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 AI Ascend
- ¿Qué es CANN? Papel en la pila de computación para IA de Huawei.
- Visión general de la arquitectura de los procesadores Ascend (310, 910, etc.).
- Visión general de los frameworks de IA compatibles y el 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 compatibles 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++.
- Uso de Ascend Model Manager.
Optimización del Rendimiento y Análisis (Profiling)
- Comprensión de las optimizaciones de Core de IA, memoria y tiling.
- Realización de análisis del rendimiento con herramientas 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 de log y uso de la herramienta de diagnóstico de errores.
- Pruebas unitarias y validación funcional de los 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 basadas en la nube y microservicios.
- Estudios de caso reales en visión por computadora y procesamiento de lenguaje natural (NLP).
Resumen y Próximos Pasos
Requerimientos
- Experiencia con frameworks de aprendizaje profundo basados en Python, como TensorFlow o PyTorch.
- Comprensión de las arquitecturas de redes neuronales y flujos de trabajo de entrenamiento de modelos.
- Conocimientos básicos de la línea de comandos de Linux (CLI) y scripting.
Público Objetivo
- Ingenieros de IA que trabajen con el despliegue de modelos.
- Profesionales de aprendizaje automático enfocados en la aceleración por hardware.
- Desarrolladores de aprendizaje profundo que construyan soluciones de inferencia.
14 Horas
