Intel® AI Academy | Все курсы

Обработка данных глубинного обучения с использованием Intel® FPGA

Обзор

Массивы FPGA обеспечивают сокращение задержек в работе и возможности гибкой архитектуры, которая ускоряет глубинное обучение на энергоэффективной платформе. Узнайте, как развернуть приложение компьютерного зрения на вычислительном модуле, а затем ускорить обработку данных глубинного обучения с помощью FPGA. Затем познакомьтесь с тем, как с помощью контейнеров Docker* выполнить перенос этого приложения на несколько компьютеров в кластер, использующий Kubernetes*.

Пройдя этот курс, учащиеся получат практические навыки в следующих областях:

  • Что такое конволюционные нейронные сети, и как выполнить их построение
  • Как выполнить создание приложения компьютерного зрения для глубинного обучения
  • Что такое FPGA с точки зрения разработчика программного обеспечения, и почему FPGA настолько хорошо подходят для ускорения приложений машинного обучения в реальном времени
  • Компоненты комплекта Intel® FPGA Deep Learning Acceleration Suite
  • Что представляет собой приложение компьютерного зрения, которое использует глубинное обучение для извлечения шаблонов из данных
  • Как использовать Intel® Distribution of OpenVINO™ toolkit для конволюционной нейронной сети и обработки данных на основе вычислительных процессоров Intel® и массивов FPGA
  • Как использование FPGA и стека ускорения для вычислительных модулей на базе процессоров Intel® Xeon® переводит приложения для облачных вычислений и центров обработки данных на более высокий уровень эффективности

Курс предполагает участие в лекциях и выполнение упражнений в течение пяти недель. На каждую неделю выделяется три учебных часа. Упражнения созданы в среде Python*.

Неделя 1

В этом курсе изучаются основы глубинного обучения и массивы FPGA. Темы:

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

Загрузить

Видео курса

Неделя 2

В этом курсе изучается создание приложений компьютерного зрения. 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

Загрузить

Видео курса

Неделя 3

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

Загрузить

Видео курса

Неделя 4

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

Загрузить

Видео курса

Неделя 5

В этом курсе изучается использование стека ускорения для FPGA. 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

Загрузить

Видео курса