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

Résztvevők száma


Ár résztvevőnként

Közelgő kurzusok

Rokon kategóriák