AMD Workshop: Ultralytics YOLO Vision 2026

Workshop 1: Ultralytics YOLO auf AMD Radeon: Feinabstimmung, Bereitstellung, Beschleunigung | Zeit: 14:00 - 15:00 Erstellen Sie einen End-to-End-Computer-Vision-Workflow mit Ultralytics YOLO auf einer einzigen AMD Radeon GPU. Die Teilnehmer werden einen kompakten Multi-klasse OBB-Datensatz vorbereiten, ein vortrainiertes Erkennungsmodell auf eine OBB-Aufgabe übertragen, einen Feinabstimmungsdurchlauf von 3–5 Minuten abschließen, die Ergebnisse validieren und das trainierte Modell durch eine beschleunigte MIGraphX-Inferenzpipeline bereitstellen. Der Workshop konzentriert sich auf praktische, reproduzierbare Trainings- und Bereitstellungsworkflows. Referent: Li Zheng, Produktanwendungsingenieur, AMD Zielgruppe: KI-Entwickler, Ingenieure für Computer Vision, Studenten und technische Enthusiasten mit grundlegenden Python-Kenntnissen. Vorherige Erfahrungen mit Ultralytics, ROCm, OBB oder MIGraphX sind nicht erforderlich. Technische Anforderungen / Vorbereitung: Ein Computer mit einem Webbrowser. Workshop 2: Ultralytics YOLO26 auf AMD Radeon: Vom Ultralytics-Checkpoint zu einer End-to-End-Video-KI-Pipeline | Zeit: 15:00 - 16:00 Nehmen Sie einen Ultralytics YOLO26x-Checkpoint über predict() hinaus und in eine produktionsgerechte Video-Pipeline auf AMD Radeon. Dieser Workshop erklärt, wie YOLO26x in ONNX exportiert, mit AMD MIGraphX für FP16-Inferenz kompiliert und mit Hardware-Video-Dekodierung, OpenCV HIP-Vorverarbeitung, GPU NMS und Hardware-Encoding verbunden wird. Die Teilnehmer werden dann die komplette Pipeline in der Radeon Cloud ausführen und erkunden, wie Qwen3-VL die Echtzeiterkennung mit Szeneverständnis erweitert. Referent: Zihao Mu, Mitglied des technischen Personals, Produktanwendungsingenieur, AMD Zielgruppe: Ultralytics-Benutzer, die YOLO-Modelle trainieren, feinabstimmen, exportieren oder bereitstellen, sowie Ingenieure für Computer Vision, die von Notebook-Inferenz zu kontinuierlichen Video-Pipelines wechseln. Empfohlene Erfahrungsstufe: Mittelstufe. Die Teilnehmer sollten mit Python, grundlegender YOLO-Inferenz und Jupyter-Notebooks vertraut sein. Technische Anforderungen / Vorbereitung: Die Teilnehmer müssen lediglich einen Laptop mitbringen, der einen modernen Webbrowser ausführen kann. Alle Experimente werden in einer vorkonfigurierten Radeon Cloud-Umgebung durchgeführt, die für den Workshop bereitgestellt wird.