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。
期間 14 時間
コース概要
CANNの最適化機能の概要
- CANNにおける推論性能の処理方法
- エッジAIおよび組み込みAIシステムの最適化目標
- AI Coreの活用とメモリ割り当ての理解
Graph Engineを用いた分析
- Graph Engineと実行パイプラインの紹介
- オペレータグラフとランタイムメトリクスの可視化
- 最適化のための計算グラフの修正
プロファイリングツールと性能メトリクス
- CANNプロファイリングツール（profiler）によるワークロード分析
- カーネル実行時間とボトルネックの分析
- メモリアクセスのプロファイリングとタイルリング戦略
TIKを用いたカスタムオペレータ開発
- TIKとオペレータプログラミングモデルの概要
- TIK DSLによるカスタムオペレータの実装
- オペレータ性能のテストとベンチマーク
TVMを用いた高度なオペレータ最適化
- TVMとCANNの統合の紹介
- 計算グラフのオートチューニング戦略
- TVMとTIKの切り替えタイミングと方法
メモリ最適化テクニック
- メモリレイアウトとバッファ配置の管理
- オンチップメモリ消費量の削減テクニック
- 非同期実行と再利用に関するベストプラクティス
実環境でのデプロイとケーススタディ
- ケーススタディ：スマートシティ用カメラパイプラインの性能チューニング
- ケーススタディ：自動運転車両用推論スタックの最適化
- 反復プロファイリングと継続的改善のためのガイドライン
まとめと次のステップ
要求
- 深層学習モデルのアーキテクチャとトレーニングワークフローに対する十分な理解
- CANN、TensorFlow、またはPyTorchを使用したモデルデプロイの経験
- Linux CLI、シェルスクリプト、Pythonプログラミングへの習熟
対象者
- AI性能エンジニア
- 推論最適化専門家
- エッジAIまたはリアルタイムシステムで開発を行うエンジニア
