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 de IA Ascend
- ¿Qué es CANN? Papel en la pila de cálculo para IA de Huawei.
- Descripción general de la arquitectura de los procesadores Ascend (310, 910, etc.).
- Panorama de los frameworks de IA y la cadena de herramientas compatibles.
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 compatibles y problemas comunes de conversión.
Implementación con MindSpore y otros frameworks
- Implementación de modelos con MindSpore Lite.
- Integración de modelos OM con APIs de Python o SDKs de C++.
- Trabajo con el Administrador de Modelos Ascend.
Optimización del rendimiento y perfilado
- Comprensión de las optimizaciones de núcleos de IA, memoria y tilado (tiling).
- Perfilado de la ejecución de modelos con herramientas CANN.
- Mejores prácticas para mejorar la velocidad de inferencia y el uso de recursos.
Manejo de errores y depuración
- Errores comunes de implementación y sus soluciones.
- Lectura de registros de sistema y uso de la herramienta de diagnóstico de errores.
- Pruebas unitarias y validación funcional de modelos implementados.
Escenarios de implementación en edge y en la nube
- Implementación en Ascend 310 para aplicaciones en el borde (edge).
- Integración con APIs basadas en la nube y microservicios.
- Estudios de casos 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 arquitecturas de redes neuronales y flujos de trabajo de entrenamiento de modelos.
- Familiaridad básica con la línea de comandos (CLI) de Linux y scripting.
Audiencia objetivo
- Ingenieros de IA que trabajan con la implementación de modelos.
- Profesionales de aprendizaje automático que buscan aceleración por hardware.
- Desarrolladores de aprendizaje profundo que construyen soluciones de inferencia.
14 Horas
