Contattataci

Struttura del corso

Introduzione a CANN e processori AI Ascend

  • Cos'è CANN? Ruolo nello stack di calcolo AI di Huawei
  • Panoramica dell'architettura dei processori Ascend (310, 910, ecc.)
  • Panoramica dei framework AI supportati e della toolchain

Conversione e compilazione dei modelli

  • Utilizzo dello strumento ATC per la conversione dei modelli (TensorFlow, PyTorch, ONNX)
  • Creazione e validazione dei file di modello OM
  • Gestione di operatori non supportati e problemi comuni di conversione

Distribuzione con MindSpore e altri framework

  • Distribuzione di modelli con MindSpore Lite
  • Integrazione di modelli OM con API Python o SDK C++
  • Utilizzo di Ascend Model Manager

Ottimizzazione delle prestazioni e profilazione

  • Comprensione di ottimizzazioni AI Core, memoria e tiling
  • Profilazione dell'esecuzione dei modelli con strumenti CANN
  • Best practice per migliorare la velocità di inferenza e l'utilizzo delle risorse

Gestione degli errori e debug

  • Errori comuni di distribuzione e relative risoluzioni
  • Lettura dei log e utilizzo dello strumento di diagnosi errori
  • Unit testing e validazione funzionale dei modelli distribuiti

Scenari di distribuzione su Edge e Cloud

  • Distribuzione su Ascend 310 per applicazioni edge
  • Integrazione con API basate su cloud e microservizi
  • Studi di casi reali nella visione artificiale e NLP

Riepilogo e prossimi passi

Requisiti

  • Esperienza con framework di deep learning basati su Python come TensorFlow o PyTorch
  • Comprensione delle architetture di reti neurali e dei flussi di lavoro per l'addestramento dei modelli
  • Conoscenza di base della CLI Linux e dello scripting

Target

  • Ingegneri AI che lavorano sulla distribuzione dei modelli
  • Praticanti del machine learning orientati all'accelerazione hardware
  • Sviluppatori di deep learning che creano soluzioni di inferenza
 14 ore

Numero di Partecipanti


Prezzo per partecipante

Corsi in Arrivo

Categorie relative