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 及 Ascend AI 處理器簡介
- 什麼是 CANN?其在華為 AI 計算棧中的角色
- Ascend 處理器架構概覽(310、910 等)
- 支援的 AI 框架及工具鏈概覽
模型轉換與編譯
- 使用 ATC 工具進行模型轉換(TensorFlow、PyTorch、ONNX)
- 創建並驗證 OM 模型檔案
- 處理不支援的算子及常見轉換問題
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 集成
- 使用 Ascend Model Manager
性能優化與分析
- 理解 AI Core、記憶體及 tiling 優化
- 使用 CANN 工具分析模型執行過程
- 提升推理速度及資源使用率的最佳實踐
錯誤處理與除錯
- 常見部署錯誤及其解決方案
- 讀取日誌及使用錯誤診斷工具
- 已部署模型的單元測試及功能驗證
邊緣及雲端部署場景
- 部署到 Ascend 310 以應用於邊緣場景
- 與雲端 API 及微服務集成
- 計算機視覺及 NLP 領域的真實世界案例研究
總結與後續步驟
最低要求
- 具備 TensorFlow 或 PyTorch 等基於 Python 的深度學習框架經驗
- 了解神經網絡架構及模型訓練工作流程
- 熟悉 Linux CLI 及腳本編程基礎
受眾對象
- 從事模型部署工作的 AI 工程師
- 針對硬體加速機制的機器學習實踐者
- 構建推理方案的深度學習開發人員
14 小時