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 Ascend AI
- ¿Qué es CANN? Su papel en la pila de cómputo de IA de Huawei
- Visión general de la arquitectura de los procesadores Ascend (310, 910, etc.)
- Descripción general de los frameworks 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 modelos OM
- Manejo de operadores no admitidos y problemas comunes de conversión
Despliegue con MindSpore y otros frameworks
- Despliegue de modelos con MindSpore Lite
- Integración de modelos OM con APIs de Python o SDKs de C++
- Trabajo con Ascend Model Manager
Optimización de rendimiento y perfiles (profiling)
- Comprensión de las optimizaciones de AI Core, memoria y tiling
- Perfilado de la ejecución de modelos con herramientas de CANN
- Mejores prácticas para mejorar la velocidad de inferencia y el uso de recursos
Manejo de errores y depuración
- Errores comunes de despliegue y su resolución
- Lectura de registros (logs) y uso de la herramienta de diagnóstico de errores
- Pruebas unitarias y validación funcional de modelos desplegados
Escenarios de despliegue en el borde (edge) y en la nube
- Despliegue en Ascend 310 para aplicaciones en el borde
- Integración con APIs y microservicios basados en la nube
- Casos de estudio reales en visión por computadora y NLP
Resumen y próximos pasos
Requerimientos
- Experiencia con frameworks de aprendizaje profundo basados en Python, como TensorFlow o PyTorch.
- Comprensión de arquitecturas de redes neuronales y flujos de trabajo de entrenamiento de modelos.
- Familiaridad básica con la CLI de Linux y scripting.
Público objetivo
- Ingenieros de IA que trabajan en el despliegue de modelos.
- Practicantes de aprendizaje de máquina que buscan aceleración de hardware.
- Desarrolladores de aprendizaje profundo que construyen soluciones de inferencia.
14 Horas
