Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Introducción a CANN y los procesadores de IA Ascend
- ¿Qué es CANN? Su papel en la pila de cómputo de IA de Huawei.
- Descripción general de la arquitectura del procesador Ascend (310, 910, etc.).
- Descripción general de los marcos de trabajo de IA compatibles y la cadena de herramientas.
Conversión y compilación de modelos
- Uso de la herramienta ATC para la conversión de modelos (TensorFlow, PyTorch, ONNX).
- Creación y validación de archivos de modelo OM.
- Manejo de operadores no admitidos y problemas comunes de conversión.
Implementación con MindSpore y otros marcos de trabajo
- Implementación de modelos con MindSpore Lite.
- Integración de modelos OM con APIs de Python o SDKs de C++.
- Trabajo con Ascend Model Manager.
Optimización del rendimiento y perfiles de ejecución
- Comprensión de las optimizaciones de AI Core, memoria y bloqueo (tiling).
- Perfiles de ejecución del modelo con herramientas CANN.
- Buenas prácticas para mejorar la velocidad de inferencia y el uso de recursos.
Manejo de errores y depuración
- Errores comunes de implementación y su resolución.
- Lectura de registros y uso de la herramienta de diagnóstico de errores.
- Pruebas unitarias y validación funcional de modelos implementados.
Escenarios de implementación en el borde y en la nube
- Implementación en Ascend 310 para aplicaciones de borde.
- Integración con APIs basadas en la nube y microservicios.
- Estudios de casos del mundo real en visión por computadora y PLN.
Resumen y próximos pasos
Requerimientos
- Experiencia con marcos de trabajo de aprendizaje profundo basados en Python, como TensorFlow o PyTorch.
- Comprensión de las arquitecturas de redes neuronales y los flujos de trabajo de entrenamiento de modelos.
- Familiaridad básica con la CLI de Linux y la creación de scripts.
Audiencia
- Ingenieros de IA que trabajan en la implementación de modelos.
- Practicantes de aprendizaje automático que apuntan a la aceleración por hardware.
- Desarrolladores de aprendizaje profundo que crean soluciones de inferencia.
14 Horas
