Plan Szkolenia

Wprowadzenie do Cambricon i architektury MLU
  • Przegląd portfela układów AI Cambricon
  • Architektura MLU i pipeline instrukcji
  • Obsługiwane typy modeli i przypadki użycia
Instalowanie narzędzi rozwojowych
  • Instalowanie BANGPy i SDK Neuware
  • Konfiguracja środowiska dla Python i C++
  • Kompatybilność modeli i przetwarzanie przedinstancjonowania
Rozwijanie modeli z użyciem BANGPy
  • Struktura i zarządzanie kształtem tensorów
  • Budowa grafu obliczeń
  • Wsparcie dla niestandardowych operacji w BANGPy
Wdrażanie z użyciem środowiska uruchomieniowego Neuware
  • Konwersja i ładowanie modeli
  • Sterowanie wykonywaniem i wnioskowaniem
  • Przypadek wdrażania na obrzeżach i w centrum danych
Optymalizacja wydajności
  • Mapowanie pamięci i dostrajanie warstw
  • Śledzenie wykonywania i profilowanie
  • Pospolite wąskie gardła i naprawy
Integracja MLU z aplikacjami
  • Używanie API Neuware do integracji z aplikacjami
  • Wsparcie dla strumieniowego przetwarzania i wielu modeli
  • Scenariusze wnioskowania hybrydowego CPU-MLU
Projekt od początku do końca i Use Case
  • Laboratorium: Wdrażanie modelu wizji lub NLP
  • Wnioskowanie na obrzeżach z integracją BANGPy
  • Testowanie dokładności i przepływu
Podsumowanie i następne kroki

Wymagania

  • Zrozumienie struktur modeli uczenia maszynowego
  • Doświadczenie z Python i/lub C++
  • Znałość z koncepcjami wdrażania i przyspieszenia modeli

Grupa docelowa

  • Deweloperzy AI wbudowanej
  • Inżynierzy ML wdrażający na krawędzi lub w centrum danych
  • Deweloperzy pracujący z chińską infrastrukturą AI
 21 godzin

Liczba uczestników


cena netto za uczestnika

Propozycje terminów

Powiązane Kategorie