このワークショップでは、欠陥検出分類器をトレーニング、高速化、最適化する方法について学習します。最初に、工業検査、問題の系統的詳述、データのキュレーション/探索/フォーマットにともなう主要な課題を取り上げます。次に、転移学習、オンライン拡張、モデリング、微調整の基礎について学習します。ワークショップが終了する頃には、最適化推論、パフォーマンス評価、ディープラーニング モデルの解釈という重要な概念を理解しています。
学習目標
このワークショップに参加すると、次の方法を学習します。
- 工業検査事例研究を系統的に詳述し、AOI (Automated Optical Inspection/自動光学検査) 機械によって生成されたデータセットをキュレーションする。
- 工業検査ワークフローにおけるデータ処理のロジスティクスと課題を取り上げる。
- pandas DataFrame と NumPy ライブラリを使用し、データセットから意味のある分析情報を抽出する
- 転移学習をディープラーニング分類モデルに適用する (Inception v3)
- ディープラーニング モデルを微調整し、評価指標を設定する
- NVIDIA® TensorRT™ 5 を使用し、NVIDIA V100 Tensor コア GPU で、トレーニング済みの Inception v3 モデルを最適化する
- FP16 半精度高速推論を V100 の Tensor コアで実験する
ワークショップ データシートをダウンロードする (PDF 83.3 KB)
