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

Aantal deelnemers


Prijs Per Deelnemer

Voorlopige Aankomende Cursussen

Gerelateerde categorieën