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
Bevezetés az Egyedi Operátor Fejlesztésbe
- Miért érdemes egyedi operátorokat építeni? Használati esetek és korlátozások
- A CANN futási környezet szerkezete és operátor integrációs pontjai
- A TBE, TIK és TVM áttekintése a Huawei AI ökoszisztémában
A TIK Használata Alacsony Szintű Operátor Programozásban
- A TIK programozási modell és támogatott API-k megértése
- Memóriakezelés és csempézési stratégia a TIK-ben
- Egyedi operátor létrehozása, fordítása és regisztrálása a CANN-nel
Egyedi Operátorok Tesztelése és Ellenőrzése
- Egységtesztelés és integrációs tesztelés a gráfban
- Kernel-szintű teljesítményproblémák hibakeresése
- Operátor végrehajtás és puffer viselkedés vizualizálása
TVM Alapú Ütemezés és Optimalizálás
- A TVM áttekintése, mint tenzor operátorok fordítója
- Egyedi operátor ütemezésének írása a TVM-ben
- TVM finomhangolás, teljesítménytesztelés és kódgenerálás Ascend-hez
Integráció Keretrendszerekkel és Modellekkel
- Egyedi operátorok regisztrálása MindSpore és ONNX számára
- Modell integritás és visszaesési viselkedés ellenőrzése
- Többoperátoros gráfok támogatása vegyes pontossággal
Esettanulmányok és Speciális Optimalizációk
- Esettanulmány: hatékony konvolúció kis bemeneti alakzatokhoz
- Esettanulmány: memóriaérzékeny figyelmi operátor optimalizálása
- Ajánlott eljárások egyedi operátorok üzembe helyezésében eszközök között
Összefoglalás és Következő Lépések
Követelmények
- Mély ismeretek az AI modellek belső működéséről és operátorszintű számításokról
- Tapasztalat Python és Linux fejlesztői környezetekben
- Ismeret a neurális hálózatok fordítóiról vagy gráfszintű optimalizálóiról
Célközönség
- AI eszközláncokon dolgozó fordítómérnökök
- Alacsony szintű AI optimalizációra fókuszáló rendszerfejlesztők
- Egyedi operátorokat építő vagy új AI munkaterheléseket célzó fejlesztők
14 Órák