Σύνειlesh του πυρήνα AI εταιρείας Huawei: Από το CANN στο MindSpore Training Course

Το Huawei Ascend είναι μια συσκευή AI προecessors που σχεδιάστηκε για απόψεις υψηλής επέπεδο και εξ ομορφωτικό.

Αυτή η διαμορφωτική, ζωντανή εκπαίδευση (παρουσία ή μέσω του διαδικτύου) προσβάλλει κεντρικά AI μηχανικούς και επιστήμονες δεδομένων που θέλουν να αναπτύξουν και να βελτιώσουν τυπικά μοντέλα μετρητή χρησιμοποιώντας την πίνακα Ascend της Huawei και την CANN ιεροσυλία.

Ατέλεστο αυτή η εκπαίδευση, οι συμμετέχοντες θα μπορούν να:

• Καθιέρωση και διαμόρφωση του περιβάλλοντος ανάπτυξης CANN.
• Ανάπτυξη AI εφαρμογών χρησιμοποιώντας το MindSpore και τους CloudMatrix διεργασίες.
• Βελτίωση εκπαιδευτικής παραγωγότητας στον Ascend NPU χρησιμοποιώντας δικές του μεθοδολογίες και tiling.
• Κατάθεση μοντέλων σε περιβάλλον edge ή cloud.

Μορφή του Δίδασκαλου

• Διαπιστωτικός διάλογος και συζήτηση.
• Πρακτική χρήση Huawei Ascend και περίφημα CANN toolkit σε δείγματα εφαρμογών.
• Εξειδίκευσης ασκήσεις με κέντρο την κατασκευή, εξ ομορφωτικό και παράδοση.

Πλάστες Προσαρμογής του Δίδασκαλου

• Για να απαιτήσετε μια προσωποθετική εκπαίδευση για αυτό το δίδασκαλο βασισμένο στην υποδοχή ή δεδομένα, παρακαλώ επικοινωνήστε μαζί μας για να αρχίσετε.

CANN (Compute Architecture for Neural Networks) είναι η πύρα για την υπολογιστική κατάρτιση της Huawei για τη διάθεση και την βελτίωση AI μοντέλων σε επεξεργαστές Ascend AI.

Αυτή η εκμάθηση υπό καθοδήγηση (διαδικτύου ή αποκλειστικά) στοχεύει σε μέσο επίπεδο AI ανάπτυξης και μηχανικού που θέλει να διαθέσει τρέχοντα AI μοντέλα αποτελεσματικά στο υλικό Huawei Ascend χρησιμοποιώντας το πακέτο εργαλείων και εργαλεία CANN, όπως το MindSpore, TensorFlow ή PyTorch.

Από το τέλος αυτής της διδασκαλίας, οι συμμετέχοντες θα μπορούν να:

• Συνειδητοποιήσουν την αρχιτεκτονική CANN και το ρόλο της στη διαδικασία διάθεσης AI.
• Μετατρέψουν και προσαρμογή μοντέλων από φιλόξενους πλαίσιο τεχνητής νοημοσύνης σε μορφές που είναι συμβατές με το Ascend.
• Χρησιμοποιήσουν εργαλεία όπως ATC, OM μετατροπή μοντέλων και το MindSpore για πρόληψη στο edge και στο cloud.
• Διαγνώσουν προβλήματα διάθεσης και βελτιώσουν τη λειτουργία σε υλικό Ascend.

Σχέδιο της Μαθήσης

• Δυναμική διάλεξη και παρουσίαση.
• Εργασία με χέρι το πάνω χρησιμοποιώντας εργαλεία CANN και simulators δικτύου Ascend.
• Εφαρμοστικά σενάρια διάθεσης βασισμένα σε AI μοντέλα πραγματικής κατάστασης.

Προτυπώνονται τις Μαθήσεις σύμφωνα με τις ανάγκες

• Για να πρότυπωσετε μια εκμάθηση γι' αυτή τη διάλεξη, η καταλήψτε επικοινωνία μαζί μας.

CANN (Compute Architecture for Neural Networks) είναι η AI πλατφόρμα υπολογισμών της Huawei που χρησιμοποιείται για την εκτύπωση, αποτελεσματικότερη λειτουργία και εγκατάσταση AI πολλαπλών μοντέλων στους Ascend AI διευθυντές.

Αυτή η εκπαίδευση από εξειδικευμένο ιδρυτή (διαδικτύου ή σωστών τόπων) προσβάλλει νέους AI προγραμματιστές που επιθυμούν να καταλάβουν πώς CANN αποτελεί μέρος του ζωντανού σχηματισμού, από τη διδασκαλία ως την εγκατάσταση, και πώς λειτουργεί με πλατφόρμες όπως η MindSpore, TensorFlow και PyTorch.

Ακούντας την εξάμηνη αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν να:

• Καταλάβουν τον στόχο και τη δομή του πακέτου CANN.
• Αρχιστεί ανάπτυξη περιβάλλον με CANN και MindSpore.
• Μετατρέψετε και εγκατάσταση απλών AI μοντέλων στο Ascend υλικό.
• Αποκτήστε βασικά γνώση για μέλλον CANN τεχνική αξίωση και εγκατάσταση έργων.

Μορφή του Κύκλου

• Διεξοδικός διάλογος και συζήτηση.
• Αναπτυξιακές εργασίες με απλή ηχή διάθεση.
• Τυπικό περιβάλλον του CANN και συνδυασμών σημεία.

Προσαρμογή Κύκλου

• Για να αιτηθεί μια προσαρμοσμένη εξατμισμός για αυτό το κύκλο, παρακαλώ συνδεθείτε μαζί μας για να διοργανώσετε.

Ο πακέτος Huawei's Ascend CANN επιτρέπει την ισχυρή αποδοχή AI σε όρια συσκευών, όπως το Ascend 310. Το CANN παρέχει επιβεβαιωμένα εργαλεία για την κάθετη μετάφραση, βελτίωση και εγκατάσταση μοντέλων όπου η υπολογιστική δύναμη και το μνήμη είναι περιορισμένες.

Αυτός ο εκπαιδευτικός διδάσκων, ζωντανός τρέινινγ (διαδικτύου ή σε χώρο) προσβλέπει σε εξειδίκευτες αναπτυκτές AI και μεταγωγείς που θέλουν να εγκαταστήσουν και βελτιώσουν μοντέλα σε όρια συσκευών Ascend χρησιμοποιώντας το εργαλείο CANN.

Τέλος αυτής της μάθησης, οι συμμετέχοντες θα είναι σε θέση να:

• Προετοιμάσουν και μεταφέρουν μοντέλα AI για το Ascend 310 χρησιμοποιώντας τα εργαλεία CANN.
• Σχεδιάζουν πινακίδες παραδόσεως με MindSpore Lite και AscendCL.
• Βελτιώσουν την επίδοση των μοντέλων σε περιβάλλοντα υπολογιστικής δύναμης και μνήμης.
• Εγκαταστήσουν και ελέγχουν εφαρμογές AI σε πραγματικά χώρο edge αποτελεσματικότητα.

Μορφή του κύκλου μαθημάτων

• Δυναμικός λόγος και παρουσίαση.
• Πρακτική εργασία με πινακίδες συσκευών edge και σενάρια.
• Ζωντανά παραδείγματα εγκατάστασης σε υπολογιστική hardware edge.

Προεπιλεγμένες Επιλογές του Κύκλου Μαθημάτων

• Για μια προσαρμοσμένη εκπαιδευτική διαδικασία για αυτό το κύκλο μαθημάτων, σας παρακαλούμε να επικοινωνήσετε μαζί μας για να ορίσετε.

CANN SDK (Compute Architecture for Neural Networks) είναι η AI υποστήριξη υπολογιστών της Huawei που επιτρέπει στους αναπτυκτές να γίνουν βελτισμοποιήσεις και να εκτοξεύσουν τη δύναμη των εγκατεστημένων neuronικών δικτύων στους προεπεξεργασμένους αυτοματισμού AI της Ascend.

Αυτή η εκπαιδευτική είναι για εξωτικό επίπεδο αναπτυκτές AI και μηχανικοί συστημάτων που θέλουν να βελτιώσουν τη δύναμη επιστροφής χρησιμοποιώντας τη προηγμένη πληροφορία αξιοποίηση CANN, συμπεριλαμβανόμενη του Graph Engine, TIK και τη δημιουργία εγχώριων λειτουργιών.

Στο τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν να:

• Συνιέσουν CANN's runtime αρχιτεκτονική και performance lifecycle.
• Χρησιμοποιούν προφανώς δουλείες εργαλεία και Graph Engine για ανάλυση και βελτισμό της performance.
• Δημιουργούν και βελτιώνουν εγχώριες λειτουργίες χρησιμοποιώντας TIK και TVM.
• Λύνουν memory bottlenecks και βελτιώνουν το throughput του μοντέλου.

Σχήμα Κατασκευής

• Επαγγελματικό διάλογο και συζήτηση.
• Πρακτικές πρωτοβουλίες με πραγματικό χρόνο profiling και operator tuning.
• Βελτιώσεις άσκηση χρησιμοποιώντας edge-case παράδειγμα deployment.

Προσαρμογή της εκπαίδευσης Προαιρετικά

• Για να αιτηθεί μια προσαρμοσμένη εκπαίδευση για αυτό το κουρσέ, καλέστε μας για συζήτηση.

Ακριβές βελτιώσεις πίνακα διανύσματος με CANN SDK

• Τη φυσική κατάληψη των αρχιτεκτονιών με σωστό είδους παιδικά έγκεφα και workflows training
• Εμπειρία στο deployment model χρησιμοποιώντας CANN, TensorFlow, ή PyTorch
• Συναίσθημα με Linux CLI, shell scripting, και Python πρόγραμμα

Ζητήματα Πολιτών

• Ai επίπεδο μηχανικού
• Inference βελτισμός προνομιουχοί
• Αναπτυκτές των edge Ai ή και συστημάτων ρεαλ-τайμ

Παράγγειλμα CANN βελτιώσεις Ικανότητες

• Το πώς επιχειρήσει performance inference στο CANN
• Beta και embedded Ai συστημάτων optimization στόχοι
• Συνιέσουν Ai το κύριο πρότυπα αλλαγής και memory allocation

Χρησιμοποίηση Graph Engine για ανάλυση

• Εισαγωγή στο Graph Engine και execution pipeline
• Σχεδιασμός operator graphs και runtime metrics
• Μεταρρύθμιση calculation graphs για βελτίωση της ποιότητας

Εργαλεία μετρήσεων performance και δημιουργίας εκθέσεων

• Χρησιμοποίηση CANN Profiling Tool (profiler) για analysis workload
• Ανάλυση execution χρόνο kernel και bottlenecks
• Memory access profiling και στρατηγικές tiling

Custom operator development με TIK

• Τίποτα πάνω από το TIK και model programming λειτουργία
• Implementing custom operator χρησιμοποιώντας TIK DSL
• Εξέταση και benchmarking performance operator

Advanced operator βελτίωση με TVM

• TVM εισαγωγή για το CANN ομάδας
• Auto-tuning στρατηγικές για calculation graphs
• Όταν και πώς να switch μεταξύ TVM και TIK

Συστήματος βελτίωση τεχνικές

• Διαχείριση layout memory και buffer placement
• Τεχνικές για περιορισμό consumption on-chip memory
• Άξιες τα ορισμένα πράγματα με asynchronous execution και επαναλήψη

Πρακτικές εφαρμογές και περιπτώσεις

• Περίπτωση: tuning performance για smart city camera pipeline
• Περίπτωση: βελτίωση inference αυτόνομου vehicle stack
• Εγχειρίδιο προς iterative profiling και συνεχής βελτίωση

Σύνοψη και επόμενα βήματα

Το CANN SDK (Compute Architecture for Neural Networks) παρέχει δυνατά εργαλεία χορήγησης και τεκμηρίωσης για εφαρμογές AI σε πραγματικό χρόνο στον κόσμο της υπολογιστικής οπτικής και του NLP, ειδικά για αρχιτεκτονικές Huawei Ascend.

Αυτός ο διεξαγόμενος εξ άλλων τυπού εκπαιδευτικό προγράμμα (σε υπερθέαμα ή σημείο) προσανατολίζεται σε διαστασιοχωρικούς πράξεις AI του προσωπικού που επιθυμούν να κατασκευάσουν, χορηγήσουν και οριοθετήσουν μοντέλα οπτικής και γλώσσας χρησιμοποιώντας το CANN SDK για παραγωγικά περιστατικά.

Μέχρι το τέλος αυτής της εκπαιδευτικής διαδικασίας, οι συμμετέχοντες θα μπορούν να:

• χορηγήσουν και τεκμηριώσουν μοντέλα CV και NLP χρησιμοποιώντας CANN και AscendCL.
• χρησιμοποιήσει εργαλεία του CANN για μεταφορά πρωτότυπων και ολοκλήρωση σε υπαρξιακές αναθεώρηση.
• τεχνικά βελτιώσει τη πίεση ορισμός, κατηγοροποίηση, και ανάλυση συναισθήματος.
• σχεδιάσει πραγματικό-χρονου CV/NLP αναθεώρηση για θέαμα τόξων διάθεσης είναι ή σε υπερθέαμα.

Σχήμα του προγράμματος

• Διακριτικό διδασκαλία και δείγμα.
• Εργασία μέσω πολιτικής χορηγών εκπαιδευτικά και αξιολόγηση τεχνική.
• Πραγματική σχεδιασμός παραθέσεων χρησιμοποιώντας αληθινά CV και NLP περιστατικά.

Επιλογές Προσαρμογής του Εκπαιδευτικού

• Για να αίτησε μια προσαρμοσμένη εκπαίδευση για αυτό το πρόγραμμα, παρακαλώ επικοινωνήστε μαζί μας.

CANN TIK (Tensor Instruction Kernel) και Apache TVM επιτρέπουν προηγμένες παραμετροποιήσεις και τυποποίηση των λειτουργιών μοντέλων AI για Huawei Ascend υπολογιστικό εξοπλισμό.

Αυτή η διδασκαλία από εξειδικευμένους καθηγητές (διαδικτύου ή σε υποψήφια περιοχή) στοχεύει σε προηγμένους λογισμικούς ανάπτυξης συστημάτων οι οποίοι επιθυμούν να κατασκευάσουν, εφαρμόσουν και παραμετροποιήσουν τυποποιημένες λειτουργίες για μοντέλα AI χρησιμοποιώντας το πρότυπο προγράμματος TIK της CANN και τη συνδυασμό με τον εξελίστηκα TVM.

Από το τέλος αυτής της διάθεσης, οι μετέχοντες θα μπορέσουν να:

• Γράψουν και δοκιμάσουν τυποποιημένες λειτουργίες AI χρησιμοποιώντας το TIK DSL για περιστατικό στοιχείο Ascend.
• Συνδυάζουν τις εγγενές λειτουργίες με το runtime και το γραφικό πραγματοποίησης της CANN.
• Χρησιμοποιήσουν TVM για προγράμματα λειτουργιών, αυτόματη παραμέτρωση και μετρήσεις.
• Λύνουν επισκοπείς και τροποποιούν το υψηλό επίπεδο παραγωγικότητας για αρχικές συμβουλές λογισμικού.

Μορφή της διάθεσης

• Δεικτικό μάθημα και παρουσίαση.
• Προσωπική κώδικα λειτουργιών χρησιμοποιώντας τα pipeline TIK και TVM.
• Δοκιμές και παραμέτρωση σε Ascend hardware ή εικονικά υλή.

Προθεσμίες τυποποιημένης διδασκαλίας

• Με παραίτηση για μια τυποποιημένη εξάσκηση για αυτή τη διάθεση, καλεστε μας για σχεδιασμό.