Επικοινωνήστε μαζί μας

Εξέλιξη Κομματιού

Εισαγωγή στην Cambricon και την αρχιτεκτονική MLU

  • Επισκόπηση του χαρτοφυλακίου τσιπ ΤΝ της Cambricon
  • Αρχιτεκτονική MLU και διοχέτευση εντολών
  • Υποστηριζόμενοι τύποι μοντέλων και περιπτώσεις χρήσης

Εγκατάσταση της εργαλειοθήκης ανάπτυξης

  • Εγκατάσταση των BANGPy και Neuware SDK
  • Ρύθμιση περιβάλλοντος για Python και C++
  • Συμβατότητα μοντέλων και προεπεξεργασία

Ανάπτυξη μοντέλων με το BANGPy

  • Διαχείριση δομής και σχημάτων τανυστών
  • Κατασκευή γράφου υπολογισμού
  • Υποστήριξη προσαρμοσμένων πράξεων στο BANGPy

Ανάπτυξη με τον runtime Neuware

  • Μετατροπή και φόρτωση μοντέλων
  • Έλεγχος εκτέλεσης και συμπερασμού
  • Πρακτικές ανάπτυξης σε άκρο και κέντρα δεδομένων

Βελτιστοποίηση απόδοσης

  • Απεικόνιση μνήμης και ρύθμιση επιπέδων
  • Ανίχνευση εκτέλεσης και κατάρτιση προφίλ
  • Συνηθισμένα σημεία συμφόρησης και διορθώσεις

Ενσωμάτωση των MLU σε εφαρμογές

  • Χρήση των APIs του Neuware για ενσωμάτωση εφαρμογών
  • Υποστήριξη streaming και πολλαπλών μοντέλων
  • Σενάρια υβριδικού συμπερασμού CPU-MLU

Ολοκληρωμένο έργο και περίπτωση χρήσης

  • Εργαστήριο: Ανάπτυξη μοντέλου όρασης ή NLP
  • Συμπερασμός άκρου με ενσωμάτωση BANGPy
  • Έλεγχος ακρίβειας και ρυθμαπόδοσης

Περίληψη και επόμενα βήματα

Απαιτήσεις

  • Κατανόηση δομών μοντέλων μηχανικής μάθησης
  • Εμπειρία με Python και/ή C++
  • Εξοικείωση με έννοιες ανάπτυξης και επιτάχυνσης μοντέλων

Σε ποιους απευθύνεται

  • Προγραμματιστές ενσωματωμένης τεχνητής νοημοσύνης
  • Μηχανικοί μηχανικής μάθησης που πραγματοποιούν αναπτύξεις σε άκρο ή κέντρο δεδομένων
  • Προγραμματιστές που εργάζονται με κινεζική υποδομή τεχνητής νοημοσύνης
 21 Ώρες

Αριθμός συμμετέχοντων


Τιμή ανά συμμετέχοντα

Σχόλια (1)

Εφεξής Μαθήματα

Σχετικές Κατηγορίες