Accelerating Deep Learning with FPGA and OpenVINO

• Python doświadczenie w programowaniu
• Doświadczenie z pandas i scikit-learn
• Doświadczenie w głębokim uczeniu się i wizji komputerowej

Publiczność

• Naukowcy zajmujący się danymi

FPGA (Field Programmable Gate Array) to układ scalony, który można wykorzystać do przyspieszenia obliczeń głębokiego uczenia. OpenVINO to zestaw narzędzi typu open source do optymalizacji modeli Deep Learning na sprzęcie firmy Intel.

To prowadzone przez instruktora szkolenie na żywo (na miejscu lub zdalnie) jest przeznaczone dla naukowców zajmujących się danymi, którzy chcą przyspieszyć aplikacje do uczenia maszynowego w czasie rzeczywistym i wdrożyć je na dużą skalę.

Pod koniec tego szkolenia uczestnicy będą mogli

• Zainstalować zestaw narzędzi OpenVINO.
• Przyspieszyć aplikację widzenia komputerowego za pomocą FPGA.
• Wykonywać różne warstwy CNN na FPGA.
• Skalować aplikację na wielu węzłach w klastrze Kubernetes.

Format kursu

• Interaktywny wykład i dyskusja.
• Wiele ćwiczeń i praktyki.
• Praktyczne wdrożenie w środowisku laboratoryjnym na żywo.

Opcje dostosowywania kursu

• Aby poprosić o spersonalizowane szkolenie dla tego kursu, skontaktuj się z nami w celu ustalenia szczegółów.

Wprowadzenie

Przegląd Languages, narzędzi i bibliotek potrzebnych do przyspieszenia Computer Vision aplikacji

Konfiguracja OpenVINO

Przegląd OpenVINO zestawu narzędzi i jego komponentów

Zrozumienie Deep Learning akceleracji GPU i FPGA

Pisanie oprogramowania ukierunkowanego na FPGA

Konwersja formatu modelu dla silnika wnioskowania

Mapowanie topologii sieci na architekturę FPGA

Korzystanie ze stosu akceleracji w celu włączenia klastra FPGA

Konfigurowanie aplikacji w celu wykrycia akceleratora FPGA

Wdrażanie aplikacji do rozpoznawania obrazów w świecie rzeczywistym

Rozwiązywanie problemów

Podsumowanie i wnioski