Kontakt aufnehmen

Schulungsübersicht

Einführung in CANN und Ascend-KI-Prozessoren

  • Was ist CANN? Rolle im AI-Berechnungsstack von Huawei
  • Übersicht über die Architektur der Ascend-Prozessoren (310, 910, usw.)
  • Übersicht über unterstützte KI-Frameworks und Toolchain

Modelloptionierung und Kompilierung

  • Nutzung des ATC-Tools für die Modelloptionierung (TensorFlow, PyTorch, ONNX)
  • Erstellung und Validierung von OM-Modell-Dateien
  • Umgang mit nicht unterstützten Operatoren und häufigen Konvertierungsproblemen

Bereitstellung mit MindSpore und anderen Frameworks

  • Modelloptimierung mit MindSpore Lite
  • Integration von OM-Modellen in Python-APIs oder C++-SDKs
  • Arbeit mit dem Ascend Model Manager

Leistungsoptimierung und Profiling

  • Verständnis von AI Core, Speicher- und Tiling-Optimierungen
  • Profiling der Modelloptimierung mit CANN-Tools
  • Best Practices zur Verbesserung der Inferenzgeschwindigkeit und Ressourcennutzung

Fehlerbehandlung und Debugging

  • Häufige Bereitstellungsfehler und deren Lösung
  • Analyse von Logs und Nutzung des Fehlerdiagnose-Tools
  • Unit-Tests und funktionale Validierung bereitgestellter Modelle

Szenarien für die Edge- und Cloud-Bereitstellung

  • Bereitstellung auf Ascend 310 für Edge-Anwendungen
  • Integration in cloudbasierte APIs und Microservices
  • Praxisnahe Fallbeispiele in den Bereichen Computer Vision und NLP

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Erfahrung mit Python-basierten Deep-Learning-Frameworks wie TensorFlow oder PyTorch
  • Verständnis von neuronalen Netzarchitekturen und Workflows zur Modelloptimierung
  • Grundlegende Kenntnisse in Linux-Befehlszeile (CLI) und Scripting

Zielgruppe

  • KI-Ingenieure, die sich mit der Modelloptimierung befassen
  • Machine-Learning-Experten, die Hardware-Beschleunigung anstreben
  • Deep-Learning-Entwickler, die Inferenzlösungen entwickeln
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien