Plan Szkolenia

Wprowadzenie do CANN i procesorów Ascend AI

  • Czym jest CANN? Rola w stosie obliczeniowym AI Huawei
  • Przegląd architektury procesorów Ascend (310, 910 itp.)
  • Obsługiwane frameworki AI i przegląd łańcucha narzędzi

Konwersja i kompilacja modeli

  • Korzystanie z narzędzia ATC do konwersji modeli (TensorFlow, PyTorch, ONNX)
  • Tworzenie i walidacja plików modeli OM
  • Obsługa nieobsługiwanych operatorów i typowe problemy z konwersją

Wdrażanie z wykorzystaniem MindSpore i innych frameworków

  • Wdrażanie modeli z wykorzystaniem MindSpore Lite
  • Integracja modeli OM z interfejsami API w Pythonie lub SDK w C++
  • Praca z Ascend Model Manager

Optymalizacja wydajności i profilowanie

  • Zrozumienie optymalizacji AI Core, pamięci i podziału na kafelki
  • Profilowanie wykonywania modeli za pomocą narzędzi CANN
  • Najlepsze praktyki poprawy szybkości wnioskowania i wykorzystania zasobów

Obsługa błędów i debugowanie

  • Typowe błędy wdrażania i ich rozwiązania
  • Czytanie logów i korzystanie z narzędzia do diagnozowania błędów
  • Testowanie jednostkowe i walidacja funkcjonalna wdrożonych modeli

Scenariusze wdrażania na urządzeniach brzegowych i w chmurze

  • Wdrażanie na Ascend 310 dla aplikacji brzegowych
  • Integracja z interfejsami API i mikrousługami w chmurze
  • Studia przypadków z zakresu przetwarzania obrazu i NLP

Podsumowanie i kolejne kroki

Wymagania

  • Doświadczenie w pracy z frameworkami do uczenia głębokiego opartymi na Pythonie, takimi jak TensorFlow lub PyTorch
  • Zrozumienie architektur sieci neuronowych i procesów treningowych modeli
  • Podstawowa znajomość interfejsu wiersza poleceń Linux i skryptów

Grupa docelowa

  • Inżynierowie AI zajmujący się wdrażaniem modeli
  • Praktycy uczenia maszynowego wykorzystujący przyspieszanie sprzętowe
  • Programiści uczenia głębokiego tworzący rozwiązania do wnioskowania
 14 godzin

Liczba uczestników


Cena za uczestnika

Propozycje terminów

Powiązane Kategorie