Contattataci

Struttura del corso

Introduzione a Cambricon e all'architettura MLU

  • Panoramica della portfolio di chip AI di Cambricon
  • Architettura MLU e pipeline di istruzioni
  • Tipi di modello supportati e casi d'uso

Installazione della Toolchain di Sviluppo

  • Installazione di BANGPy e Neuware SDK
  • Configurazione dell'ambiente per Python e C++
  • Compatibilità e preelaborazione dei modelli

Sviluppo di Modelli con BANGPy

  • Struttura dei tensori e gestione delle forme
  • Costruzione del grafo di calcolo
  • Supporto per operazioni personalizzate in BANGPy

Distribuzione con Neuware Runtime

  • Conversione e caricamento dei modelli
  • Controllo dell'esecuzione e dell'inferenza
  • Pratiche di distribuzione su edge e data center

Ottimizzazione delle Prestazioni

  • Mappatura della memoria e tuning dei layer
  • Tracciamento dell'esecuzione e profiling
  • Collo di bottiglia comuni e relative soluzioni

Integrazione degli MLU nelle Applicazioni

  • Utilizzo delle API Neuware per l'integrazione applicativa
  • Supporto per streaming e modelli multipli
  • Scenari di inferenza ibrida CPU-MLU

Progetto End-to-End e Caso d'Uso

  • Lab: Distribuzione di un modello vision o NLP
  • Inferenza edge con integrazione BANGPy
  • Test di accuratezza e throughput

Riepilogo e Prossimi Passi

Requisiti

  • Conoscenza delle strutture dei modelli di machine learning
  • Esperienza con Python e/o C++
  • Familiarità con i concetti di distribuzione e accelerazione dei modelli

Pubblico Target

  • Sviluppatori di AI embedded
  • Ingegneri ML che distribuiscono su edge o data center
  • Sviluppatori che lavorano con infrastrutture AI cinesi
 21 ore

Numero di Partecipanti


Prezzo per partecipante

Recensioni (1)

Corsi in Arrivo

Categorie relative