Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
Съдържание и теми, включени в курса
Въведение в CANN и Ascend AI процесори
- Какво е CANN? Роля в AI изчислителния стек на Huawei
- Преглед на архитектурата на Ascend процесори (310, 910 и др.)
- Поддържани AI frameworks и общ преглед на инструментариума
Конвертиране и компилиране на модели
- Използване на ATC инструмента за конвертиране на модели (TensorFlow, PyTorch, ONNX)
- Създаване и валидиране на OM моделни файлове
- Справяне с неподдържани оператори и често срещани проблеми при конвертиране
Внедряване с MindSpore и други frameworks
- Внедряване на модели с MindSpore Lite
- Интегриране на OM модели с Python API или C++ SDKs
- Работа с Ascend Model Manager
Оптимизация на производителността и профилиране
- Разбиране на оптимизациите на AI Core, паметта и разпределението
- Профилиране на изпълнението на модели с CANN инструменти
- Най-добри практики за подобряване на скоростта на инференция и използването на ресурси
Обработка на грешки и дебъгване
- Често срещани грешки при внедряване и тяхното разрешаване
- Четене на логове и използване на инструмента за диагностика на грешки
- Модулно тестване и функционална валидация на внедрени модели
Сценарии за внедряване на периферни устройства и в облака
- Внедряване на Ascend 310 за периферни приложения
- Интеграция с cloud-базирани API и микросървиси
- Казуси от реалния свят в областта на компютърното зрение и NLP
Обобщение и следващи стъпки
Изисквания
- Опит с Python-базирани frameworks за дълбоко обучение като TensorFlow или PyTorch
- Разбиране на архитектури на невронни мрежи и работни потоци за обучение на модели
- Базова компетентност с Linux CLI и скриптове
Аудитория
- AI инженери, работещи с внедряване на модели
- Практикуващи машинно обучение, насочени към хардуерно ускорение
- Разработчици на дълбоко обучение, създаващи решения за инференция
14 Часа