Свържете се с нас

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

Брой участници


Цена за участник

Предстоящи Курсове

Свързани Kатегории