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
- Resumen de la arquitectura de los procesadores Ascend (310, 910, etc.)
- Resumen de los marcos de trabajo de IA y la cadena 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 admitidos y problemas comunes de conversión
Despliegue con MindSpore y otros marcos de trabajo
- 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
- Perfilado de la ejecución de modelos con herramientas CANN
- Buenas prácticas para mejorar la velocidad de inferencia y el uso de recursos
Manejo de errores y depuración
- Errores comunes de despliegue y su solución
- 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 en la nube
- Despliegue en Ascend 310 para aplicaciones de edge
- Integración con APIs basadas en la nube y microservicios
- Estudios de casos reales en visión por computadora y NLP
Resumen y próximos pasos
Requerimientos
- Experiencia con marcos de trabajo 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
- Conocimiento básico de la CLI de Linux y la escritura de scripts
Audiencia
- Ingenieros de IA que trabajan en el despliegue de modelos
- Profesionales de machine learning que buscan aceleración por hardware
- Desarrolladores de aprendizaje profundo que crean soluciones de inferencia
14 Horas
