Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Köszönjük, hogy elküldte foglalását! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Kurzusleírás
CANN és Ascend AI Processzorok Bevezetése
- Mi az a CANN? Szervezeti szerepe a Huawei AI számítási stack-ben
- Ascend processzor architektúra áttekintése (310, 910 stb.)
- Támogatott AI keretek és eszközkészlet áttekintése
Modellkonverzió és fordítás
- ATC eszköz használata modellkonverzióhoz (TensorFlow, PyTorch, ONNX)
- OM modellfájlok létrehozása és validálása
- Nem támogatott operátorok és gyakori konverziói problémák kezelése
Telepítés MindSpore és más keretekkel
- Modellek telepítése MindSpore Lite segítségével
- OM modellek integrálása Python API-okkal vagy C++ SDK-vel
- Ascend Model Managerrel való munka
Teljesítményoptimalizálás és profilozás
- AI Core, memória és téglaoptimalizációk megértése
- Modellfutás profilozása CANN eszközökkel
- Legjobb gyakorlatok a levezetési sebesség és erőforráshasználat javítására
Hibakezelés és hibakeresés
- Gyakori telepítési hibák és megoldásuk
- Naplók olvasása és a hibadiagnosztikai eszköz használata
- Telepített modellek egységtesztelése és funkcionális validálása
Széletti és felhőbeli telepítési színterek
- Ascend 310 telepítése széletti alkalmazásokhoz
- Integráció felhőalapú API-kkal és mikro-szolgáltatásokkal
- Számítógépi látás és NLP valós világbeli esettanulmányok
Összegzés és Következő lépések
Követelmények
- Tapasztalat Python-alapú mélytanulási keretekkel, mint TensorFlow vagy PyTorch
- Hálózati architektúrák és modelltanítási folyamatok megértése
- Alapvető ismeret Linux CLI és scripting területén
Célközönség
- AI mérnökök, akik modell telepítéssel foglalkoznak
- Gépes tanulás szakemberei, akik hardver gyorsítást céloznak
- Mélytanulási fejlesztők, akik inferenciaoldali megoldásokat építenek
14 Órák