Kurzusleírás

Vegyes műveleti fejlesztés bevezetése

  • Miért építünk vegyes műveleteket? Alkalmazási területek és korlátozások
  • CANN futtatási szerkezet és műveleti integrációs pontok
  • TBE, TIK és TVM áttekintése a Huawei AI-ökoszisztémában

TIK használata alacsony szintű műveleti Programming

  • TIK programozási modell és támogatott API-k megértése
  • Memóriakezelés és tiling stratégia a TIK-ben
  • Egyéni művelet létrehozása, fordítása és regisztrálása a CANN-vel

Vegyes műveletek tesztelése és validálása

  • Műveletek egységtesztelése és integrációs tesztelése a grafon
  • Magas szintű teljesítményproblémák hiba keresése
  • Műveleti végrehajtás és puffer viselkedés vizualizálása

TVM-alapú ütemezés és optimalizálás

  • TVM áttekintése tensor műveletek fordítójaként
  • Ütemezés írása egy vegyes művelethez a TVM-ben
  • TVM finomhangolás, teljesítménymérlegelés és kódgenerálás Ascend-hardverhez

Integráció keretrendszerekkel és modellekkel

  • Vegyes műveletek regisztrálása a MindSpore és ONNX számára
  • Modellintegritás és visszaesési viselkedés ellenőrzése
  • Több műveleti grafok támogatása vegyes pontossággal

Esettanulmányok és specializált optimalizálások

  • Esettanulmány: magas hatékonyságú konvolúció kis bemeneti alakzatokhoz
  • Esettanulmány: memóriakezelő figyelemművelet optimalizálása
  • Legjobb gyakorlatok a vegyes műveleti telepítésben különböző eszközökön

Összefoglalás és következő lépések

Követelmények

  • Mesterséges intelligencia modell belsejének és műveleti szintű számításának mélyreható ismerete
  • Tapasztalat Python és Linux fejlesztői környezetekkel
  • Ismeret neural hálófordítókkal vagy gráf szintű optimalizálókkal

Célközönség

  • AI eszközláncokat fejlesztő fordító mérnökök
  • Alacsony szintű AI optimalizálással foglalkozó rendszermérnökök
  • Egyedi műveleteket építő fejlesztők vagy olyan fejlesztők, akik új AI munkaterheléseket célozzák meg
 14 Órák

Résztvevők száma


Ár résztvevőnként

Közelgő kurzusok

Rokon kategóriák