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
- ¿Qué es CANN? Rol dentro de la pila de computación para IA de Huawei.
- Descripción general de la arquitectura del procesador Ascend (310, 910, etc.).
- Overview de los frameworks y el ecosistema 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.
- Gestión de operadores no soportados y problemas comunes durante la conversión.
Despliegue con MindSpore y otros frameworks
- Implementación de modelos mediante 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 del Núcleo de IA, memoria y tiling.
- Análisis del tiempo de ejecución de modelos mediante herramientas CANN.
- Mejores prácticas para mejorar la velocidad de inferencia y el uso de recursos.
Gestión de errores y depuración
- Errores comunes en el despliegue y sus soluciones.
- Lectura de registros (logs) y uso de la herramienta de diagnóstico de errores.
- Pruebas unitarias y validación funcional de modelos desplegados.
Escenarios de despliegue en Edge y Cloud
- Despliegue en Ascend 310 para aplicaciones de borde (edge).
- Integración con APIs basadas en la nube y microservicios.
- Casos prácticos en visión por computador y procesamiento de lenguaje natural (NLP).
Resumen y siguientes pasos
Requerimientos
- Experiencia previa con frameworks de aprendizaje profundo basados en Python, como TensorFlow o PyTorch.
- Conocimiento sobre arquitecturas de redes neuronales y flujos de trabajo de entrenamiento de modelos.
- Conocimientos básicos de la CLI de Linux y scripting.
Público objetivo
- Ingenieros de IA dedicados al despliegue de modelos.
- Profesionales de aprendizaje automático orientados a la aceleración por hardware.
- Desarrolladores de aprendizaje profundo que construyen soluciones de inferencia.
14 Horas
