문의를 보내주셔서 감사합니다! 팀원이 곧 연락드리겠습니다.
예약을 보내주셔서 감사합니다! 저희 팀 멤버 중 한 분이 곧 연락드리겠습니다.
코스 개요
CANN을 활용한 컴퓨터 비전 및 NLP 모델 배포 개요
- 딥러닝 모델의 학습부터 배포까지 전체 라이프사이클
- 실시간 컴퓨터 비전 및 NLP 환경에서 고려해야 할 성능 요소들
- CANN SDK 도구군과 모델 통합 과정에 대한 설명
컴퓨터 비전 및 NLP 모델 준비 방법
- PyTorch, TensorFlow, MindSpore에서 모델을 내보내는 절차
- 이미지 및 텍스트 처리를 위한 모델 입출력 데이터 관리 방법
- ATC 도구를 이용해 모델을 OM 형식으로 변환하는 과정
AscendCL를 활용한 추론 파이프라인 배포 방법
- AscendCL API를 이용해 컴퓨터 비전 및 NLP 모델을 실행하는 방식
- 전처리 과정: 이미지 크기 조절, 토큰화, 정규화 작업 등
- 후처리 절차: 경계 상자 표시, 분류 점수 산출 및 텍스트 결과 생성 방법
성능 최적화 기법
- CANN 도구를 활용해 컴퓨터 비전 및 NLP 모델의 성능을 분석하는 방법
- 혼합 정밀도 연산 및 배치 크기 조정을 통한 지연 시간 단축 기법
- 스트림 처리 작업을 위한 메모리 및 컴퓨팅 자원 관리 방법
컴퓨터 비전 활용 사례 분석
- 스마트 감시 시스템에서의 물체 감지 적용 사례 연구
- 제조 현장에서의 시각적 품질 검사 구현 사례
- Ascend 310 플랫폼상에서 실시간 영상 분석 파이프라인 설계 방법
NLP 활용 사례 분석
- 감성 및 의도 분석 적용 사례 연구
- 문서 분류 및 요약 시스템 구축 사례
- REST API 및 메시징 시스템과 연동되는 실시간 NLP 파이프라인 구성 방법
요약 및 향후 발전 방향
요건
- 컴퓨터 비전 또는 NLP 분야에서 딥러닝에 대한 기본 지식
- Python 사용 경험 및 TensorFlow, PyTorch, MindSpore와 같은 AI 프레임워크 활용 능력
- 모델 배포 혹은 추론 워크플로우에 대한 기본 이해
수강 대상
- 화웨이 Ascend 플랫폼을 활용하는 컴퓨터 비전 및 NLP 실무자
- 실시간 인지 모델을 개발하는 데이터 사이언티스트 및 AI 엔지니어
- 제조, 감시, 미디어 분석 등의 분야에서 CANN 기반 파이프라인을 도입하고자 하는 개발자
14 시간
