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:

人數


每位參與者的報價

Upcoming Courses

課程分類