盡管人工智能、深度學(xué)習(xí)等詞匯早已被大眾熟知，但在產(chǎn)業(yè)落地的過(guò)程中仍面臨著不少挑戰(zhàn)，例如硬件芯片多，算法模型多、應(yīng)用場(chǎng)景多，而 Imagination 與百度飛槳的合作則希望通過(guò)軟硬件協(xié)同，加速 AI 的產(chǎn)業(yè)落地。
目前，Imagination 與百度飛槳聯(lián)合開(kāi)發(fā)的 Imagination PaddlePaddle Model zoo 模型已經(jīng)涵蓋了圖像分類/圖像分割/物體檢測(cè)等應(yīng)用，并已對(duì)外開(kāi)源。為了更全面深入地了解 Model zoo 模型，Imagination 與百度飛槳將于 9 月 28 日舉辦 PowerVR+飛槳 Model zoo 模型部署實(shí)戰(zhàn) Workshop，現(xiàn)在掃描下方二維碼即可注冊(cè)預(yù)約，免費(fèi)觀看。

在此次的 Workshop 中，您將學(xué)習(xí)“端到端在 Imagination 硬件上部署飛槳模型的工作流程”，來(lái)自百度飛槳的工程師分享飛槳 PaddelClas 圖像分類開(kāi)發(fā)套件的全景圖并重點(diǎn)介紹 EfficientNet 的結(jié)構(gòu)和性能，以及推理模型的導(dǎo)出和 TVM IR 轉(zhuǎn)換。來(lái)自 Imagination 的工程師則從硬件部署優(yōu)化的角度分享如何在 Imagination 硬件平臺(tái)上部署深度學(xué)習(xí)應(yīng)用，同時(shí)還將基于集成了紫光展銳 T710 芯片的 BU99 開(kāi)發(fā)板進(jìn)行 demo 演示。

Workshop 內(nèi)容概覽：

如何準(zhǔn)備一個(gè)飛槳訓(xùn)練模型?

如何將飛槳預(yù)訓(xùn)練模型導(dǎo)出為飛槳推理模型?

如何使用 Imagination NCSDK 將飛槳推理模型編譯為適配目標(biāo)設(shè)備上運(yùn)行的代碼？

• 如何將優(yōu)化后的模型部署在 Imagination 硬件平臺(tái)？

關(guān)于 PowerVR

PowerVR是Imagination Technologies公司旗下的圖形處理器架構(gòu)，創(chuàng)建至今已有 30年。PowerVR 圖形處理器（GPU）系列在技術(shù)能力、路線圖廣度和生態(tài)系統(tǒng)方面處于市場(chǎng)領(lǐng)先地位，為移動(dòng)和嵌入式 GPU 設(shè)定了基準(zhǔn)。PowerVR 通過(guò)分塊延遲渲染（TBDR）技術(shù)實(shí)現(xiàn)的效率確保了最低的帶寬使用率和最短的每項(xiàng)任務(wù)處理周期，所有這些都確保了高性能效率和最低的每幀功耗。設(shè)計(jì)用于加速特定神經(jīng)網(wǎng)絡(luò)應(yīng)用程序的 PowerVR 神經(jīng)網(wǎng)絡(luò)加速器（NNA）為智能邊緣設(shè)備提供強(qiáng)大的效率和性能。

關(guān)于 Workshop 中所使用的亮衡BU99開(kāi)發(fā)板

BU99開(kāi)發(fā)板是亮衡科技開(kāi)發(fā)的基于紫光展銳T710高性能AI芯片設(shè)計(jì)的B100_A模組為核心的AI開(kāi)發(fā)板，該款A(yù)I芯片集成了IMG 9440 GPU IP以及IMG 2NX NNA 神經(jīng)網(wǎng)絡(luò)加速器IP，算力最大支持 3.2 TOPs(INT 8)。B100_AAI模組的核心功能通過(guò)該開(kāi)發(fā)板的外圍接口開(kāi)放出來(lái)，方便用戶快速的接入使用?？蓮V泛應(yīng)用于對(duì)圖像處理、實(shí)時(shí)性要求較高的應(yīng)用場(chǎng)景。如:人臉識(shí)別、智能機(jī)器人、智能駕駛、智能零售、智能支付、智能醫(yī)療、智慧教育、安 防監(jiān)控等設(shè)備和行業(yè)。

關(guān)于飛槳模型套件 PaddleClas

PaddleClas是一個(gè)提供了從數(shù)據(jù)處理、模型準(zhǔn)備、模型優(yōu)化、到預(yù)測(cè)部署全流程工具的圖像分類開(kāi)發(fā)套件。提供: 37個(gè)系列230+個(gè)高性能圖像分類預(yù)訓(xùn)練模型，其中包括10萬(wàn)分類預(yù)訓(xùn)練模型、PP-HGNet、PP-LCNet等明星模型，以及SSLD知識(shí)蒸餾等先進(jìn)算法優(yōu)化策略，可被廣泛應(yīng)用于高階視覺(jué)任務(wù)；輕量圖像分類方案PULC，覆蓋人、車、OCR方向九大任務(wù)高頻應(yīng)用；輕量級(jí)圖像識(shí)別模型PP-ShiTu，綜合了目標(biāo)檢測(cè)、圖像分類、度量學(xué)習(xí)、圖像檢索等多重技術(shù)，能夠完美解決小樣本、高相似、多類別等產(chǎn)業(yè)落地難點(diǎn)，CPU上僅需0.2s輕松識(shí)別十萬(wàn)類，且十分簡(jiǎn)單易用，極大地降低開(kāi)發(fā)門(mén)檻；輔助產(chǎn)業(yè)及科研領(lǐng)域快速解決多類別、高相似度、小樣本等業(yè)界難點(diǎn)。