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 procesadores Ascend AI
- ¿Qué es CANN? Papel en la pila de computación para IA de Huawei.
- Descripción general de la arquitectura de los procesadores Ascend (310, 910, etc.).
- Marcos de trabajo de IA compatibles y descripción general del conjunto 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 soportados e problemas comunes de conversión.
Implementación con MindSpore y otros marcos
- Despliegue de modelos con MindSpore Lite.
- Integración de modelos OM con APIs de Python o SDKs de C++.
- Trabajo con el Administrador de Modelos Ascend (Ascend Model Manager).
Optimización del rendimiento y perfilado
- Comprensión de las optimizaciones de núcleos de IA, memoria y tileado.
- Perfilado de la ejecución del modelo con herramientas CANN.
- Mejores prácticas para mejorar la velocidad de inferencia y el uso de recursos.
Manejo de errores y depuración
- Errores comunes en la implementación y sus soluciones.
- Lectura de registros (logs) y uso de herramientas de diagnóstico de errores.
- Pruebas unitarias y validación funcional de los modelos desplegados.
Escenarios de implementación en borde y en la nube
- Despliegue en Ascend 310 para aplicaciones de borde.
- Integración con APIs basadas en la nube y microservicios.
- Estudios de caso reales en visión por computadora y procesamiento de lenguaje natural (PLN).
Resumen y próximos pasos
Requerimientos
- Experiencia con marcos de aprendizaje profundo basados en Python, como TensorFlow o PyTorch.
- Conocimiento sobre arquitecturas de redes neuronales y flujos de trabajo de entrenamiento de modelos.
- Familiaridad básica con la línea de comandos de Linux (CLI) y scripting.
Audiencia objetivo
- Ingenieros de IA dedicados a la implementación de modelos.
- Profesionales de machine learning enfocados en la aceleración por hardware.
- Desarrolladores de aprendizaje profundo que construyen soluciones de inferencia.
14 Horas
