Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Introducción a CANN y procesadores Ascend AI
- ¿Qué es CANN? Papel en la pila de cómputo de IA de Huawei
- Descripción general de la arquitectura de los procesadores Ascend (310, 910, etc.)
- Marcos de IA admitidos y descripción general del conjunto de herramientas
Conversión y compilación de modelos
- Uso de la herramienta ATC para la conversión de modelos (TensorFlow, PyTorch, ONNX)
- Creación y validación de archivos de modelos OM
- Manejo de operadores no compatibles y problemas comunes de conversión
Despliegue con MindSpore y otros marcos
- Implementación de modelos con MindSpore Lite
- Integración de modelos OM con API de Python o SDK en C++
- Trabajo con el Administrador de modelos Ascend
Optimización del rendimiento y perfilado
- Comprensión de las optimizaciones de núcleos de IA, memoria y mosaico (tiling)
- Perfilado de la ejecución del modelo con herramientas CANN
- Mejores prácticas para mejorar la velocidad de inferencia y el uso de recursos
Manejo de errores y depuración
- Errores comunes de despliegue y su resolución
- Lectura de registros y uso de la herramienta de diagnóstico de errores
- Pruebas unitarias y validación funcional de modelos implementados
Escenarios de despliegue en el borde y en la nube
- Implementación en Ascend 310 para aplicaciones de borde
- Integración con API y microservicios basados en la nube
- Estudios de caso del mundo real en visión por computadora y PNL
Resumen y próximos pasos
Requerimientos
- Experiencia con marcos de aprendizaje profundo basados en Python como TensorFlow o PyTorch
- Comprensión de arquitecturas de redes neuronales y flujos de trabajo de entrenamiento de modelos
- Familiaridad básica con la CLI de Linux y scripting
Audiencia objetivo
- Ingenieros de IA que trabajan con el despliegue de modelos
- Practicantes de aprendizaje máquina que buscan aceleración por hardware
- Desarrolladores de aprendizaje profundo que crean soluciones de inferencia
14 Horas