План на курса

Въведение в Edge AI и Ascend 310

  • Общ преглед на Edge AI: тенденции, ограничения и приложения
  • Архитектура на чипа Huawei Ascend 310 и поддържаната инструментална верига
  • Позициониране на CANN в стека за развертане на edge AI

Разработване на модели и конвертиране

  • Износ на обучени модели от TensorFlow, PyTorch и MindSpore
  • Използване на ATC за конвертиране на модели в формат OM за устройства Ascend
  • Обработка на неподдържани операции и стратегии за лек конверт

Разработване на инференс пиплайни с AscendCL

  • Използване на API на AscendCL за изпълнение на модели OM на Ascend 310
  • Предварителна обработка на вход/изход, управление на паметта и контрол на устройството
  • Развертане в ембедирани контейнери или леки среди за изпълнение

Оптимизация за ограничения на едж

  • Намаляване на големината на модела, точностна настройка (FP16, INT8)
  • Използване на CANN профилиране за идентифициране на бутилики
  • Управление на разпределението на паметта и поток на данни за производителност

Развертане с MindSpore Lite

  • Използване на среда за изпълнение на MindSpore Lite за мобилни и ембедирани цели
  • Сравнение на MindSpore Lite с суров пиплайн на AscendCL
  • Пакетиране на инференс модели за развертане, специфично за устройството

Сценарии и случайни изследвания за развертане в едж

  • Случайно изследване: интелигентна камера с модел за обнаруване на обекти на Ascend 310
  • Случайно изследване: реално време класифициране в IoT сензорна станция
  • Мониторинг и актуализация на развърнатите модели в едж

Резюме и следващи стъпки

Изисквания

  • Опит в разработката или развертането на AI модели
  • Основни познания в вграждени системи, Linux и Python
  • Знание с дълбокоучещи рамки като TensorFlow или PyTorch

Целева аудитория

  • Разработчици на IoT решения
  • Инженери на вградена AI
  • Интегратори на крайни системи и специалисти по развертане на AI
 14 часа

Брой участници


Цена за участник

Предстоящи Курсове

Свързани Kатегории