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)用場景多，而 Imagination 與百度飛槳的合作則希望通過軟硬件協(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/物體檢測等應(yīng)用，并已對外開源。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 模型部署實戰(zhàn) Workshop，現(xiàn)在掃描下方二維碼即可注冊預(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”，來自百度飛槳的工程師分享飛槳 PaddelClas 圖像分類開發(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 硬件平臺上部署深度學(xué)習(xí)應(yīng)用，同時還將基于集成了紫光展銳 T710 芯片的 BU99 開發(fā)板進(jìn)行 demo 演示。

Workshop 內(nèi)容概覽：

如何準(zhǔn)備一個飛槳訓(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？

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)方面處于市場領(lǐng)先地位，為移動和嵌入式 GPU 設(shè)定了基準(zhǔn)。PowerVR 通過分塊延遲渲染（TBDR）技術(shù)實現(xiàn)的效率確保了最低的帶寬使用率和最短的每項任務(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開發(fā)板

BU99開發(fā)板是亮衡科技開發(fā)的基于紫光展銳T710高性能AI芯片設(shè)計的B100_A模組為核心的AI開發(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該開發(fā)板的外圍接口開放出來，方便用戶快速的接入使用?？蓮V泛應(yīng)用于對圖像處理、實時性要求較高的應(yīng)用場景。如:人臉識別、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是一個提供了從數(shù)據(jù)處理、模型準(zhǔn)備、模型優(yōu)化、到預(yù)測部署全流程工具的圖像分類開發(fā)套件。提供: 37個系列230+個高性能圖像分類預(yù)訓(xùn)練模型，其中包括10萬分類預(yù)訓(xùn)練模型、PP-HGNet、PP-LCNet等明星模型，以及SSLD知識蒸餾等先進(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；輕量級圖像識別模型PP-ShiTu，綜合了目標(biāo)檢測、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輕松識別十萬類，且十分簡單易用，極大地降低開發(fā)門檻；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)。