Prenez contact avec nous

Plan du cours

Introduction à CANN et aux processeurs AI Ascend

  • Qu'est-ce que CANN ? Rôle dans la pile de calcul IA de Huawei.
  • Aperçu de l'architecture des processeurs Ascend (310, 910, etc.).
  • Aperçu des frameworks IA pris en charge et de la chaîne d'outils.

Conversion et compilation des modèles

  • Utilisation de l'outil ATC pour la conversion de modèles (TensorFlow, PyTorch, ONNX).
  • Création et validation des fichiers de modèles OM.
  • Gestion des opérateurs non pris en charge et des problèmes courants de conversion.

Déploiement avec MindSpore et d'autres frameworks

  • Déploiement de modèles avec MindSpore Lite.
  • Intégration des modèles OM avec les API Python ou les SDK C++.
  • Utilisation d'Ascend Model Manager.

Optimisation des performances et profilage

  • Compréhension des optimisations des cœurs d'IA, de la mémoire et du tiling.
  • Profilage de l'exécution des modèles à l'aide des outils CANN.
  • Meilleures pratiques pour améliorer la vitesse d'inférence et l'utilisation des ressources.

Gestion des erreurs et débogage

  • Erreurs de déploiement courantes et leurs résolutions.
  • Lecture des journaux et utilisation de l'outil de diagnostic d'erreurs.
  • Tests unitaires et validation fonctionnelle des modèles déployés.

Scénarios de déploiement en edge et dans le cloud

  • Déploiement sur Ascend 310 pour les applications en edge.
  • Intégration avec les API et microservices basés sur le cloud.
  • Études de cas réelles en vision par ordinateur et en TAL (Traitement Automatique des Langues).

Résumé et prochaines étapes

Pré requis

  • Expérience avec des frameworks d'apprentissage profond basés sur Python, tels que TensorFlow ou PyTorch.
  • Compréhension des architectures de réseaux neuronaux et des workflows d'entraînement des modèles.
  • Connaissance de base de la CLI Linux et du scriptage.

Audience cible

  • Ingénieurs en IA travaillant sur le déploiement de modèles.
  • Professionnels du machine learning ciblant l'accélération matérielle.
  • Développeurs en deep learning construisant des solutions d'inférence.
 14 Heures

Nombre de participants


Prix par participant

Cours à venir

Catégories Similaires