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 de IA Ascend
- ¿Qué es CANN? Rol en la pila de computación para IA de Huawei
- Visión general de la arquitectura del procesador Ascend (310, 910, etc.)
- Descripción de los frameworks de IA soportados y el conjunto de herramientas (toolchain)
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 e problemas comunes de conversión
Despliegue con MindSpore y Otros Frameworks
- Implementación de modelos con MindSpore Lite
- Integración de modelos OM con APIs en Python o SDKs en C++
- Trabajo con Ascend Model Manager
Optimización del Rendimiento y Análisis (Profiling)
- Comprensión de las optimizaciones de AI Core, memoria y tiling (desglose por bloques)
- Análisis del 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 implementación y sus soluciones
- Lectura de registros (logs) y uso de la herramienta de diagnóstico de errores
- Pruebas unitarias y validación funcional de modelos implementados
Escenarios de Despliegue en Edge y Cloud
- Despliegue en Ascend 310 para aplicaciones en el borde (edge)
- Integración con APIs basadas en la nube y microservicios
- Estudios de caso reales en visión por computadora y procesamiento de lenguaje natural (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 (CLI) y scripting
Público Objetivo
- Ingenieros de IA dedicados al despliegue de modelos
- Practicantes de aprendizaje automático que buscan aceleración por hardware
- Desarrolladores de aprendizaje profundo que construyen soluciones de inferencia
14 Horas