Takk for at du sendte din henvendelse! En av våre teammedlemmer vil kontakte deg straks.
Takk for at du sendte din bestilling! En av våre teammedlemmer vil kontakte deg straks.
Kursplan
Innføring i CANN og Ascend AI-prosessorer
- Hva er CANN? Rollen i Huawei sine AI-beregningstøystack
- Oversikt over Ascend prosessorarkitektur (310, 910, osv.)
- Støttede AI-rammeverk og oversikt over verktøykjeden
Modellkonvertering og kompilering
- Bruk av ATC-verktøyet for modellkonvertering (TensorFlow, PyTorch, ONNX)
- Oppretting og validering av OM-modellfiler
- Håndtering av uunderstøttede operatorer og vanlige konverteringsproblemer
Utrulling med MindSpore og andre rammeverk
- Utrulling av modeller med MindSpore Lite
- Integrasjon av OM-modeller med Python-APIer eller C++ SDK-er
- Arbeid med Ascend Model Manager
Ytelsesoptimering og profilering
- Forståelse av AI Core, minne og tiling-optimeringer
- Profilering av modellutførelse med CANN-verktøy
- Beste praksis for å forbedre inferenshastighet og ressursbruk
Feilhåndtering og feilsøking
- Vanlige utrullingsfeil og deres løsning
- Lesing av logs og bruk av feildiagnoseverktøy
- Enhets testing og funksjonell validering av utrollede modeller
Kant- og skybaserte utrullings scenarioer
- Utrulling til Ascend 310 for kantbaserte applikasjoner
- Integrasjon med skybaserte API-er og mikrotenester
- Reelle casestudier innen datamaskinvitenskap og NLP
Oppsummering og neste steg
Krav
- Erfaring med Python-baserte dype lærrammeverk som TensorFlow eller PyTorch
- Forståelse av neurale nettverksarkitekturer og modelltreningssyklus
- Basiskjennskap til Linux CLI og skripting
Målgruppe
- AI-ingeniører som jobber med modellutrulling
- Maskinlæringspraktikere som sikter mot hardwareakselerering
- Dype lærrutviklere som bygger inferensløsninger
14 Timer
