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.
Programa del Curso
Introducción a Cambricon y la Arquitectura MLU
- Visión general del portafolio de chips AI de Cambricon
- Arquitectura MLU y canal de instrucciones
- Tipo de modelos compatibles y casos de uso
Instalación de la Cadena de Herramientas de Desarrollo
- Instalar BANGPy y Neuware SDK
- Configuración del entorno para Python y C++
- Compatibilidad con modelos y preprocesamiento
Desarrollo de Modelos con BANGPy
- Estructura de tensores y gestión de formas
- Construcción del grafo de cálculo
- Soporte para operaciones personalizadas en BANGPy
Distribución con Neuware Runtime
- Convertir y cargar modelos
- Ejecución y control de inferencia
- Prácticas de implementación en la frontera y centros de datos
Otorgamiento de Rendimiento
- Mapeo de memoria y ajuste de capas
- Rastreo y perfilado de ejecución
- Bloqueos comunes y soluciones
Integración de MLU en Aplicaciones
- Usar APIs Neuware para la integración de aplicaciones
- Soporte para flujo continuo y múltiples modelos
- Casos de inferencia híbrida CPU-MLU
Proyecto Final y Use Case
- Laboratorio: Implementación de un modelo de visión o NLP
- Inferencia en la frontera con integración BANGPy
- Pruebas de precisión y rendimiento
Resumen y Próximos Pasos
Requerimientos
- Comprender la estructura de modelos de aprendizaje automático
- Experiencia con Python y/o C++
- Familiaridad con conceptos de implementación y aceleración de modelos
Público objetivo
- Desarrolladores de IA embebida
- Ingenieros de ML que implementan en el borde o centro de datos
- Desarrolladores trabajando con infraestructura AI china
Introducción a Cambricon y la arquitectura MLU
- Visión general del portafolio de chips AI de Cambricon
- Arquitectura MLU y pipeline de instrucciones
- Tipo de modelos soportados y casos de uso
Instalación de la cadena de herramientas de desarrollo
- Instalar BANGPy y Neuware SDK
- Configuración del entorno para Python y C++
- Compatibilidad del modelo y preprocesamiento
Desarrollo de modelos con BANGPy
- Estructura y gestión de forma de tensores
- Construcción de gráficos computacionales
- Soporte para operaciones personalizadas en BANGPy
Implementación con Neuware Runtime
- Conversión y carga de modelos
- Ejecución y control de inferencia
- Prácticas de implementación en borde y centro de datos
Otorgamiento de rendimiento
- Mapeo de memoria y ajuste de capas
- Rastreo y perfilado de ejecución
- Bloqueos comunes y soluciones
Integración de MLU en aplicaciones
- Uso de APIs Neuware para integración de aplicaciones
- Soporte para flujo continuo y múltiples modelos
- Casos de inferencia híbrida CPU-MLU
Proyecto final y Use Case
- Laboratorio: Implementación de un modelo de visión o NLP
- Inferencia en borde con integración BANGPy
- Pruebas de precisión y rendimiento
Resumen y próximos pasos
Las unidades MLU de Cambricon (Machine Learning Unidades) son chips AI especializados optimizados para inferencia y entrenamiento en escenarios de borde y centro de datos.
Esta formación dirigida por un instructor (en línea o presencial) está destinada a desarrolladores de nivel intermedio que desean construir e implementar modelos AI utilizando el marco BANGPy y SDK Neuware en hardware Cambricon MLU.
Al finalizar esta capacitación, los participantes podrán:
- Configurar y configurar los entornos de desarrollo BANGPy y Neuware.
- Desarrollar y optimizar modelos basados en Python y/o C++ para MLUs Cambricon.
- Implementar modelos en dispositivos de borde o centro de datos que ejecutan el tiempo de ejecución Neuware.
- Integrar flujos de trabajo ML con características específicas de aceleración MLU.
Formato del curso
- Conferencia interactiva y discusión.
- Uso práctico de BANGPy y Neuware para desarrollo e implementación.
- Ejercicios guiados enfocados en optimización, integración y prueba.
Opciones de personalización del curso
- Para solicitar una formación personalizada basada en su modelo de dispositivo Cambricon o caso de uso, por favor contáctenos para organizarlo.
21 Horas
