CANN SDK for Computer Vision and NLP Pipelines

• 熟悉深度学习在电脑视觉或自然语言处理（NLP）中的应用
• 具有使用Python和AI框架（如TensorFlow、PyTorch或MindSpore）的经验
• 对模型部署或推理工作流程有基本了解

目标受众

• 使用华为Ascend平台的电脑视觉和NLP从业者
• 开发即时感知模型的数据科学家和AI工程师
• 在制造、监控或媒体分析中整合CANN管道的开发者

CANN SDK（Neural Networks 的计算架构）为计算机视觉和自然语言处理（NLP）中的实时AI应用提供了强大的部署和优化工具，特别是在Huawei Ascend硬件上。

本课程为讲师指导的培训（线上或线下），面向中级AI从业者，旨在帮助他们使用CANN SDK构建、部署和优化视觉与语言模型，以应对实际生产用例。

培训结束后，学员将能够：

• 使用CANN和AscendCL部署和优化CV与NLP模型。
• 使用CANN工具转换模型并将其集成到实时管道中。
• 优化检测、分类和情感分析等任务的推理性能。
• 为边缘或云端部署场景构建实时CV/NLP管道。

课程形式

• 互动讲座与演示。
• 动手实验：模型部署与性能分析。
• 使用真实CV和NLP用例设计实时管道。

课程定制选项

• 如需为本课程定制培训，请联系我们进行安排。

CANN SDK 用于 Computer Vision 和 NLP 管线的介绍

• AI 模型从训练到部署的生命周期
• 即时 CV 和 NLP 的关键性能考量
• CANN SDK 工具及其在模型整合中的角色概述

准备 CV 和 NLP 模型

• 从 PyTorch、TensorFlow 和 MindSpore 导出模型
• 处理图像和文本任务的模型输入/输出
• 使用 ATC 将模型转换为 OM 格式

使用 AscendCL 部署推理管线

• 使用 AscendCL API 运行 CV/NLP 推理
• 预处理管线：图像缩放、分词、标准化
• 后处理：边界框、分类分数、文本输出

性能优化技术

• 使用 CANN 工具分析 CV 和 NLP 模型
• 通过混合精度和批次调优减少延迟
• 管理串流任务的内存和计算资源

Computer Vision Use Cases

• 案例研究：智能监控中的目标检测
• 案例研究：制造业中的视觉质量检测
• 在 Ascend 310 上构建即时视频分析管线

NLP Use Cases

• 案例研究：情感分析和意图检测
• 案例研究：文档分类和摘要生成
• 与 REST API 和消息系统的即时 NLP 整合

总结与下一步