聯繫我們

課程簡介

寒武紀與 MLU 架構介紹

  • 寒武紀 AI 晶片產品組合概覽
  • MLU 架構與指令管線
  • 支援的模型類型及使用案例

安裝開發工具鏈

  • 安裝 BANGPy 和 Neuware SDK
  • Python 和 C++ 的環境設置
  • 模型相容性與預處理

使用 BANGPy 進行模型開發

  • Tensor 結構與維度管理
  • 計算圖構建
  • BANGPy 中的自訂運算支援

透過 Neuware Runtime 進行部署

  • 轉換及載入模型
  • 執行與推論控制
  • 邊緣與數據中心部署實務

效能優化

  • 記憶體映射與層級微調
  • 執行追蹤與分析
  • 常見瓶頸與解決方案

將 MLU 整合至應用程式

  • 使用 Neuware API 進行應用整合
  • 串流處理與多模型支援
  • 混合 CPU-MLU 推論場景

端到端專案與使用案例

  • 實驗室:部署視覺或 NLP 模型
  • 結合 BANGPy 進行邊緣推論
  • 測試準確率與吞吐量

總結與後續步驟

最低要求

  • 理解機器學習模型結構
  • 具備 Python 和//或 C++ 使用經驗
  • 熟悉模型部署與加速概念

受眾

  • 嵌入式 AI 開發人員
  • 將模型部署至邊緣或數據中心的 ML 工程師
  • 從事中國 AI 基礎設施開發的開發人員
 21 小時

人數


每位參與者的報價

客戶評論 (1)

即將到來的課程

課程分類