiento para CV y NLP en tiempo real.
- Visión general de las herramientas del CANN SDK y su papel en la integración de modelos.
Preparación de modelos de CV y NLP
- Exportación de modelos desde PyTorch, TensorFlow y MindSpore.
- Manejo de entradas y salidas de modelos para tareas de imagen y texto.
- Uso de ATC para convertir modelos al formato OM.
Despliegue de pipelines de inferencia con AscendCL
- Ejecución de inferencia de CV/NLP utilizando la API de AscendCL.
- Pipelines de preprocesamiento: redimensionado de imágenes, tokenización, normalización.
- Postprocesamiento: cajas delimitadoras, puntuaciones de clasificación, salida de texto.
Técnicas de optimización de rendimiento
- Perfilado de modelos de CV y NLP utilizando las herramientas de CANN.
- Reducción de latencia mediante precisión mixta y ajuste de lotes (batch).
- Gestión de memoria y cómputo para tareas de transmisión (streaming).
Casos de uso de visión por computador
- Estudio de caso: detección de objetos para videovigilancia inteligente.
- Estudio de caso: inspección de calidad visual en fabricación.
- Construcción de pipelines de analítica de video en vivo en Ascend 310.
Casos de uso de NLP
- Estudio de caso: análisis de sentimiento y detección de intenciones.
- Estudio de caso: clasificación y resumen de documentos.
- Integración de NLP en tiempo real con APIs REST y sistemas de mensajería.
Resumen y próximos pasos
Requerimientos
- Familiaridad con el aprendizaje profundo para visión por computador o NLP.
- Experiencia con Python y marcos de IA como TensorFlow, PyTorch o MindSpore.
- Comprensión básica de los flujos de trabajo de despliegue de modelos o inferencia.
Público objetivo
- Profesionales de visión por computador y NLP que utilizan la plataforma Ascend de Huawei.
- Científicos de datos e ingenieros de IA que desarrollan modelos de percepción en tiempo real.
- Desarrolladores que integran pipelines de CANN en fabricación, videovigilancia o analítica de medios.
