Tack för att du skickade din fråga! En av våra teammedlemmar kontaktar dig snart.
Tack för att du skickade din bokning! En av våra teammedlemmar kontaktar dig snart.
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
Vittnesmål (1)
Att vi kan täcka avancerade ämnen och arbeta med verkliga exempel
Ruben Khachaturyan - iris-GmbH infrared & intelligent sensors
Kurs - Advanced Edge AI Techniques
Maskintolkat