Návrh Školení

Vstup do CANN a procesorů Ascend AI

  • Co je CANN? Role v početním zásobníku AI od Huawei
  • Přehled architektury procesoru Ascend (310, 910 atd.)
  • Podporované AI rámce a přehled nástrojů

Konverze a kompilace modelů

  • Použití nástroje ATC pro konverzi modelů (TensorFlow, PyTorch, ONNX)
  • Vytváření a validování souborů OM modelu
  • Zpracování nepodporovaných operátorů a běžných problémů konverze

Nasazení pomocí MindSpore a dalších rámce

  • Nasazování modelů s MindSpore Lite
  • Integrace OM modelů s API Python nebo SDK C++
  • Práce s Ascend Model Managerem

Optimalizace výkonu a profilování

  • Pochopení optimalizací AI jádra, paměti a tilingu
  • Profilování spuštění modelu pomocí nástrojů CANN
  • Nejlepší postupy pro zlepšení rychlosti inferencí a využití prostředků

Zpracování chyb a ladění

  • Běžné problémy nasazení a jejich řešení
  • Čtení logů a používání nástroje pro diagnostiku chyb
  • Unit testing a funkční validace nasazených modelů

Nasazování na okraji a v cloudu

  • Nasazování do Ascend 310 pro aplikace na okrajích
  • Integrace s cloudovými API a mikroslužbami
  • Skutečné případové studie v oblasti počítačového vidění a JZP

Souhrn a další kroky

Požadavky

  • Zkušenosti s deep learning frameworky založenými na Python, jako je TensorFlow nebo PyTorch
  • Porozumění architekturám neuronových sítí a pracovním postupům modelového školení
  • Základní znalost Linux CLI a skriptování

Cílová skupina

  • AI inženýři pracující s nasazováním modelů
  • Praktikanti v oblasti strojového učení zaměření na zrychlení za pomoci hardwaru
  • Vývojáři hlubokého učení, kteří vyvíjejí řešení pro odhad
 14 hodiny

Počet účastníků


Price per participant

Upcoming Courses

Související kategorie