聯繫我們

課程簡介

CANN 與 Ascend AI 處理器簡介

  • 什麼是 CANN?其在華為 AI 計算棧中的角色。
  • Ascend 處理器架構概述(如 310、910 等)。
  • 支援的 AI 框架及工具鏈總覽。

模型轉換與編譯

  • 使用 ATC 工具進行模型轉換(TensorFlow、PyTorch、ONNX)。
  • 建立及驗證 OM 模型檔案。
  • 處理不受支援的運算子及常見的轉換問題。

使用 MindSpore 及其他框架進行部署

  • 使用 MindSpore Lite 部署模型。
  • 將 OM 模型與 Python API 或 C++ SDK 整合。
  • 操作 Ascend Model Manager。

效能優化及分析

  • 理解 AI Core、記憶體及分塊(tiling)優化方法。
  • 使用 CANN 工具對模型執行進行剖析(Profiling)。
  • 改善推理速度及資源使用的最佳實踐。

錯誤處理與除錯

  • 常見的部署錯誤及其解決方法。
  • 閱讀日誌及使用錯誤診斷工具。
  • 對已部署的模型進行單元測試及功能驗證。

邊緣與雲端部署場景

  • 為邊緣應用將模型部署至 Ascend 310。
  • 與基於雲端的 API 及微服務整合。
  • 計算機視覺和自然語言處理(NLP)的真實世界案例研究。

總結及後續步驟

最低要求

  • 具備使用 TensorFlow 或 PyTorch 等基於 Python 的深度學習框架的經驗。
  • 理解神經網路架構及模型訓練工作流程。
  • 基本熟悉 Linux 命令列介面(CLI)及腳本編寫。

受訓對象

  • 負責模型部署的 AI 工程師。
  • 致力於硬體加速的機器學習從業人員。
  • 建構推理解決方案的深度學習開發人員。
 14 小時

課程分類