Hubungi Kami

Kerangka Materi

Gambaran Umum Kemampuan Optimisasi CANN

  • Cara CANN mengatur performa inferensi
  • Tujuan optimisasi untuk sistem AI di perangkat tepi dan embedded
  • Pemahaman terkait pemanfaatan komponen AI Core serta alokasi memori

Penggunaan Graph Engine dalam Analisis Performa

  • Pendahuluan tentang Graph Engine beserta rantai eksekusi komputasinya
  • Menggambarkan struktur grafik operator dan metrik kinerja secara real-time
  • Cara mengubah struktur grafik komputasi untuk menghasilkan optimisasi lebih lanjut

Alat Profiling dan Metrik Performa

  • Pemanfaatan Alat Profiler CANN dalam menganalisis beban kerja komputasional
  • Analisis waktu eksekusi kernel serta penemuan titik kemacetan sistem
  • Profiling akses memori dan strategi pengaturan partisi data

Pengembangan Operator Khusus dengan TIK

  • Gambaran umum mengenai model pemrograman operator dalam TIK
  • Cara membuat operator khusus dengan menggunakan DSL TIK
  • Uji coba serta evaluasi performa operator yang telah dibuat

Pengoptimalan Operator Tingkat Lanjut Menggunakan TVM

  • Pendahuluan integrasi antara TVM dengan CANN
  • Strategi otomatisasi penyesuaian grafik komputasi di TVM
  • Kapan dan bagaimana memilih penggunaan TVM atau TIK dalam suatu proyek

Teknik Optimisasi Penggunaan Memori

  • Cara mengatur tata letak data serta penempatan buffer memori
  • Metode efektif untuk mengurangi penggunaan memori di chip prosesor
  • Praktik terbaik dalam pemanfaatan eksekusi asinkron dan pengulangan pemrosesan data

Implementasi Nyata serta Studi Kasus

  • Studi kasus: Penyesuaian performa pada alur kerja kamera untuk kota pintar
  • Studi kasus: Pengoptimalan tumpukan pemrosesan inferensi kendaraan otonom
  • Panduan langkah-demi-langkah dalam melakukan profiling berulang serta perbaikan performa secara terus-menerus<\/li>

Penutup dan Arahan Selanjutnya

Persyaratan

  • Pemahaman mendalam mengenai arsitektur model deep learning serta proses pelatihannya
  • Pengalaman melakukan implementasi model dengan CANN, TensorFlow, atau PyTorch
  • Kebiasaan menggunakan antarmuka baris perintah Linux, scripting shell, serta pemrograman Python

Audiens Target

  • Insinyur optimisasi performa AI
  • Spesialis pengoptimalan proses inferensi
  • Pengembang yang mengerjakan sistem AI di perangkat tepi maupun sistem real-time
 14 Jam

Jumlah Peserta


Harga per Peserta

Kursus Mendatang

Kategori Terkait