Plan Szkolenia

Wprowadzenie do Cambricon i Architektury MLU
  • Przegląd portfolio układów scalonych Cambricon
  • Architektura MLU i pipeline instrukcji
  • Obsługiwane typy modeli i przypadki użycia

Instalowanie Narzędzi Rozwójowych

  • Instalowanie BANGPy i SDK Neuware
  • Konfiguracja środowiska dla Python i C++
  • Kompatybilność modeli i przygotowanie danych

Rozwijanie Modeli z Użyciem BANGPy

  • Zarządzanie strukturą i kształtem tensorów
  • Budowa grafu obliczeń
  • Obsługa niestandardowych operacji w BANGPy

Wdrażanie z Użyciem Neuware Runtime

  • Konwersja i ładowanie modeli
  • Sterowanie wykonaniem i inferencją
  • Praktyki wdrażania na urządzeniach krawędziowych i w centrum danych

Optymalizacja Wydajności

  • Mapowanie pamięci i dostrajanie warstw
  • Śledzenie i profilowanie wykonywania
  • Powszechne wąskie gardła i naprawy

Integrowanie MLU z Aplikacjami

  • Używanie API Neuware do integracji aplikacji
  • Obsługa strumieniowania i wielu modeli
  • Scenariusze inferencji hybrydowej CPU-MLU

Projekt Od Podstaw do Końca i Przypadek Użycia

  • Laboratorium: Wdrażanie modelu wizji lub NLP
  • Inferencja na urządzeniach krawędziowych 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