На этом практикуме вы научитесь обучать, ускорять и оптимизировать классификатор обнаружения дефектов. Мы начнем с изучения ключевых проблем, связанных с промышленной инспекцией, постановкой задач, а также курированием, разведкой и форматированием данных. Затем вы узнаете об основах трансфертного обучения, онлайн-аугментации, моделировании и тонкой настройке. К концу практикума вы познакомитесь с ключевыми концепциями оптимизированных выводов, оценки эффективности и интерпретации моделей глубокого обучения.

Цели обучения


На этом практикуме вам предстоит:
  • Сформулировать анализ конкретного случая промышленного контроля и курировать наборы данных с помощью автоматизированного оптического контроля (AOI)
  • Решить вопросы логистики и проблемы обработки данных в процессе промышленной инспекции
  • Извлекать содержательные сведения из набора данных с помощью pandas DataFrame и библиотеки NumPy
  • Применить перенос обучения в классификационную модель глубокого обучения (Inception v3) 
  • Настроить модель глубокого обучения и установить оценочные показатели
  • Оптимизировать модель Inception v3 на GPU NVIDIA V100 с тензорными ядрами с NVIDIA® TensorRT™ 5
  • Экспериментировать с инференсом FP16 с помощью V100 с тензорными ядрами

Скачать описание практикума (PDF, 83,3 KБ)

Краткое описание практикума

Ведение
(15 мин)
  • Знакомство с инструктором
  • Создание аккаунта на courses.nvidia.com/join
Понимание ключевых концепций
(120 мин)
  • Узнайте о ключевых концепциях визуального осмотра
  • Изучите формулировку проблемы и курирование данных
Перерыв (60 мин)
Перенос обучения и моделирование
(120 мин)
  • Узнайте, как обучать и оценивать модели глубокого обучения, основанные на переносе обучения.
  • Получите практический опыт с онлайн-аугментацией во время обучения для сохранения хранилища данных.
  • Подробнее изучите детали тонкой настройки вашей модели.
Перерыв (15 мин)
Понимание инференса и интерпретация ваших результатов
(120 мин)
  • Сосредоточьтесь на развертывании и оптимизации производства
  • Узнайте, как заморозить обученную модель глубокого обучения и оптимизировать ее с помощью TensorRT
  • Сравните производительность оптимизированной модели с оригинальной моделью TensorFlow-GPU и улучшение
Окончательный анализ
(15 мин)
  • Еще раз ознакомьтесь с основными выводами и ответьте на вопросы
  • Завершите тестирование и получите сертификат
  • Пройдите опрос
 

Информация о практикуме

Продолжительность: 8 часов

Цена :$500 за участие в открытых практикумах. Свяжитесь с нами, чтобы уточнить стоимость корпоративных практикумов.

Обязательные требования: базовый опыт работы со сверточными нейронными сетями и разработки на Python

Технологии: TensorFlow, NVIDIA TensorRT, Keras

Сертификат: После успешного завершения тестирования участники получат сертификат NVIDIA DLI для подтверждения своей квалификации и дальнейшего карьерного роста.

Аппаратные требования: ПК или ноутбук с поддержкой последней версии Chrome или Firefox. Каждому участнику будет предоставлен доступ к полностью настроенному облачному серверу с ускорением на GPU.

Языки: Английский, Упрощенный китайский, Традиционный китайский

У вас возникли вопросы?

Свяжитесь с нами, если у вас есть вопросы
о курсах по глубокому обучению

  1. Section
Читайте часто задаваемые вопросы
Услуги Института глубокого обучения (DLI) NVIDIA
Форумы NVIDIA для разработчиков
Решения DLI
Продукты
Технологии
Материалы