Intel® AI Academy | Todos los cursos

Inferencia de aprendizaje profundo con Intel® FPGA

Resumen

Una FPGA ofrece una arquitectura flexible, de latencia extremadamente baja, que brinda aceleración de aprendizaje profundo en una solución con uso eficiente de energía. Aprenda a implementar una aplicación de visión computarizada en una CPU y luego acelere la inferencia de aprendizaje profundo en la FPGA. A continuación, aprenda cómo tomar esa aplicación y utilizar contenedores Docker* para escalar la aplicación en múltiples nodos en un clúster utilizando Kubernetes*.

Al finalizar este curso, los estudiantes tendrán un conocimiento práctico de:

  • Qué son las redes neuronales convolucionales y cómo están armadas
  • Cómo desarrollar una aplicación para visión computarizada de aprendizaje profundo
  • Qué es una FPGA desde la perspectiva de un desarrollador de software, y por qué las FPGA son tan adecuadas para acelerar las aplicaciones de aprendizaje automático en tiempo real
  • Los componentes de Intel® FPGA Deep Learning Acceleration Suite
  • Qué constituye una aplicación para visión computarizada que utiliza el aprendizaje profundo para extraer patrones a partir de datos
  • Cómo utilizar Intel® Distribution of OpenVINO™ toolkit para apuntar a inferencias basadas en CNN en las FPGA y las CPU Intel®
  • De qué manera la pila de aceleración para las CPU Intel® Xeon® con FPGA posibilita un nivel más alto de aplicaciones de software para nube y para centros de datos con el fin de aprovechar las FPGA sin dificultades

El curso está estructurado en torno a cinco semanas de clases y ejercicios. Cada semana requiere tres horas. Los ejercicios se implementan en Python*.

Semana 1

En esta clase se analizan los aspectos básicos del aprendizaje profundo y las FPGA. Los temas incluyen:

  • Terminología del aprendizaje automático y casos de uso
  • Topologías básicas como redes prealimentadas y AlexNet
  • Una descripción general de la arquitectura FPGA, sus ventajas y usos

Descargar

Ver la clase

Semana 2

En esta clase se enseña a crear aplicaciones de visión computarizada Los temas incluyen:

  • Los componentes esenciales de un software de visión computarizada
  • De qué manera se utilizan el software y el hardware Intel® para mejorar las aplicaciones
  • Las prácticas comunes, los lenguajes, las herramientas y las bibliotecas que se utilizan para la visión computarizada

Descargar

Ver la clase

Semana 3

En esta clase se enseña sobre Intel® Distribution of OpenVINO toolkit. Los temas incluyen:

  • Una descripción general de Intel Distribution of OpenVINO toolkit y cómo utilizar cada componente para visión computarizada
  • Cómo optimizar un modelo de Caffe* o TensorFlow* y convertirlo al formato para el motor de inferencia
  • Por qué utilizar el motor de inferencia para el acelerador de FPGA acelerará las aplicaciones para visión

Descargar

Ver la clase

Semana 4

En esta clase se aplica Intel® FPGA Deep Learning Acceleration Suite. Los temas incluyen:

  • De qué manera Intel® Distribution of OpenVINO toolkit puede mapear topologías de redes en la arquitectura de FPGA
  • Las diferentes arquitecturas de aprendizaje profundo disponibles para FPGA
  • Cómo se maneja la precisión más baja en los modelos de aprendizaje automático de las FPGA

Descargar

">Ver la clase

Semana 5

En esta clase se explica de qué manera la pila de aceleración se puede utilizar para las FPGA. Los temas incluyen:

  • Cómo utilizar la pila de aceleración para habilitar clústeres de FPGA
  • Aprender sobre Open Programmable Acceleration Engine (OPAE) para desarrolladores de aplicaciones
  • Cómo configurar una aplicación host para descubrir un acelerador de FPGA

Descargar

Ver la clase