Teknologi AI Intel untuk Penempatan Model yang Cekap

Menempatkan model pembelajaran mendalam (deep learning) secara cekap memerlukan lebih daripada sekadar perkakasan yang berkuasa—ia menuntut pengoptimuman perisian yang bijak. Kursus ini memperkenalkan anda kepada konsep teras AI yang dipercepatkan perkakasan, menunjukkan kepada anda cara memaksimumkan prestasi tanpa menjejaskan ketepatan. Anda akan beralih daripada melatih model asas kepada menempatkan aplikasi AI yang sangat dioptimumkan. Anda akan belajar cara memanfaatkan seni bina CPU, GPU, dan NPU untuk menjalankan inferens dengan lebih pantas dan cekap dalam persekitaran dunia sebenar. Apa yang anda akan pelajari: - Memahami asas-asas pecutan perkakasan AI merentasi seni bina CPU, GPU, dan NPU - Mengkonfigurasi dan menggunakan toolkit OpenVINO untuk mengoptimumkan model pembelajaran mendalam untuk inferens yang cekap - Mengaplikasikan teknik kuantisasi model (model quantization) untuk mengurangkan jejak memori dan meningkatkan kelajuan pemprosesan - Menggunakan sambungan yang dioptimumkan untuk PyTorch dan TensorFlow bagi mempercepatkan aliran kerja standard - Menempatkan model AI yang dioptimumkan merentasi persekitaran heterogen daripada peranti edge ke cloud Kursus ini bermula dengan terminologi penting dan konsep perkakasan sebelum membimbing anda melalui aliran kerja pengoptimuman menggunakan alat standard industri. Anda akan membaca melalui contoh praktikal dan pecahan konseptual yang direka untuk membina keyakinan penempatan anda. Kursus ini direka untuk pembangun AI pemula, saintis data, dan arkitek sistem yang ingin memahami pengoptimuman peringkat perkakasan. Tiada pengalaman pengoptimuman perkakasan terdahulu diperlukan. Mula mengoptimumkan model AI anda untuk prestasi dunia sebenar hari ini.