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