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

Liczba uczestników


cena netto za uczestnika

Propozycje terminów

Powiązane Kategorie