Технологии Intel AI для эффективного развертывания моделей

Эффективное развертывание моделей глубокого обучения требует не только мощного оборудования, но и умной оптимизации программного обеспечения. Этот курс познакомит вас с основными концепциями аппаратно-ускоренного ИИ и покажет, как максимально повысить производительность без ущерба для точности. Вы перейдете от обучения базовых моделей к развертыванию высокооптимизированных приложений ИИ. Вы узнаете, как использовать архитектуры ЦП, ГП и НП, чтобы быстрее и эффективнее выполнять выводы в реальных условиях. Что вы узнаете: - Понимание основ аппаратного ускорения ИИ в архитектурах ЦП, ГП и НПУ - Настроить и использовать набор инструментов OpenVINO для оптимизации моделей глубокого обучения для эффективного вывода - Применение методов квантования модели для уменьшения использования памяти и повышения скорости обработки - Используйте оптимизированные расширения для PyTorch и TensorFlow для ускорения стандартных рабочих процессов - Развертывание оптимизированных моделей ИИ в разнородных средах от периферийных устройств до облака Курс начинается с основных терминов и концепций оборудования, а затем вы пройдете по рабочим процессам оптимизации с использованием стандартных инструментов. Вы изучите практические примеры и концептуальные разбивки, предназначенные для повышения уверенности в развертывании. Этот курс предназначен для начинающих разработчиков ИИ, ученых, занимающихся данными, и системных архитекторов, которые хотят понять оптимизацию на уровне оборудования. Начните оптимизировать свои модели ИИ для реальной производительности уже сегодня.