Dziękujemy za wysłanie zapytania! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Dziękujemy za wysłanie rezerwacji! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Plan Szkolenia
Wprowadzenie do CANN i procesorów Ascend AI
- Co to jest CANN? Rola w stercie obliczeniowym Huawei dla AI
- Przegląd architektury procesorów Ascend (310, 910, itd.)
- Przegląd obsługiwanych ram sztucznej inteligencji i narzędzi do budowy oprogramowania
Konwersja i kompilacja modeli
- Używanie narzędzia ATC do konwersji modeli (TensorFlow, PyTorch, ONNX)
- Tworzenie i walidacja plików modeli OM
- Obsługa nieobsługiwanych operatorów i typowych problemów konwersji
Wdrażanie z użyciem MindSpore i innych ram
- Wdrażanie modeli z użyciem MindSpore Lite
- Integracja modeli OM z API Python lub SDK C++
- Praca z Ascend Model Manager
Optymalizacja wydajności i profilowanie
- Zrozumienie optymalizacji rdzenia AI, pamięci i układów płytkowych
- Profilowanie wykonania modelu z narzędziami CANN
- Najlepsze praktyki poprawy prędkości wnioskowania i wykorzystania zasobów
Obsługa błędów i debugowanie
- Typowe błędy wdrażania i ich rozwiązywanie
- Czytanie logów i używanie narzędzia do diagnostyki błędów
- Testy jednostkowe i funkcjonalna walidacja wdrażanych modeli
Scenariusze wdrażania na urządzeniach peryferyjnych i w chmurze
- Wdrażanie do Ascend 310 do zastosowań peryferyjnych
- Integracja z API i mikrousługami opartymi na chmurze
- Przykłady z życia rzeczywistego w zakresie komputerowego widzenia i przetwarzania języka naturalnego
Podsumowanie i następne kroki
Wymagania
- Doświadczenie w oparciu o Python frameworkach uczenia głębokiego, takich jak TensorFlow lub PyTorch
- Zrozumienie architektur sieci neuronowych i przepływów pracy treningu modeli
- Podstawowa znajomość CLI i skryptowania Linux
Grupa docelowa
- Inżynierowie AI zajmujący się wdrażaniem modeli
- Praktycy uczenia maszynowego dążący do przyspieszenia sprzętowego
- Deweloperzy uczenia głębokiego budujący rozwiązania do wnioskowania
14 godzin