Intrati in legatura

Schița de curs

Introducere în CANN și Procesoarele AI Ascend

  • Ce este CANN? Rolul său în stiva de calcul AI a Huawei
  • Prezentare generală a arhitecturii procesoarelor Ascend (310, 910 etc.)
  • Prezentare generală a framework-urilor AI și a lanțului de instrumente suportate

Conversia și Compilarea Modelelor

  • Utilizarea instrumentului ATC pentru conversia modelelor (TensorFlow, PyTorch, ONNX)
  • Crearea și validarea fișierelor de model OM
  • Gestionarea operatorilor nesuportați și a problemelor comune de conversie

Implementarea cu MindSpore și Alte Framework-uri

  • Implementarea modelelor cu MindSpore Lite
  • Integrarea modelelor OM cu API-uri Python sau SDK-uri C++
  • Lucrul cu Ascend Model Manager

Optimizarea Performanței și Profilarea

  • Înțelegerea optimizărilor AI Core, memoriei și tiling-ului
  • Profilarea execuției modelelor cu instrumente CANN
  • Practici recomandate pentru îmbunătățirea vitezei de inferență și a utilizării resurselor

Gestionarea Erorilor și Depanarea

  • Erori comune de implementare și rezolvarea lor
  • Citirea jurnalelor și utilizarea instrumentului de diagnosticare a erorilor
  • Testarea unitară și validarea funcțională a modelelor implementate

Scenarii de Implementare la Margine și în Cloud

  • Implementarea pe Ascend 310 pentru aplicații la margine
  • Integrarea cu API-uri și microservicii bazate pe cloud
  • Studii de caz din lumea reală în domeniile viziei computerizate și NLP

Rezumat și Pași Următori

Cerințe

  • Experiență cu framework-uri de învățare profundă bazate pe Python, cum ar fi TensorFlow sau PyTorch
  • Înțelegerea arhitecturilor rețelelor neuronale și a fluxurilor de lucru pentru antrenarea modelelor
  • Familiaritate de bază cu CLI Linux și scripting

Publicul țintă

  • Ingineri de AI care lucrează cu implementarea modelelor
  • Practicieni în învățarea automată care urmăresc accelerarea hardware
  • Dezvoltatori de învățare profundă care construiesc soluții de inferență
 14 Ore

Numărul de participanți


Pret per participant

Cursuri viitoare

Categorii înrudite