CiTIUS
Evento
Data
  • 23 de xaneiro de 2023, de 16:30 a 19:30
  • 24 de xaneiro de 2023, de 16:30 a 19:30
  • 26 de xaneiro de 2023, de 16:30 a 19:30
Lugar
Laboratorio de robótica (Evento presencial)
Poñente/s
  • Francisco M.Castro (NVIDIA Jetson Ambassador | Universidad de Málaga (UMA))
  • Paula Ruiz Barroso (Doctoranda en Universidad de Málaga (UMA))
Idioma
Español
Programa de formación: «Introducción a la programación en GPU NVIDIA Jetson»

Programa de formación: «Introducción a la programación en GPU NVIDIA Jetson»

La asistencia a este curso requiere inscripción previa a través de este formulario de asistencia.

El objetivo de este curso es enseñar los aspectos fundamentales del diseño y optimización de modelos deep learning para su despliegue en dispositivos embebidos como la Jetson Nano. Hoy en día los dispositivos embebidos son cada vez más comunes en el Internet de las Cosas ya que proporcionan una capacidad de cómputo aceptable y reducen las latencias de los sistemas. Sin embargo, la tendencia actual en inteligencia artificial es plantear modelos cada vez más complejos con un número de parámetros y operaciones imposibles de manejar en este tipo de dispositivos. Para tratar de solventar este problema, en este curso se comentarán desde un punto de vista práctico las diferentes optimizaciones y técnicas de diseño que podemos aplicar a nuestros modelos para desplegarlos en dispositivos embebidos. Además, todos los modelos desarrollados se desplegarán en dispositivos Jetson que estarán disponibles durante el curso para poder comparar el impacto de las diferentes optimizaciones tanto en precisión del modelo como en tiempo de ejecución y consumo de energía.

Sesión 1 (3 h): Introducción al desarrollo de modelos deep learning optimizados y a la Jetson Nano - Lunes (23.01.2023), 16:30 -19:30

  • Tendencias actuales de los modelos deep learning
  • Técnicas de optimización y diseño
  • Ejemplos

Sesión 2 (3 h): Despliegue de modelos en Jetson Nano - Martes (24.01.2023), 16:30 -19:30

  • Introducción a TensorRT y TFLite
  • Optimización de modelos y medición de consumo
  • Conversión de modelos Pytorch/Tensorflow

Sesión 3 (3 h): Desarrollo de un proyecto autónomo - Jueves (26.01.2023), 16:30 -19:30

Sobre Francisco M.Castro

Francisco M. Castro recibe su doctorado en 2018 por la Universidad de Málaga y en 2022 obtiene una plaza de Profesor Ayudante Doctor en el Departamento de Arquitectura de Computadores de la Universidad de Málaga (UMA). Desde 2019 es NVIDIA Jetson Ambassador y ha impartido cursos de despliegue de modelos en dispositivos Jetson desde entonces. Su investigación se centra en la identificación de personas a partir de su forma de caminar y en el diseño y optimización de modelos deep learning para despegarlos en dispositivos embebidos. Ha publicado más de 25 artículos en revistas y congresos internacionales y ha estado dos veces como investigador visitante en el grupo THOTH en INRIA-Grenoble.

Sobre Paula Ruiz Barroso

Paula Ruiz Barroso estudiante del Doctorado en Ingeniería Mecatrónica desde el año 2021. Su doctorado en el Departamento de Arquitectura de Computadores de la Universidad de Málaga se basa en desplegar modelos de Deep Learning en sistemas embebidos como la NVIDIA Jetson Nano o la NVIDIA Jetson Xavier AGX. Para ello se realizan una serie de optimizaciones a nivel de hardware y software con el objetivo de maximizar el rendimiento en términos de energía y tiempo.