Обработка данных глубинного обучения с использованием Intel® FPGA

Неделя 1

В этом курсе изучаются основы глубинного обучения и массивы FPGA. Рассматриваемые темы

  • Терминология и примеры применения машинного обучения
  • Базовые топологии, такие как сети прямой передачи данных и AlexNet
  • Обзор архитектуры, преимуществ и использования FPGA

Загрузка

Неделя 2

В этом курсе изучается создание приложений компьютерного зрения. Рассматриваемые темы

  • Основные компоненты программного обеспечения для компьютерного зрения
  • Использование программного и аппаратного обеспечения Intel® для совершенствования приложений
  • Общее практическое применение, языки, инструментальные средства и библиотеки, используемые для компьютерного зрения

Загрузка

Неделя 3

В этом курсе изучается комплект Intel® Distribution of OpenVINO toolkit. Рассматриваемые темы

  • Обзор комплекта Intel Distribution of OpenVINO toolkit и использования каждого компонента для компьютерного зрения
  • Оптимизация и преобразование модели Caffe* или TensorFlow* в формат приложения обработки данных
  • Почему использование приложения обработки данных для ускорителя FPGA повышает эффективность приложений компьютерного зрения

Загрузка

Неделя 4

В этом курсе изучается комплект Intel® FPGA Deep Learning Acceleration Suite Рассматриваемые темы

  • Использование Intel Distribution of OpenVINO toolkit для привязки сетевых топологий к архитектуре FPGA
  • Различные архитектуры глубинного обучения, доступные для FPGA
  • Как проблемы низкой точности могут быть исправлены с помощью моделей машинного обучения FPGA

Загрузка

Неделя 5

В этом курсе изучается использование стека ускорения для FPGA. Рассматриваемые темы

  • Использование стека ускорение для подключения кластеров FPGA.
  • Подробный обзор OPAE (Open Programmable Acceleration Engine) для разработчиков приложений
  • Настройка приложения компьютера для обнаружения ускорителя FPGA

Загрузка