感谢您发送咨询!我们的团队成员将很快与您联系。
感谢您发送预订!我们的团队成员将很快与您联系。
课程大纲
Edge AI 和 Ascend 310 简介
- Edge AI 概述:趋势、限制和应用
- Huawei Ascend 310 芯片架构及支持的工具链
- 在边缘 AI 部署栈中定位 CANN
模型准备与转换
- 从 TensorFlow、PyTorch 和 MindSpore 导出训练好的模型
- 使用 ATC 将模型转换为 OM 格式,以便在 Ascend 设备上使用
- 处理不支持的算子及轻量级转换策略
使用 AscendCL 开发推理管道
- 使用 AscendCL API 在 Ascend 310 上运行 OM 模型
- 输入/输出预处理、内存处理和设备控制
- 在嵌入式容器或轻量级运行时环境中部署
针对边缘限制的优化
- 减少模型大小,精度调优(FP16、INT8)
- 使用 CANN 分析器识别性能瓶颈
- 管理内存布局和数据流以提高性能
使用 MindSpore Lite 部署
- 使用 MindSpore Lite 运行时在移动和嵌入式目标上运行
- 比较 MindSpore Lite 与原生 AscendCL 管道
- 为设备特定部署打包推理模型
边缘部署场景与案例研究
- 案例研究:在 Ascend 310 上部署智能摄像头的目标检测模型
- 案例研究:在物联网传感器中心进行实时分类
- 在边缘监控和更新部署的模型
总结与下一步
要求
- 具备AI模型开发或部署工作流程的经验
- 具备嵌入式系统、Linux和Python的基础知识
- 熟悉深度学习框架,如TensorFlow或PyTorch
受众
- IoT解决方案开发者
- 嵌入式AI工程师
- 边缘系统集成商和AI部署专家
14 小时
客户评论 (1)
我们可以涵盖高级主题,并运用实际案例
Ruben Khachaturyan - iris-GmbH infrared & intelligent sensors
课程 - Advanced Edge AI Techniques
机器翻译