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
Pengantar AI di Perangkat Tepi dan Ascend 310
- Gambaran umum AI pada perangkat tepi: tren, keterbatasan, dan contoh aplikasi
- Arsitektur chip Huawei Ascend 310 serta rangkaian alat yang didukungnya
- Peran CANN dalam ekosistem penyebaran AI di perangkat tepi
Persiapan dan Konversi Model
- Mengekspor model yang telah dilatih dari TensorFlow, PyTorch, atau MindSpore
- Menggunakan ATC untuk mengonversi model ke format OM yang cocok bagi perangkat Ascend
- Menghadapi operasi yang belum didukung serta strategi konversi efisien
Membangun Saluran Inferensi dengan AscendCL
- Memanfaatkan API AscendCL untuk menjalankan model berformat OM pada Ascend 310
- Pengolahan data masukan/keluaran, manajemen memori, serta pengaturan perangkat
- Implementasi dalam kontainer tertanam atau lingkungan runtime ringan
Optimisasi untuk Keterbatasan Perangkat Tepi
- Mengurangi ukuran model dan menyesuaikan tingkat presisi (FP16, INT8)
- Memanfaatkan alat profiler CANN guna mengidentifikasi titik kemacetan performa
- Pengaturan tata letak memori serta pengelolaan aliran data untuk meningkatkan efisiensi
Pendeployan Menggunakan MindSpore Lite
- Mengaplikasikan runtime MindSpore Lite pada perangkat seluler maupun tertanam
- Membandingkan penggunaan MindSpore Lite dengan pendekatan AscendCL murni
- Mengemas model inferensi agar siap digunakan pada berbagai perangkat spesifik
Skenario Penerapan dan Studi Kasus di Perangkat Tepi
- Studi kasus: kamera pintar yang menjalankan model deteksi objek pada Ascend 310
- Studi kasus: proses pengklasifikasian data secara real-time dalam pusat sensor IoT
- Pemantauan serta pemutakhiran model yang telah dideploy di perangkat tepi
Penutup dan Langkah Selanjutnya
Persyaratan
- Pengalaman dalam proses pengembangan atau pendeployan model AI
- Pengetahuan dasar mengenai sistem tertanam, Linux, dan Python
- Keterbiasaan dengan kerangka kerja pembelajaran mendalam seperti TensorFlow atau PyTorch
Target Peserta
- Pengembang solusi IoT
- Insinyur AI untuk perangkat tertanam
- Integrator sistem tepi serta spesialis pendeployan AI
14 Jam
Testimoni (1)
Kita dapat membahas topik lanjutan dan bekerja dengan contoh dalam kehidupan nyata
Ruben Khachaturyan - iris-GmbH infrared & intelligent sensors
Kursus - Advanced Edge AI Techniques
Diterjemahkan Mesin