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)
  • 建立並驗證OM模型檔案
  • 處理不受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模型整合至Python API或C++ SDK
  • 使用Ascend Model Manager

效能優化與分析

  • 理解AI Core、記憶體及tiling優化
  • 使用CANN工具分析模型執行
  • 提升推理速度和資源使用率的最佳實務

錯誤處理與除錯

  • 常見部署錯誤及其解決方案
  • 閱讀日誌及使用錯誤診斷工具
  • 對已部署模型進行單元測試及功能驗證

邊緣端與雲端部署情境

  • 部署至Ascend 310以應用於邊緣端場景
  • 與雲端API及微服務整合
  • 電腦視覺與NLP的真實世界案例研究

總結與後續步驟

最低要求

  • 具備使用Python-based deep learning frameworks(如TensorFlow或PyTorch)的經驗
  • 了解神經網絡架構及模型訓練工作流
  • 對Linux CLI及腳本編程有基本熟悉度

目標受眾

  • 從事模型部署的AI工程師
  • 以硬體加速為目標的機器學習實戰者
  • 建構推理解決方案的深度學習開發人員
 14 小時

人數


每位參與者的報價

即將到來的課程

課程分類