Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Návrh Školení
Úvod do CANN a procesorů Ascend AI
- Co je CANN? Role ve výpočetním stacku AI společnosti Huawei
- Přehled architektury procesorů Ascend (310, 910 atd.)
- Podporované AI frameworky a přehled vývojového řetězce (toolchain)
Konverze a kompilace modelů
- Použití nástroje ATC pro konverzi modelů (TensorFlow, PyTorch, ONNX)
- Vytváření a validace souborů modelů OM
- Řešení nepodporovaných operátorů a běžných problémů při konverzi
Nasazování pomocí MindSpore a dalších frameworků
- Nasazování modelů pomocí MindSpore Lite
- Integrace modelů OM s API Pythonu nebo SDK C++
- Práce s Ascend Model Manager
Optimalizace výkonu a profilování
- Pochopení optimalizací AI Core, paměti a tilingu
- Profilování spuštění modelů pomocí nástrojů CANN
- Nejlepší postupy pro zlepšení rychlosti inferenčního procesu a využití prostředků
Obsahování chyb a ladění
- Běžné chyby při nasazování a jejich řešení
- Čtení protokolů a použití nástroje pro diagnostiku chyb
- Testování jednotek a funkční validace nasazených modelů
Scénáře nasazování na hranech sítě a v cloudu
- Nasazování na Ascend 310 pro aplikace na hranách sítě
- Integrace s cloudovými API a mikroslužbami
- Případové studie ze světa počítačového vidění a zpracování přirozeného jazyka (NLP)
Shrnutí a další kroky
Požadavky
- Zkušenosti s frameworky pro hluboké učení založenými na Pythonu, jako jsou TensorFlow nebo PyTorch
- Pochopení architektur neuronových sítí a pracovních toků pro trénování modelů
- Základní znalost příkazového řádku Linux a skriptování
Cílová skupina
- Inženýři AI pracující s nasazováním modelů
- Praktici strojového učení cílící na hardwarovou akceleraci
- Vývojáři hlubokého učení stavící inferenční řešení
14 Hodiny
