Mulțumim pentru trimiterea solicitării! Un membru al echipei noastre vă va contacta în curând.
Mulțumim pentru trimiterea rezervării! Un membru al echipei noastre vă va contacta în curând.
Schița de curs
Introducere în AI la Marginea Rețelei și Ascend 310
- Prezentare generală a AI la marginea rețelei: tendințe, constrângeri și aplicații
- Arhitectura cipului Huawei Ascend 310 și lanțul de instrumente suportate
- Poziționarea CANN în stiva de implementare AI la marginea rețelei
Pregătirea și Conversia Modelelor
- Exportul modelelor antrenate din TensorFlow, PyTorch și MindSpore
- Utilizarea ATC pentru conversia modelelor în format OM pentru dispozitive Ascend
- Gestionarea operațiilor nesuportate și strategii de conversie ușoară
Dezvoltarea Pipeline-urilor de Inferență cu AscendCL
- Utilizarea API-ului AscendCL pentru a rula modele OM pe Ascend 310
- Prelucrarea intrărilor/ieșirilor, gestionarea memoriei și controlul dispozitivelor
- Implementarea în containere încorporate sau medii de execuție ușoare
Optimizare pentru Constrângerile de Margine
- Reducerea dimensiunii modelelor, ajustarea preciziei (FP16, INT8)
- Utilizarea profilerului CANN pentru identificarea punctelor de blocaj
- Gestionarea layout-ului memoriei și a fluxului de date pentru performanță
Implementare cu MindSpore Lite
- Utilizarea runtime-ului MindSpore Lite pentru ținte mobile și încorporate
- Compararea MindSpore Lite cu pipeline-ul brut AscendCL
- Împachetarea modelelor de inferență pentru implementarea specifică dispozitivului
Scenarii și Studii de Caz de Implementare la Marginea Rețelei
- Studiu de caz: cameră inteligentă cu model de detectare a obiectelor pe Ascend 310
- Studiu de caz: clasificare în timp real într-un hub de senzori IoT
- Monitorizarea și actualizarea modelelor implementate la marginea rețelei
Rezumat și Pași Următori
Cerințe
- Experiență în dezvoltarea sau implementarea modelelor AI
- Cunoștințe de bază despre sisteme încorporate, Linux și Python
- Familiaritate cu framework-uri de învățare profundă precum TensorFlow sau PyTorch
Publicul țintă
- Dezvoltatori de soluții IoT
- Ingineri AI pentru sisteme încorporate
- Integratori de sisteme de margine și specialiști în implementarea AI
14 Ore
Mărturii (1)
Că putem acoperi subiecte avansate și lucra cu exemple din viața reală
Ruben Khachaturyan - iris-GmbH infrared & intelligent sensors
Curs - Advanced Edge AI Techniques
Tradus de catre o masina