План на курса

Въведение в Cambricon и архитектура MLU

  • Обзор на портфолиото на AI чипове на Cambricon
  • Архитектура MLU и конвейер на инструкции
  • Поддържани типове модели и случаи на използване

Инсталиране на инструменталния комплект за разработка

  • Инсталиране на BANGPy и Neuware SDK
  • Настройка на средата за Python и C++
  • Съвместимост на моделите и предварителна обработка

Разработка на модели с BANGPy

  • Управление на структурата и формата на тензори
  • Конструкция на графа за изчисления
  • Поддръжка на специални операции в BANGPy

Развертане с Neuware Runtime

  • Конвертиране и зареждане на модели
  • Контрол на изпълнението и извода
  • Практики за развертане на периферни устройства и в център за данни

Оптимизация на производителността

  • Меморино картиране и настройка на слоеве
  • Следване на изпълнението и профилиране
  • Общи тълпи и решения

Интегриране на MLU в приложения

  • Използване на Neuware APIs за интеграция на приложения
  • Поддръжка на потоково и много-моделно приложение
  • Хибридни сценарии за извод с CPU и MLU

Пълноценен проект и Use Case

  • Лабораторна работа: Развертане на визионен или NLP модел
  • Периферно изводене с интеграция на BANGPy
  • Тестване на точност и пропускателна способност

Резюме и следващи стъпки

Изисквания

Предварителни изисквания:

  • Разумение на структурата на модели на машинно обучение
  • Опит с Python и/или C++
  • Знакомство с концепции за развертане и ускорение на модели

Целева аудитория

  • Разработчици на вградена интелигентна система
  • Инженери на машинно обучение, развертащи на периферия или в датацентър
  • Разработчици, работящи с китайска инфраструктура за интелигентни системи
 21 Часа

Брой участници


Цена за участник

Предстоящи Курсове

Свързани Kатегории