Terima kasih telah mengirimkan pertanyaan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Terima kasih telah mengirimkan pemesanan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Kerangka Materi
Pengenalan tentang CANN dan Prosesor AI Ascend
- Apa itu CANN? Peran dalam tumpukan komputasi AI Huawei
- Tinjauan arsitektur prosesor Ascend (310, 910, dll.)
- Tinjauan kerangka kerja AI dan alatan yang didukung
Konversi dan Kompilasi Model
- Menggunakan alat ATC untuk konversi model (TensorFlow, PyTorch, ONNX)
- Membuat dan memvalidasi berkas model OM
- Menangani operasi yang tidak didukung dan masalah konversi umum
Deploy dengan MindSpore dan Kerangka Kerja Lainnya
- Deploy model dengan MindSpore Lite
- Mengintegrasikan model OM dengan API Python atau SDK C++
- Bekerja dengan Ascend Model Manager
Optimasi dan Profiling Kinerja
- Memahami optimasi AI Core, memori, dan tiling
- Profiling eksekusi model dengan alat CANN
- Terbaik praktik untuk meningkatkan kecepatan inferensi dan penggunaan sumber daya
Penanganan Kesalahan dan Debugging
- Kesalahan deploy umum dan penyelesaiannya
- Membaca log dan menggunakan alat diagnostik kesalahan
- Pengujian unit dan validasi fungsional model yang terdeploy
Skenario Deploy di Edge dan Cloud
- Deploy ke Ascend 310 untuk aplikasi edge
- Integrasi dengan API berbasis cloud dan mikroservis
- Studi kasus dunia nyata dalam komputasi visual dan NLP
Ringkasan dan Langkah Berikutnya
Persyaratan
- Pengalaman dengan kerangka kerja deep learning berbasis Python seperti TensorFlow atau PyTorch
- Pengertian tentang arsitektur jaringan saraf dan alur kerja pelatihan model
- Familiaritas dasar dengan Linux CLI dan skrip
Peserta
- Insinyur AI yang bekerja dengan penyebaran model
- Praktekwan machine learning yang menargetkan percepatan perangkat keras
- Pengembang deep learning yang membangun solusi inferensi
14 Jam
