Schița de curs

Introducere în CANN și Procesoarele Ascend AI

  • Ce este CANN? Rolul în stack-ul de calcul AI al Huawei
  • Prezentare generală a arhitecturii procesoarelor Ascend (310, 910, etc.)
  • Framework-uri AI suportate și prezentare generală a toolchain-ului

Conversia și Compilarea Modelelor

  • Utilizarea unelții ATC pentru conversia modelelor (TensorFlow, PyTorch, ONNX)
  • Crearea și validarea fișierelor de model OM
  • Gestionarea operatorilor neacceptați 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, memorie și tiling
  • Profilarea execuției modelelor cu unelte CANN
  • Cele mai bune practici pentru îmbunătățirea vitezei de inferență și a utilizării resurselor

Gestionarea Erorilor și Depanarea

  • Erori comune de implementare și rezolvarea lor
  • Citirea jurnalelor și utilizarea unelții 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 domeniul viziunii computerizate și NLP

Rezumat și Pași Următori

Cerințe

  • Experiență cu framework-uri de învățare profundă bazate pe Python, cum ar fi TensorFlow sau PyTorch
  • Înțelegere a arhitecturilor de rețele neuronale și a fluxurilor de lucru pentru antrenarea modelelor
  • Familiarizare 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