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.
Duración 14 horas
Temario del curso
Introducción al Edge AI y al Ascend 310
- Visión general del Edge AI: tendencias, restricciones y aplicaciones.
- Arquitectura del chip Huawei Ascend 310 y cadena de herramientas compatible.
- Posicionamiento de CANN dentro de la pila de despliegue de Edge AI.
Preparación y conversión de modelos
- Exportación de modelos entrenados desde TensorFlow, PyTorch y MindSpore.
- Uso de ATC para convertir modelos al formato OM para dispositivos Ascend.
- Manejo de operaciones no compatibles y estrategias de conversión ligeras.
Desarrollo de tuberías de inferencia con AscendCL
- Uso de la API AscendCL para ejecutar modelos OM en el Ascend 310.
- Preprocesamiento de entrada/salida, manejo de memoria y control del dispositivo.
- Despliegue dentro de contenedores embebidos o entornos de ejecución ligeros.
Optimización para restricciones de borde
- Reducción del tamaño del modelo y ajuste de precisión (FP16, INT8).
- Uso del perfilador de CANN para identificar cuellos de botella.
- Gestión de la disposición de la memoria y el flujo de datos para el rendimiento.
Despliegue con MindSpore Lite
- Uso del tiempo de ejecución de MindSpore Lite para objetivos móviles y embebidos.
- Comparación entre MindSpore Lite y la tubería AscendCL nativa.
- Empaquetado de modelos de inferencia para el despliegue específico del dispositivo.
Escenarios de despliegue de borde y estudios de caso
- Estudio de caso: cámara inteligente con modelo de detección de objetos en Ascend 310.
- Estudio de caso: clasificación en tiempo real en un hub de sensores IoT.
- Monitoreo y actualización de modelos desplegados en el borde.
Resumen y próximos pasos
Requerimientos
- Experiencia en flujos de trabajo de desarrollo o despliegue de modelos de IA.
- Conocimientos básicos de sistemas embebidos, Linux y Python.
- Familiaridad con marcos de aprendizaje profundo como TensorFlow o PyTorch.
Audiencia
- Desarrolladores de soluciones IoT.
- Ingenieros de IA embebida.
- Integradores de sistemas de borde y especialistas en despliegue de IA.
Reseñas (1)
Podemos cubrir temas avanzados y trabajar con ejemplos de la vida real
Ruben Khachaturyan - iris-GmbH infrared & intelligent sensors
Curso - Advanced Edge AI Techniques
Traducción Automática
