문의를 보내주셔서 감사합니다! 팀원이 곧 연락드리겠습니다.
예약을 보내주셔서 감사합니다! 저희 팀 멤버 중 한 분이 곧 연락드리겠습니다.
기간 14 시간
코스 개요
Edge AI 및 Ascend 310 소개
- Edge AI 개요: 트렌드, 제약 사항, 응용 분야
- 화웨이 Ascend 310 칩 아키텍처 및 지원되는 툴체인
- Edge AI 배포 스택 내에서 CANN의 위치
모델 준비 및 변환
- TensorFlow, PyTorch, MindSpore에서 학습된 모델 내보내기
- ATC를 사용하여 Ascend 장치를 위한 OM 형식으로 모델 변환
- 미지원 운영자(ops) 처리 및 경량 변환 전략
AscendCL을 활용한 추론 파이프라인 개발
- AscendCL API를 사용하여 Ascend 310에서 OM 모델 실행
- 입력/출력 사전 처리, 메모리 관리, 장치 제어
- 임베디드 컨테이너 또는 경량 런타임 환경 내 배포
Edge 제약 조건에 따른 최적화
- 모델 크기 축소, 정밀도 조정 (FP16, INT8)
- CANN 프로파일러를 사용하여 병목 현상 식별
- 성능 향상을 위한 메모리 레이아웃 및 데이터 스트리밍 관리
MindSpore Lite를 활용한 배포
- 모바일 및 임베디드 타겟을 위한 MindSpore Lite 런타임 사용
- MindSpore Lite와 원시 AscendCL 파이프라인 비교
- 장치 특성에 맞는 추론 모델 패키징
Edge 배포 시나리오 및 사례 연구
- 사례 연구: Ascend 310 기반 객체 감지 모델을 탑재한 스마트 카메라
- 사례 연구: IoT 센서 허브 내 실시간 분류
- Edge에서의 배포된 모델 모니터링 및 업데이트
요약 및 다음 단계
요건
- AI 모델 개발 또는 배포 워크플로우 경험
- 임베디드 시스템, Linux, Python에 대한 기초 지능
- TensorFlow 또는 PyTorch와 같은 딥러닝 프레임워크에 대한 숙지
대상听众
- IoT 솔루션 개발자
- 임베디드 AI 엔지니어
- Edge 시스템 통합 전문가 및 AI 배포 전문가
회원 평가 (1)
고급 주제를 다루고 실제 사례를 통해 실습할 수 있습니다.
Ruben Khachaturyan - iris-GmbH infrared & intelligent sensors
코스 - Advanced Edge AI Techniques
기계 번역됨
