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.
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