Zkuste nás kontaktovat

Návrh Školení

Úvod do Cambricon a architektury MLU

  • Přehled portfolia AI čipů Cambricon
  • Architektura MLU a instrukční pipeline
  • Podporované typy modelů a případů použití

Instalace vývojového nástrojového řetězce

  • Instalace BANGPy a Neuware SDK
  • Nastavení prostředí pro Python a C++
  • Kompatibilita modelů a předzpracování

Vývoj modelů s BANGPy

  • Struktura tenzorů a správa tvarů
  • Stavba výpočetního grafu
  • Podpora vlastních operací v BANGPy

Nasazení pomocí běhového prostředí Neuware

  • Konverze a načítání modelů
  • Ovládání exekuce a inferencí
  • Postupy nasazování na edge a do datových center

Optimalizace výkonu

  • Mapování paměti a ladění vrstev
  • Sledování exekuce a profilování
  • Běžné lánecké krky a jejich řešení

Integrace MLU do aplikací

  • Používání Neuware API pro integraci do aplikací
  • Podpora streamování a více modelů
  • Hybridní scénáře CPU-MLU inferencí

Koncový projekt a případ použití

  • Laboratoř: Nasazení modelu pro visão nebo NLP
  • Edge inferencí s integrací BANGPy
  • Testování přesnosti a průchodu

Shrnutí a další kroky

Požadavky

  • Pochopení struktur modelů strojového učení
  • Zkušenosti s jazykem Python a/nebo C++
  • Seznámení s koncepty nasazování modelů a akcelerace

Cílová skupina

  • Vývojáři embedded AI
  • Strojní inženýři nasazující na edge nebo do datových center
  • Vývojáři pracující s čínskou AI infrastrukturou
 21 Hodiny

Počet účastníků


Cena za účastníka

Reference (1)

Nadcházející kurzy

Související kategorie