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-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