Obrigado por enviar sua consulta! Um dos membros da nossa equipe entrará em contato com você em breve.
Obrigado por enviar sua reserva! Um dos membros da nossa equipe entrará em contato com você em breve.
Programa do Curso
Introdução aos processadores CANN e Ascend AI
- O que é CANN? Papel na pilha de computação AI da Huawei
- Visão geral da arquitetura dos processadores Ascend (310, 910, etc.)
- Visão geral das estruturas e ferramentas de suporte ao AI
Conversão e Compilação de Modelos
- Usando a ferramenta ATC para conversão de modelos (TensorFlow, PyTorch, ONNX)
- Criando e validando arquivos OM do modelo
- Lidando com operadores não suportados e problemas comuns de conversão
Implantação com MindSpore e outras estruturas
- Implantação de modelos com o MindSpore Lite
- Integração de modelos OM com APIs Python ou SDKs C++
- Trabalhando com Ascend Model Manager
Otimização e Perfis de Desempenho
- Compreendendo otimizações do AI Core, memória e tiling
- Realizando perfis da execução do modelo com as ferramentas CANN
- Práticas recomendadas para melhorar a velocidade de inferência e o uso dos recursos
Gerenciamento de Erros e Depuração
- Erros comuns de implantação e suas resoluções
- Lendo logs e usando a ferramenta de diagnóstico de erros
- Testes unitários e validação funcional dos modelos implantados
Cenários de Implantação na Nuvem e nas bordas
- Implantando no Ascend 310 para aplicações de borda
- Integração com APIs baseadas em nuvem e microserviços
- Estudos de caso reais na visão computacional e NLP
Resumo e Próximos Passos
Requisitos
- Experiência com frameworks de aprendizado profundo baseados em Python, como TensorFlow ou PyTorch
- Compreensão das arquiteturas de redes neurais e fluxos de trabalho para treinamento de modelos
- Familiaridade básica com a CLI do Linux e scriptagem
Público-alvo
- Engenheiros de IA que trabalham com implantação de modelos
- Praticantes de aprendizado de máquina visando aceleração por hardware
- Desenvolvedores de aprendizado profundo construindo soluções de inferência
14 Horas