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 stosie obliczeniowym Huawei dla AI
- Przegląd architektury procesora Ascend (310, 910, itd.)
- Przegląd obsługiwanych ram AI i narzędzi
Wydawanie modeli z użyciem MindSpore i innych ram
- Wydawanie 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 AI Core, pamięci i płytki
- Profilowanie wykonania modelu z narzędziami CANN
- Najlepsze praktyki dla poprawy szybkości inferencji i zużycia zasobów
Obsługa błędów i debugowanie
- Typowe błędy w wydawaniu i ich rozwiązania
- Czytanie logów i używanie narzędzia diagnostyki błędów
- Testowanie jednostkowe i walidacja funkcjonalna wydanych modeli
Scenariusze wdrożenia na urządzeniach Edge i w chmurze
- Wdrożenie na Ascend 310 dla aplikacji Edge
- Integracja z API opartymi na chmurze i mikrousługami
- Studia przypadków z życia rzeczywistego w komputerowym widzeniu i NLP
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