Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
課程簡介
Edge AI 和 Ascend 310 簡介
- Edge AI 概述:趨勢、限制和應用
- Huawei Ascend 310 芯片架構及支持的工具鏈
- 在邊緣 AI 部署棧中定位 CANN
模型準備與轉換
- 從 TensorFlow、PyTorch 和 MindSpore 導出訓練好的模型
- 使用 ATC 將模型轉換爲 OM 格式,以便在 Ascend 設備上使用
- 處理不支持的算子及輕量級轉換策略
使用 AscendCL 開發推理管道
- 使用 AscendCL API 在 Ascend 310 上運行 OM 模型
- 輸入/輸出預處理、內存處理和設備控制
- 在嵌入式容器或輕量級運行時環境中部署
針對邊緣限制的優化
- 減少模型大小,精度調優(FP16、INT8)
- 使用 CANN 分析器識別性能瓶頸
- 管理內存佈局和數據流以提高性能
使用 MindSpore Lite 部署
- 使用 MindSpore Lite 運行時在移動和嵌入式目標上運行
- 比較 MindSpore Lite 與原生 AscendCL 管道
- 爲設備特定部署打包推理模型
邊緣部署場景與案例研究
- 案例研究:在 Ascend 310 上部署智能攝像頭的目標檢測模型
- 案例研究:在物聯網傳感器中心進行即時分類
- 在邊緣監控和更新部署的模型
總結與下一步
最低要求
- 具備AI模型開發或部署工作流程的經驗
- 具備嵌入式系統、Linux和Python的基礎知識
- 熟悉深度學習框架,如TensorFlow或PyTorch
受衆
- IoT解決方案開發者
- 嵌入式AI工程師
- 邊緣系統集成商和AI部署專家
14 時間: