آموزش تنسورفلو، پای تورچ، TensorRT و ONNX از ابتدا تا پیشرفته

معرفی
سرفصل

✅ سرفصل و جزئیات آموزش

آنچه یاد خواهید گرفت:

داکر چیست و چگونه از داکر استفاده کنیم؟
Kubernet چیست و چگونه با داکر کار کنیم؟
سوپرکامپیوترهای انویدیا و زبان برنامه‌نویسی Cuda
OpenCL و OpenGL چیستند و چه زمانی باید از آن‌ها استفاده کنیم؟
(آزمایشگاه) نصب و پیکربندی Tensorflow و Pytorch با داکر
(آزمایشگاه) پیکربندی DockerFile، کمپایل داکر و دیباگر Docker Compose
(آزمایشگاه) نسخه‌های مختلف YOLO، مقایسه‌ها و زمان استفاده از هر کدام بر اساس مشکل شما
(آزمایشگاه) ویرایشگر Jupyter Notebook و مهارت‌های کد نویسی Visual Studio
(آزمایشگاه) تنظیم Visual Studio Code و دیباگر داکر با VS
(آزمایشگاه) فریم‌ورک ONNX چیست و چگونه می‌توان ONNX را به مشکلات سفارشی خود اعمال کرد؟
(آزمایشگاه) فریم‌ورک TensorRT چیست و چگونه می‌توان آن را به مشکلات سفارشی خود اعمال کرد؟
(آزمایشگاه) مشکلات تشخیص سفارشی، طبقه‌بندی، تجزیه و تحلیل و استنباط بر روی تصاویر و ویدیوها
(آزمایشگاه) برنامه‌نویسی شی‌ءگرا با Python3
(آزمایشگاه) برنامه‌نویسی با زبان Pycuda
(آزمایشگاه) مهارت‌های حل مشکلات یادگیری عمیق بر روی دستگاه‌های لبه و ابر رایانه‌ها
(آزمایشگاه) چگونه مدل‌های استنباط با عملکرد بالا تولید کنیم تا دقت بالا، تشخیص FPS و همچنین مصرف کمتر حافظه GPU بدست آوریم؟
(آزمایشگاه) Visual Studio Code با داکر

توضیحات دوره

این دوره به‌طور عمده برای هر داوطلب (دانشجویان، مهندسان، کارشناسان) که انگیزه‌ی بالایی برای یادگیری آموزش و پیاده‌سازی مدل‌های یادگیری عمیق دارند، در نظر گرفته شده است. داوطلبان دانش عمیقی از داکر و استفاده از مدل‌های Tensorflow ،Pytorch و Keras با داکر خواهند داشت. علاوه بر این، آن‌ها قادر خواهند بود مدل‌های یادگیری عمیق را با فریم‌ورک‌های ONNX و TensorRT بهینه‌سازی و کدگذاریده کنند تا در زمینه‌های مختلفی مانند دستگاه‌های لبه (نظیر نانو Jetson NVIDIA ،TX2 ،AGX ،Xavier)، خودروسازی، رباتیک و همچنین رایانش ابری از جمله AWS و Google Cloud پیاده‌سازی شوند.

این دوره برای چه کسانی مناسب است؟