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 AI Ascend
- ¿Qué es CANN? Papel en la pila de cómputo de IA de Huawei
- Descripción general de la arquitectura del procesador Ascend (310, 910, etc.)
- Visión general de los frameworks de IA y el conjunto de herramientas compatibles
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 soportados 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 del Rendimiento y Perfilado
- Comprensión de las optimizaciones de AI Core, memoria y tiling (tileado)
- 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 sus soluciones
- Lectura de registros y uso de la herramienta de diagnóstico de errores
- Pruebas unitarias y validación funcional de modelos desplegados
Escenarios de Despliegue en Edge y Nube
- Despliegue en Ascend 310 para aplicaciones edge
- Integración con APIs basadas en la nube y microservicios
- Estudios de casos reales en visión por computadora y PLN
Resumen y Próximos Pasos
Requerimientos
- Experiencia con frameworks de aprendizaje profundo basados en Python como TensorFlow o PyTorch
- Conocimiento de arquitecturas de redes neuronales y flujos de trabajo de entrenamiento de modelos
- Familiaridad básica con la línea de comandos de Linux y scripting
Audiencia
- Ingenieros de IA que trabajan con el despliegue de modelos
- Profesionales del aprendizaje automático orientados a la aceleración por hardware
- Desarrolladores de aprendizaje profundo que crean soluciones de inferencia
14 Horas