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 21 órák
Kurzusleírás
Bevezetés a Cambricon és az MLU architektúrába
- A Cambricon AI-chip portfóliójának áttekintése
- MLU architektúra és utasítás-futószalag
- Támogatott modelltípusok és felhasználási esetek
A fejlesztői eszközlánc telepítése
- A BANGPy és a Neuware SDK telepítése
- Környezet beállítása Pythonhoz és C++-hoz
- Modellkompatibilitás és előfeldolgozás
Modellfejlesztés BANGPy segítségével
- Tensor struktúra és alakkezelés
- Számítási gráf felépítése
- Egyedi műveletek támogatása a BANGPy-ban
Telepítés Neuware futtatókörnyezettel
- Modellek konvertálása és betöltése
- Végrehajtás és következtetés vezérlése
- Edge és adatközponti telepítési gyakorlatok
Teljesítményoptimalizálás
- Memórialeképezés és réteghangolás
- Végrehajtás nyomon követése és profilozás
- Gyakori szűk keresztmetszetek és javítások
MLU integrálása alkalmazásokba
- Neuware API-k használata alkalmazásintegrációhoz
- Streamelési és többmodelles támogatás
- Hibrid CPU-MLU következtetési forgatókönyvek
Teljes körű projekt és felhasználási eset
- Lab: Vision vagy NLP modell telepítése
- Edge következtetés BANGPy integrációval
- Pontosság és áteresztőképesség tesztelése
Összefoglalás és következő lépések
Követelmények
- A gépi tanulási modellstruktúrák ismerete
- Python és/vagy C++ tapasztalat
- A modeltelepítési és gyorsítási fogalmak ismerete
Célközönség
- Beágyazott AI-fejlesztők
- Edge vagy adatközponti telepítést végző ML-mérnökök
- Kínai AI-infrastruktúrával dolgozó fejlesztők
Vélemények (1)
Hogy foglalkozhassunk haladó témákkal és valós példákon dolgozhassunk
Ruben Khachaturyan - iris-GmbH infrared & intelligent sensors
Kurzus - Advanced Edge AI Techniques
Gépi fordítás