Grazie per aver inviato la tua richiesta! Uno dei nostri team membri ti contatterà a breve.
Grazie per aver inviato il tuo prenotazione! Uno dei nostri team membri ti contatterà a breve.
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
Recensioni (1)
Coprindo argomenti avanzati e lavorando con esempi pratici
Ruben Khachaturyan - iris-GmbH infrared & intelligent sensors
Corso - Advanced Edge AI Techniques
Traduzione automatica