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 CANN dan Prosesor AI Ascend
- Apa itu CANN? Peran dalam tumpukan komputasi AI Huawei
- Gambaran umum arsitektur prosesor Ascend (310, 910, dll.)
- Gambaran umum framework AI dan toolchain yang didukung
Konversi dan Kompilasi Model
- Menggunakan alat ATC untuk konversi model (TensorFlow, PyTorch, ONNX)
- Membuat dan memvalidasi file model OM
- Menangani operator yang tidak didukung dan masalah konversi umum
Penerapan dengan MindSpore dan Framework Lainnya
- Menerapkan model dengan MindSpore Lite
- Mengintegrasikan model OM dengan API Python atau SDK C++
- Bekerja dengan Ascend Model Manager
Optimasi Kinerja dan Profiling
- Memahami AI Core, memori, dan optimasi tiling
- Profiling eksekusi model dengan alat CANN
- Praktik terbaik untuk meningkatkan kecepatan inferensi dan penggunaan sumber daya
Penanganan Kesalahan dan Pengebugan
- Kesalahan penerapan umum dan resolusinya
- Membaca log dan menggunakan alat diagnostik kesalahan
- Pengujian unit dan validasi fungsional model yang diterapkan
Skenario Penerapan Edge dan Cloud
- Menerapkan ke Ascend 310 untuk aplikasi edge
- Integrasi dengan API berbasis cloud dan microservices
- Studi kasus dunia nyata dalam computer vision dan NLP
Ringkasan dan Langkah Selanjutnya
Persyaratan
- Pengalaman dengan framework deep learning berbasis Python seperti TensorFlow atau PyTorch
- Pemahaman tentang arsitektur jaringan saraf dan alur kerja pelatihan model
- Kejelasan dasar dengan Linux CLI dan scripting
Audiens
- Insinyur AI yang bekerja pada penerapan model
- Praktisi machine learning yang menargetkan akselerasi perangkat keras
- Pengembang deep learning yang membangun solusi inferensi
14 Jam