お問い合わせを送信いただきありがとうございます!当社のスタッフがすぐにご連絡いたします。
予約を送信いただきありがとうございます!当社のスタッフがすぐにご連絡いたします。
コース概要
エッジAIとAscend 310の概要
- エッジAIの概要:トレンド、制約、および応用
- Huawei Ascend 310チップアーキテクチャとサポートされるツールチェーン
- エッジAIデプロイメントスタックにおけるCANNの位置づけ
モデル準備と変換
- TensorFlow、PyTorch、MindSporeから訓練済みモデルをエクスポートする
- ATCを使用してOM形式にモデルを変換する
- 対応していない操作の処理と軽量な変換戦略
AscendCLを使用した推論パイプライン開発
- Ascend 310上でOMモデルを実行するためのAscendCL APIの使用
- 入出力前処理、メモリハンドリング、デバイス制御
- 埋め込みコンテナや軽量ランタイム環境でのデプロイメント
エッジの制約に対する最適化
- モデルサイズの削減、精度調整(FP16, INT8)
- CANNプロファイラを使用してボトルネックを特定する
- パフォーマンス向上のためのメモリレイアウトとデータストリーミングの管理
MindSpore Liteでのデプロイメント
- モバイルや埋め込みターゲット向けにMindSpore Liteランタイムを使用する
- MindSpore Liteと生のAscendCLパイプラインを比較する
- デバイス固有のデプロイメント向けに推論モデルをパッケージ化する
エッジデプロイメントシナリオと事例研究
- 事例研究:Ascend 310上の物体検出モデルを使用したスマートカメラ
- 事例研究:IoTセンサーハブでのリアルタイム分類
- エッジでデプロイされたモデルの監視と更新
まとめと次なるステップ
要求
- AIモデル開発またはデプロイメントワークフローに関する経験
- 埋め込みシステム、Linux、Pythonの基本的な知識
- TensorFlowやPyTorchなどのディープラーニングフレームワークに関する知識
対象者
- IoTソリューション開発者
- 埋め込みAIエンジニア
- エッジシステム統合者およびAIデプロイメントスペシャリスト
14 時間
お客様の声 (1)
高度なトピックをカバーし、実際の例を使って実践的に学べること
Ruben Khachaturyan - iris-GmbH infrared & intelligent sensors
コース - Advanced Edge AI Techniques
機械翻訳