CANN SDK for Computer Vision and NLP Pipelines

• 熟悉深度學習在電腦視覺或自然語言處理（NLP）中的應用
• 具有使用Python和AI框架（如TensorFlow、PyTorch或MindSpore）的經驗
• 對模型部署或推理工作流程有基本了解

目標受眾

• 使用華為Ascend平台的電腦視覺和NLP從業者
• 開發即時感知模型的數據科學家和AI工程師
• 在製造、監控或媒體分析中整合CANN管道的開發者

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 用於 Computer Vision 和 NLP 管線的介紹

• AI 模型從訓練到部署的生命週期
• 即時 CV 和 NLP 的關鍵性能考量
• CANN SDK 工具及其在模型整合中的角色概述

準備 CV 和 NLP 模型

• 從 PyTorch、TensorFlow 和 MindSpore 導出模型
• 處理圖像和文本任務的模型輸入/輸出
• 使用 ATC 將模型轉換為 OM 格式

使用 AscendCL 部署推理管線

• 使用 AscendCL API 運行 CV/NLP 推理
• 預處理管線：圖像縮放、分詞、標準化
• 後處理：邊界框、分類分數、文本輸出

性能優化技術

• 使用 CANN 工具分析 CV 和 NLP 模型
• 通過混合精度和批次調優減少延遲
• 管理串流任務的內存和計算資源

Computer Vision Use Cases

• 案例研究：智能監控中的目標檢測
• 案例研究：製造業中的視覺質量檢測
• 在 Ascend 310 上構建即時視頻分析管線

NLP Use Cases

• 案例研究：情感分析和意圖檢測
• 案例研究：文檔分類和摘要生成
• 與 REST API 和消息系統的即時 NLP 整合

總結與下一步