感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
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