Lépjen kapcsolatba velünk

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
 21 Órák

Résztvevők száma


Ár per résztvevő

Vélemények (1)

Közelgő kurzusok

Rokon kategóriák