Computer Vision for Industrial Inspection

Computer Vision for Industrial InspectionCVIINVNvidiaNV-CVII1.0<ul> <li>Extrahieren Sie aussagekräftige Erkenntnisse aus dem bereitgestellten Datensatz mit Pandas DataFrame.</li><li>Anwendung von Transfer-Learning auf ein Deep-Learning-Klassifizierungsmodell.</li><li>Feinabstimmung des Deep-Learning-Modells und Festlegung von Bewertungsmetriken.</li><li>Einsetzen und Messen der Modellleistung.</li><li>Experimentieren Sie mit verschiedenen Inferenzkonfigurationen, um die Modellleistung zu optimieren.</li></ul><ul> <li>Erfahrung mit Python; Grundkenntnisse in Datenverarbeitung und Deep Learning.</li><li>Um Erfahrungen mit Python zu sammeln, empfehlen wir dieses Python-Tutorial.</li><li>Um ein grundlegendes Verständnis von Datenverarbeitung und Deep Learning zu erlangen, empfehlen wir DLI's Fundamentals of Deep Learning.</li></ul>Einführung <ul> <li>Treffen Sie den Ausbilder.</li><li>Erstellen Sie ein Konto unter courses.nvidia.com/join</li></ul>Datenexploration und -vorverarbeitung mit DALI <ul> <li>Erfahren Sie, wie Sie wertvolle Erkenntnisse aus einem Datensatz gewinnen und Bilddaten für Deep-Learning-Modelle vorverarbeiten können.</li><li>Datensatz mit Pandas erforschen</li><li>Vorverarbeitung der Daten mit DALI</li><li>Bewertung des Umfangs der Durchführbarkeitsprüfung</li></ul>Effizientes Modelltraining mit TAO Toolkit <ul> <li>Lernen Sie, wie Sie mit Hilfe von Transfer-Learning-Techniken effizient ein Klassifizierungsmodell für die Fehlererkennung trainieren können.</li><li>Trainieren Sie ein Deep Learning-Modell mit TAO Toolkit</li><li>Bewerten Sie die Genauigkeit des Modells</li><li>Iterieren Sie das Modelltraining, um die Genauigkeit zu verbessern.</li></ul>Modellbereitstellung für Inferenz <ul> <li>Lernen Sie, wie man die Leistung eines Deep-Learning-Modells einsetzt und misst</li><li>Optimieren Sie Deep Learning Modelle mit TensorRT</li><li>Modell mit Triton Inference Server bereitstellen</li><li>Untersuchung und Bewertung der Auswirkungen verschiedener Schlussfolgerungskonfigurationen</li></ul>Bewertung und Fragen und AntwortenDieser Text wurde automatisiert übersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte <a class="fl-href-prod" href="/swisscom/en/course/nvidia-cvii"><svg role="img" aria-hidden="true" focusable="false" data-nosnippet class="cms-linkmark"><use xlink:href="/css/img/icnset-linkmarks.svg#linkmark"></use></svg>hier</a>.- Extrahieren Sie aussagekräftige Erkenntnisse aus dem bereitgestellten Datensatz mit Pandas DataFrame. - Anwendung von Transfer-Learning auf ein Deep-Learning-Klassifizierungsmodell. - Feinabstimmung des Deep-Learning-Modells und Festlegung von Bewertungsmetriken. - Einsetzen und Messen der Modellleistung. - Experimentieren Sie mit verschiedenen Inferenzkonfigurationen, um die Modellleistung zu optimieren.- Erfahrung mit Python; Grundkenntnisse in Datenverarbeitung und Deep Learning. - Um Erfahrungen mit Python zu sammeln, empfehlen wir dieses Python-Tutorial. - Um ein grundlegendes Verständnis von Datenverarbeitung und Deep Learning zu erlangen, empfehlen wir DLI's Fundamentals of Deep Learning.Einführung - Treffen Sie den Ausbilder. - Erstellen Sie ein Konto unter courses.nvidia.com/join Datenexploration und -vorverarbeitung mit DALI - Erfahren Sie, wie Sie wertvolle Erkenntnisse aus einem Datensatz gewinnen und Bilddaten für Deep-Learning-Modelle vorverarbeiten können. - Datensatz mit Pandas erforschen - Vorverarbeitung der Daten mit DALI - Bewertung des Umfangs der Durchführbarkeitsprüfung Effizientes Modelltraining mit TAO Toolkit - Lernen Sie, wie Sie mit Hilfe von Transfer-Learning-Techniken effizient ein Klassifizierungsmodell für die Fehlererkennung trainieren können. - Trainieren Sie ein Deep Learning-Modell mit TAO Toolkit - Bewerten Sie die Genauigkeit des Modells - Iterieren Sie das Modelltraining, um die Genauigkeit zu verbessern. Modellbereitstellung für Inferenz - Lernen Sie, wie man die Leistung eines Deep-Learning-Modells einsetzt und misst - Optimieren Sie Deep Learning Modelle mit TensorRT - Modell mit Triton Inference Server bereitstellen - Untersuchung und Bewertung der Auswirkungen verschiedener Schlussfolgerungskonfigurationen Bewertung und Fragen und AntwortenDieser Text wurde automatisiert übersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.1 Tag500.00500.00500.00500.00500.00420.00500.00690.00