План на курса

Въведение в CANN и процесори за изкуствен интелигент Ascend

  • Какво е CANN? Роля му в стека за изчислителни изкуствени интелигенции на Huawei
  • Обзор на архитектурата на процесорите Ascend (310, 910 и т.н.)
  • Обзор на поддържаните платформи за изкуствен интелигент и инструментална верига

Разработване и компилиране на модели

  • Използване на инструмента ATC за конвертиране на модели (TensorFlow, PyTorch, ONNX)
  • Създаване и валидиране на файлове с модели OM
  • Ръководство за неподдържани оператори и общи проблеми при конвертиране

Разработване с MindSpore и други платформи

  • Разработване на модели с MindSpore Lite
  • Интегриране на модели OM с API на Python или SDK на C++
  • Работа с Ascend Model Manager

Оптимизация на производителността и профилиране

  • Разбиране на оптимизации на AI Core, памет и тайлове
  • Профилиране на изпълнението на модели с инструменти за CANN
  • Най-добри практики за подобряване на скоростта на извличане на заключение и използването на ресурси

Разрешаване на грешки и отстраняване на проблеми

  • Чести грешки при разработване и техните решения
  • Четене на логи и използване на инструмента за диагностика на грешки
  • Едино тестване и функционална валидизация на разработените модели

Сценарии за разработване в облака и на периферията

  • Разработване за Ascend 310 за приложения на периферията
  • Интегриране с API за облачни бази и микроуслуги
  • Реални случаи на приложение в компютърно зрение и обработка на естествен език

Резюме и следващи стъпки

Изисквания

  • Опит с базирани на Python рамки за дълбочинно обучение, като TensorFlow или PyTorch
  • Разбиране на архитектурата на нейронни мрежи и процесите за обучение на модели
  • Основно запознаване с интерфейса на командния ред на Linux и скриптова работа

Целева аудитория

  • Инженери на изкуствен интелигент, работащи с развертане на модели
  • Практици в областта на машинно обучение, ориентирани към ускорение на хардуера
  • Разработчици на дълбочинно обучение, създаващи решения за инференция
 14 часа

Брой участници


Цена за участник

Предстоящи Курсове

Свързани Kатегории