Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung in CANN und Ascend KI-Prozessoren
- Was ist CANN? Rolle im KI-Rechen-Stack von Huawei
- Übersicht der Ascend-Prozessorarchitektur (310, 910 usw.)
- Übersicht der unterstützten KI-Frameworks und der Toolchain
Modellkonvertierung und Kompilierung
- Verwendung des ATC-Tools zur Modellkonvertierung (TensorFlow, PyTorch, ONNX)
- Erstellung und Validierung von OM-Modelldateien
- Behandlung nicht unterstützter Operatoren und häufiger Konvertierungsprobleme
Einführung mit MindSpore und anderen Frameworks
- Einführung von Modellen mit MindSpore Lite
- Integration von OM-Modellen mit Python-APIs oder C++-SDKs
- Arbeit mit dem Ascend Model Manager
Leistungsoptimierung und Profiling
- Verständnis von KI-Core-, Speicher- und Tiling-Optimierungen
- Profiling der Modellausführung mit CANN-Tools
- Best Practices zur Verbesserung der Inferenzgeschwindigkeit und Ressourcennutzung
Fehlerbehandlung und Debugging
- Häufige Einführungsfehler und deren Behebung
- Lesen von Logs und Nutzung des Fehlerdiagnose-Tools
- Unit-Testing und funktionale Validierung eingeführter Modelle
Edge- und Cloud-Einführungsszenarien
- Einführung auf Ascend 310 für Edge-Anwendungen
- Integration mit Cloud-basierten APIs und Microservices
- Realitätsnahe Fallstudien in Computer Vision und NLP
Zusammenfassung und nächste Schritte
Voraussetzungen
- Erfahrung mit Python-basierten Deep-Learning-Frameworks wie TensorFlow oder PyTorch
- Verständnis von neuronalen Netzwerkarchitekturen und Modelltrainings-Workflows
- Grundlegende Vertrautheit mit der Linux-CLI und Skripting
Zielgruppe
- KI-Ingenieure, die sich mit der Modelleinführung befassen
- Machine-Learning-Praktiker, die Hardware-Beschleunigung anstreben
- Deep-Learning-Entwickler, die Inferenzlösungen bauen
14 Stunden
