Bedankt voor uw aanvraag! Een van onze medewerkers neemt binnenkort contact met u op
Bedankt voor uw boeking! Een van onze medewerkers neemt binnenkort contact met u op.
Cursusaanbod
Inleiding tot CANN en Ascend AI-processoren
- Wat is CANN? Rol in Huawei’s AI-berekeningsstack
- Overzicht van de Ascend-processorarchitectuur (310, 910, enz.)
- Overzicht van ondersteunde AI-frameworks en toolchain
Modelomzetting en compilatie
- Het gebruik van het ATC-gereedschap voor modelomzetting (TensorFlow, PyTorch, ONNX)
- Het creëren en valideren van OM-modelbestanden
- Het verwerken van niet-ondersteunde operators en algemene omzettingsproblemen
Implementeren met MindSpore en andere frameworks
- Het implementeren van modellen met MindSpore Lite
- Het integreren van OM-modellen met Python APIs of C++ SDKs
- Werken met Ascend Model Manager
Prestatieoptimalisatie en profileren
- Het begrijpen van AI Core-, geheugen- en tilingoptimalisaties
- Het profileren van modeluitvoering met CANN-gereedschappen
- Beste praktijken voor het verbeteren van inferentiesnelheid en brongebruik
Foutopsporing en debugging
- Veelvoorkomende implementatiefouten en hun oplossing
- Het lezen van logbestanden en het gebruik van het foutdiagnosegereedschap
- Eenheidstesten en functionele validatie van geïmplementeerde modellen
Edge- en cloudimplementatiescenario’s
- Implementeren op Ascend 310 voor edge-toepassingen
- Integratie met cloudgebaseerde APIs en microservices
- Praktijkvoorbeelden in computerzicht en NLP
Samenvatting en volgende stappen
Vereisten
- Ervaring met Python-gebaseerde deep learning frameworks zoals TensorFlow of PyTorch
- Begrip van neurale netwerkarchitecturen en modeltrainingwerkstromen
- Basisbekendheid met de Linux CLI en scripting
Publiek
- AI-ingenieurs die werken met modeldeployments
- Machine learning-practitioners die hardware-acceleratie nastreven
- Deep learning-ontwikkelaars die inferentieoplossingen bouwen
14 Uren