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 Ascend AI
- ¿Qué es CANN? Su rol en el stack de cómputo de IA de Huawei
- Resumen de la arquitectura del procesador Ascend (310, 910, etc.)
- Resumen de los marcos de trabajo de IA y la cadena de herramientas soportados
Conversión y Compilación de Modelos
- Uso de la herramienta ATC para la conversión de modelos (TensorFlow, PyTorch, ONNX)
- Creación y validación de archivos de modelo OM
- Manejo de operadores no soportados 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 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 de logs y uso de la herramienta de diagnóstico de errores
- Pruebas unitarias y validación funcional de modelos desplegados
Escenarios de Despliegue en Borde y Nube
- Despliegue en Ascend 310 para aplicaciones en el borde
- 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 flujos de trabajo de entrenamiento de modelos
- Conocimiento básico de la CLI de Linux y scripting
Público Objetivo
- Ingenieros de IA que trabajan en despliegue de modelos
- Profesionales de aprendizaje automático enfocados en la aceleración por hardware
- Desarrolladores de aprendizaje profundo que construyen soluciones de inferencia
14 Horas
