Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
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