Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Köszönjük, hogy elküldte foglalását! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Időtartalma 14 órák
Kurzusleírás
Bevezetés a CANN-be és az Ascend AI processzorokba
- Mi az a CANN? Szerepe a Huawei AI-számítási stackjében
- Az Ascend processzorarchitektúra áttekintése (310, 910 stb.)
- Támogatott AI-keretrendszerek és eszközlánc-áttekintés
Modellkonverzió és fordítás
- Az ATC eszköz használata modellkonverzióhoz (TensorFlow, PyTorch, ONNX)
- OM-modellfájlok létrehozása és validálása
- Nem támogatott operátorok és gyakori konverziós problémák kezelése
Telepítés MindSpore-ral és más keretrendszerekkel
- Modellek telepítése a MindSpore Lite segítségével
- OM-modellek integrálása Python API-kkal vagy C++ SDK-kkal
- Munka az Ascend Model Managerrel
Teljesítményoptimalizálás és profilozás
- Az AI Core, a memória és a csempézési optimalizálások megértése
- Modellvégrehajtás profilozása CANN-eszközökkel
- Bevált gyakorlatok a következtetési sebesség és az erőforrás-felhasználás javítására
Hibakezelés és hibakeresés
- Gyakori telepítési hibák és megoldásuk
- Naplók olvasása és a hibadiagnosztikai eszköz használata
- A telepített modellek egységtesztelése és funkcionális validálása
Edge- és felhőalapú telepítési forgatókönyvek
- Telepítés Ascend 310-re edge-alkalmazásokhoz
- Integráció felhőalapú API-kkal és mikroszolgáltatásokkal
- Valós esettanulmányok a számítógépes látás és az NLP területén
Összefoglalás és következő lépések
Követelmények
- Tapasztalat Python-alapú mélytanulási keretrendszerekkel, például TensorFlow-val vagy PyTorch-csal
- A neurális hálózati architektúrák és a modellbetanítási munkafolyamatok ismerete
- Alapszintű jártasság a Linux CLI és a szkriptelés terén
Célközönség
- Modelltelepítéssel foglalkozó AI-mérnökök
- Hardveres gyorsítást célzó gépi tanulási szakemberek
- Következtetési megoldásokat fejlesztő mélytanulási fejlesztők
