Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
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