Ανάπτυξη Μοντέλων Τεχνητής Νοημοσύνης με CANN και Επεξεργαστές Ascend AI Κομμάτι εκπαίδευσης

Εισαγωγή στο CANN και στους Επεξεργαστές Ascend AI

• Τι είναι το CANN; Ο ρόλος του στη στοίβα υπολογιστικής τεχνητής νοημοσύνης της Huawei
• Επισκόπηση της αρχιτεκτονικής των επεξεργαστών Ascend (310, 910, κ.λπ.)
• Επισκόπηση υποστηριζόμενων πλαισίων τεχνητής νοημοσύνης και εργαλειοθήκης

Μετατροπή και Μεταγλώττιση Μοντέλων

• Χρήση του εργαλείου ATC για μετατροπή μοντέλων (TensorFlow, PyTorch, ONNX)
• Δημιουργία και επικύρωση αρχείων μοντέλων OM
• Αντιμετώπιση μη υποστηριζόμενων τελεστών και συνηθισμένων προβλημάτων μετατροπής

Ανάπτυξη με MindSpore και Άλλα Πλαίσια

• Ανάπτυξη μοντέλων με το MindSpore Lite
• Ενσωμάτωση μοντέλων OM με Python APIs ή C++ SDKs
• Εργασία με τον Ascend Model Manager

Βελτιστοποίηση Απόδοσης και Profiling

• Κατανόηση βελτιστοποιήσεων AI Core, μνήμης και tiling
• Profiling της εκτέλεσης μοντέλων με εργαλεία CANN
• Βέλτιστες πρακτικές για βελτίωση της ταχύτητας συμπερασματολογίας και της χρήσης πόρων

Διαχείριση Σφαλμάτων και Αποσφαλμάτωση

• Συνηθισμένα σφάλματα ανάπτυξης και η επίλυσή τους
• Ανάγνωση αρχείων καταγραφής και χρήση του εργαλείου διάγνωσης σφαλμάτων
• Δοκιμές μονάδας και λειτουργική επικύρωση αναπτυγμένων μοντέλων

Σενάρια Ανάπτυξης σε Edge και Cloud

• Ανάπτυξη σε Ascend 310 για εφαρμογές edge
• Ενσωμάτωση με APIs και μικροϋπηρεσίες βασισμένες σε cloud
• Μελέτες περιπτώσεων πραγματικού κόσμου σε υπολογιστική όραση και NLP

Σύνοψη και Επόμενα Βήματα