Kom i kontakt

Kursplan

Introduktion till Cambricon och MLU-arkitektur

  • Översikt över Cambricons AI-chippportfolio
  • MLU-arkitektur och instruktionstillgång
  • Stödda modelltyper och användningsfall

Installation av utvecklingsverktygskedjan

  • Installation av BANGPy och Neuware SDK
  • Miljökonfiguration för Python och C++
  • Modellkompatibilitet och förbehandling

Modellutveckling med BANGPy

  • Tensorstruktur och formhantering
  • Byggande av beräkningssgrafer
  • Stöd för anpassade operationer i BANGPy

Distribution med Neuware Runtime

  • Konvertering och laddning av modeller
  • Kontroll av exekvering och inferens
  • Distributionspraktik för edge och datacenter

Prestandaoptimering

  • Minnesmappning och lagrutning
  • Exekveringsspårning och profilning
  • Vanliga flaskhalsar och lösningar

Integrering av MLU i applikationer

  • Användning av Neuware API:er för applikationsintegration
  • Strömning och stöd för multimodeller
  • Hybrida CPU-MLU-inferensscenarier

Heltäckande projekt och användningsfall

  • Lab: Distribuera en vision- eller NLP-modell
  • Edge-inferens med BANGPy-integration
  • Testning av noggrannhet och genomsnittlig genomströmning

Sammanfattning och nästa steg

Krav

  • Förståelse för strukturer i maskininlärningsmodeller
  • Erfarenhet av Python och/eller C++
  • Kännedom till modeller och koncept kring acceleration

Målgrupp

  • Embedded AI-utvecklare
  • ML-ingenjörer som distribuerar till edge eller datacenter
  • Utvecklare som arbetar med kinesisk AI-infrastruktur
 21 Timmar

Antal deltagare


Pris per deltagare

Vittnesmål (1)

Kommande Kurser

Relaterade Kategorier