Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Introducción a CANN y Procesadores AI Ascend
- ¿Qué es CANN? Rol dentro de la pila de computación de IA de Huawei
- Visión general de la arquitectura del procesador Ascend (310, 910, etc.)
- Frameworks de IA compatibles y visión general del toolchain
Conversión y Compilación de Modelos
- Uso de la herramienta ATC para la conversión de modelos (TensorFlow, PyTorch, ONNX)
- Creación y validación de archivos de modelos OM
- Manejo de operadores no compatibles y problemas comunes de conversión
Implementación con MindSpore y Otros Frameworks
- Despliegue de modelos con MindSpore Lite
- Integración de modelos OM con APIs de Python o SDKs de C++
- Trabajo con Ascend Model Manager
Optimización del Rendimiento y Perfilado (Profiling)
- Comprensión de las optimizaciones de Core de IA, memoria y tiling
- Realización de perfilado de la ejecución de modelos con herramientas CANN
- Mejores prácticas para mejorar la velocidad de inferencia y el uso de recursos
Manejo de Errores y Depuración
- Errores comunes de implementación y sus soluciones
- Lectura de registros (logs) y uso de la herramienta de diagnóstico de errores
- Pruebas unitarias y validación funcional de modelos implementados
Escenarios de Implementación en Edge y Cloud
- Despliegue en Ascend 310 para aplicaciones edge
- Integración con APIs y microservicios basados en la nube
- Estudios de casos del mundo real en visión por computadora y PLN (Procesamiento de Lenguaje Natural)
Resumen y Próximos Pasos
Requerimientos
- Experiencia con frameworks de aprendizaje profundo basados en Python como TensorFlow o PyTorch
- Conocimiento de arquitecturas de redes neuronales y flujos de trabajo de entrenamiento de modelos
- Familiaridad básica con la línea de comandos (CLI) y scripting en Linux
Público Objetivo
- Ingenieros de IA dedicados a la implementación de modelos
- Profesionales de machine learning que buscan aceleración por hardware
- Desarrolladores de deep learning que construyen soluciones de inferencia
14 Horas
