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 los procesadores de IA Ascend
- ¿Qué es CANN? Su papel en la pila de cómputo de IA de Huawei.
- Vista general de la arquitectura de los procesadores Ascend (310, 910, etc.).
- Reseña de los frameworks de IA compatibles y de la cadena 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 admitidos y problemas comunes de conversión.
Despliegue con MindSpore y otros frameworks
- Despliegue de modelos con MindSpore Lite.
- Integración de modelos OM con APIs de Python o SDKs de C++.
- Trabajo con Ascend Model Manager.
Optimización de rendimiento y perfilado
- Comprensión de las optimizaciones de AI Core, memoria y tiling.
- Perfilado de la ejecución de modelos 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 los modelos desplegados.
Escenarios de despliegue en edge y nube
- Despliegue en Ascend 310 para aplicaciones de edge.
- Integración con APIs basadas en la nube y microservicios.
- Estudios de casos del mundo real en visión por computadora y PLN.
Resumen y próximos pasos
Requerimientos
- Experiencia con frameworks de aprendizaje profundo basados en Python, como TensorFlow o PyTorch.
- Comprensión de las arquitecturas de redes neuronales y los flujos de trabajo de entrenamiento de modelos.
- Familiaridad básica con la línea de comandos de Linux y la programación de scripts.
Público Objetivo
- Ingenieros de IA que trabajan en el despliegue de modelos.
- Profesionales del aprendizaje automático que buscan aceleración por hardware.
- Desarrolladores de aprendizaje profundo que crean soluciones de inferencia.
14 Horas
