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

Liczba uczestników


cena netto za uczestnika

Propozycje terminów

Powiązane Kategorie