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.
Duración 14 horas
Temario del curso
Introducción a Edge AI y Ascend 310
- Panorama de Edge AI: tendencias, restricciones y aplicaciones
- Arquitectura del chip Huawei Ascend 310 y cadena de herramientas soportada
- Posicionamiento de CANN dentro del stack de despliegue de Edge AI
Preparación y conversión de modelos
- Exportación de modelos entrenados desde TensorFlow, PyTorch y MindSpore
- Uso de ATC para convertir modelos al formato OM para dispositivos Ascend
- Manejo de operaciones no soportadas y estrategias de conversión liviana
Desarrollo de pipelines de inferencia con AscendCL
- Uso de la API AscendCL para ejecutar modelos OM en Ascend 310
- Preprocesamiento de entradas/salidas, manejo de memoria y control de dispositivo
- Despliegue dentro de contenedores embebidos o entornos de ejecución livianos
Optimización para restricciones de edge
- Reducción del tamaño del modelo, ajuste de precisión (FP16, INT8)
- Uso del perfilador de CANN para identificar cuellos de botella
- Gestión del layout de memoria y flujo de datos para mejorar el rendimiento
Despliegue con MindSpore Lite
- Uso del entorno de ejecución MindSpore Lite para destinos móviles y embebidos
- Comparación de MindSpore Lite con el pipeline nativo de AscendCL
- Empaquetado de modelos de inferencia para el despliegue específico del dispositivo
Escenarios de despliegue en edge y estudios de caso
- Estudio de caso: cámara inteligente con modelo de detección de objetos en Ascend 310
- Estudio de caso: clasificación en tiempo real en un concentrador de sensores IoT
- Monitoreo y actualización de modelos desplegados en edge
Resumen y próximos pasos
Requerimientos
- Experiencia en el desarrollo o despliegue de modelos de IA
- Conocimientos básicos de sistemas embebidos, Linux y Python
- Familiaridad con marcos de trabajo de aprendizaje profundo como TensorFlow o PyTorch
Público objetivo
- Desarrolladores de soluciones IoT
- Ingenieros de IA embebida
- Integradores de sistemas edge y especialistas en despliegue de IA
Reseñas (1)
Podemos cubrir temas avanzados y trabajar con ejemplos de la vida real
Ruben Khachaturyan - iris-GmbH infrared & intelligent sensors
Curso - Advanced Edge AI Techniques
Traducción Automática