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.
Dauer 14 Stunden
Schulungsübersicht
Einführung in Edge-AI und Ascend 310
- Überblick über Edge-AI: Trends, Einschränkungen und Anwendungen
- Architektur des Huawei Ascend 310-Chips und unterstützte Toolchains
- Positionierung von CANN im Edge-AI-Deployment-Stack
Modellvorbereitung und Konvertierung
- Exportieren von trainierten Modellen aus TensorFlow, PyTorch und MindSpore
- Verwendung von ATC zur Konvertierung von Modellen in das OM-Format für Ascend-Geräte
- Umgang mit nicht unterstützten Operationen und Strategien für die Lightweight-Konvertierung
Entwicklung von Inferenz-Pipelines mit AscendCL
- Nutzung der AscendCL-API zur Ausführung von OM-Modellen auf dem Ascend 310
- Vor- und Nachbearbeitung von Eingabe-/Ausgabedaten, Speicherbehandlung und Gerätesteuerung
- Deployment in eingebetteten Containern oder Lightweight-Laufzeitumgebungen
Optimierung für Edge-Einschränkungen
- Reduzierung der Modellgröße, Präzisionsanpassung (FP16, INT8)
- Verwendung des CANN-Profilers zur Identifizierung von Engpässen
- Verwaltung des Speicheraufbaus und der Datenströme für optimale Leistung
Deployment mit MindSpore Lite
- Nutzung der MindSpore-Lite-Laufzeitumgebung für mobile und eingebettete Zielplattformen
- Vergleich von MindSpore Lite mit der reinen AscendCL-Pipeline
- Paketerstellung von Inferenz-Modellen für gerätespezifisches Deployment
Edge-Deployment-Szenarien und Fallstudien
- Fallstudie: Intelligente Kamera mit Objekterkennungsmodell auf dem Ascend 310
- Fallstudie: Echtzeit-Klassifizierung in einem IoT-Sensor-Hub
- Überwachung und Aktualisierung von am Edge deployten Modellen
Zusammenfassung und nächste Schritte
Voraussetzungen
- Erfahrung in der Entwicklung oder im Deployment von KI-Modellen
- Grundkenntnisse in eingebetteten Systemen, Linux und Python
- Vertrautheit mit Deep-Learning-Frameworks wie TensorFlow oder PyTorch
Zielgruppe
- Entwickler von IoT-Lösungen
- Embedded-AI-Ingenieure
- Edge-Systemintegratoren und KI-Deployment-Experten
Erfahrungsberichte (1)
Dass wir uns mit fortgeschrittenen Themen befassen und an realen Beispielen arbeiten können
Ruben Khachaturyan - iris-GmbH infrared & intelligent sensors
Kurs - Advanced Edge AI Techniques
Maschinelle Übersetzung