Neem contact met ons op

Cursusaanbod

Inleiding tot CANN en Ascend AI-processors

  • Wat is CANN? De rol in de AI-berekentack van Huawei
  • Overzicht van de architectuur van Ascend-processors (310, 910, enz.)
  • Overzicht van ondersteunde AI-frameworks en toolchain

Modelconversie en compilatie

  • Gebruik van het ATC-hulpmiddel voor modelconversie (TensorFlow, PyTorch, ONNX)
  • Aanmaken en valideren van OM-modelbestanden
  • Afhandelen van niet-ondersteunde operatoren en veelvoorkomende conversieproblemen

Implementatie met MindSpore en andere frameworks

  • Implementatie van modellen met MindSpore Lite
  • Integratie van OM-modellen met Python-API's of C++-SDK's
  • Werken met Ascend Model Manager

Prestatieoptimalisatie en profilering

  • Begrip van optimalisaties voor AI-kernen, geheugen en tiling
  • Profilering van modeluitvoering met CANN-hulpmiddelen
  • Beste praktijken voor het verbeteren van de inference-snelheid en het gebruik van bronnen

Foutafhandeling en debugging

  • Veelvoorkomende implementatiefouten en de oplossingen hiervoor
  • Lezen van logboeken en gebruik van het foutdiagnosticatie-hulpmiddel
  • Unit testing en functionele validatie van geïmplementeerde modellen

Implementatiescenario's voor edge en cloud

  • Implementatie op Ascend 310 voor edge-toepassingen
  • Integratie met cloud-API's en microservices
  • Casus's uit de praktijk op het gebied van computer vision en NLP

Samenvatting en vervolgstappen

Vereisten

  • Ervaring met Python-gebaseerde deep learning frameworks zoals TensorFlow of PyTorch
  • Begrip van neural netwerk-architecturen en workflows voor modeltraining
  • Basisbekendheid met de Linux CLI en scripting

Doelgroep

  • AI-ingenieurs die zich bezighouden met modelimplementatie
  • Machine learning praticiënten die gericht zijn op hardwareversnelling
  • Deep learning-ontwikkelaars die inferentieoplossingen bouwen
 14 Uren

Aantal deelnemers


Prijs per deelnemer

Voorlopige Aankomende Cursussen

Gerelateerde categorieën