Liên hệ với chúng tôi
 Thời gian kéo dài 14 Giờ học

Đề cương khóa học

Giới thiệu về Edge AI và Ascend 310

  • Tổng quan về Edge AI: xu hướng, ràng buộc và ứng dụng
  • Kiến trúc chip Huawei Ascend 310 và chuỗi công cụ được hỗ trợ
  • Vị trí của CANN trong ngăn xếp triển khai Edge AI

Chuẩn bị và chuyển đổi mô hình

  • Xuất các mô hình đã huấn luyện từ TensorFlow, PyTorch và MindSpore
  • Sử dụng ATC để chuyển đổi các mô hình sang định dạng OM cho các thiết bị Ascend
  • Xử lý các toán tử không được hỗ trợ và các chiến lược chuyển đổi nhẹ nhàng

Phát triển đường ống suy luận với AscendCL

  • Sử dụng API AscendCL để chạy các mô hình OM trên Ascend 310
  • Tiền xử lý đầu vào/đầu ra, xử lý bộ nhớ và điều khiển thiết bị
  • Triển khai trong các container nhúng hoặc các môi trường runtime nhẹ nhàng

Tối ưu hóa cho các ràng buộc của Edge

  • Giảm kích thước mô hình, tinh chỉnh độ chính xác (FP16, INT8)
  • Sử dụng trình phân tích CANN để xác định các điểm nghẽn
  • Quản lý bố cục bộ nhớ và luồng dữ liệu cho hiệu suất

Triển khai với MindSpore Lite

  • Sử dụng runtime MindSpore Lite cho các mục tiêu di động và nhúng
  • So sánh MindSpore Lite với đường ống AscendCL thô
  • Đóng gói các mô hình suy luận cho việc triển khai đặc thù thiết bị

Các kịch bản triển khai Edge và nghiên cứu tình huống

  • Nghiên cứu tình huống: camera thông minh với mô hình phát hiện vật trên Ascend 310
  • Nghiên cứu tình huống: phân loại thời gian thực trong một trung tâm cảm biến IoT
  • Giám sát và cập nhật các mô hình đã triển khai ở biên

Tóm tắt và các bước tiếp theo

Yêu cầu

  • Kinh nghiệm về phát triển hoặc quy trình triển khai mô hình AI
  • Kiến thức cơ bản về hệ thống nhúng, Linux và Python
  • quen thuộc với các framework học sâu như TensorFlow hoặc PyTorch

Đối tượng học viên

  • Nhà phát triển giải pháp IoT
  • Kỹ sư AI nhúng
  • Nhà tích hợp hệ thống biên và chuyên gia triển khai AI

Số người tham gia


Giá cho mỗi học viên

Đánh giá (1)

Các khóa học sắp tới

Các danh mục liên quan