这系列课程，主要讲解寒武纪BANG异构模型的软硬件相关知识，并从开发者角度，介绍BANG语言规则和编程接口，最后结合案例分析BANG C性能优化技巧，让开发者马上BANG起来！
这系列课程，我们为开发者讲寒武纪解性能分析工具，硬件检测，和模型部署工具。让开发者使用寒武纪软件栈更BANG！
在训练方面，我们在初级课程基础上，进阶介绍了Cambricon PyTorch、Cambricon Tensorflow的分布式训练，混合进度训练等内容。
在推理方面，基于初级MagicMind 系列课程，我们进一步深入介绍寒武纪 MagicMind 的高阶特性和调优，比如混合精度推理，PluginOp，精度调优和性能调优等，让开发者感受寒武纪推理引擎的速度和精度。
5. SDK使用
这系列课程，主要讲解编解码相关和视频智能分析的加速库和SDK，包含CNCV，CNCodec，CNStream等，带开发者感受一键部署的快感。
16节MLU370在线实验，畅快体验CV、NLP、语音开发
在线实验部分，围绕寒武纪MLU370系列产品，社区上线了初级实验和中级实验，开发者可以直接在线进行体验。
初级实验，围绕YOLOv5 目标检测，简单带开发者上手训练和推理。中级实验则分为CV类实验，NLP类实验，和语音类实验三类。
CV类实验包含DBNet文本检测，YOLOv5 目标检测，DeepLabv3 图像分割等8个模型推理，帮助大家快速上手体验。
NLP类实验，包括BERT的SQuAD任务，以及Conformer 语音识别，开发者可以在线体验加速训练 BERT 算法模型，完成模型所能支持的问答任务。以及使用寒武纪高性能算子，完成Transformer的翻译任务。
语音类实验包含模型训练如LPCNet 语音合成，以及模型推理如Tacotron2 语音合成推理应用的开发方法，以及Conformer语音识别推理应用的开发方法。
精选三大课程+实验专题，手把手带领开发者，从入门到进阶
针对想要系统性的学习的开发者，我们整合了初/中级的课程和实验，推出了三条学习路径，帮助大家由浅至深的学习掌握训练和推理。
三个专题，均涵盖了基础理论、实现流程等，并结合多个在线实验项目，帮助开发者们系统地掌握CambricoPyTorch框架的基础知识和使用方法。
Cambricon PyTorch主要使用场景为模型推理和训练。训练场景支持PyTorch Eager模式完成模型训练，基于Cambricon CNNL算子库完成单机单卡、单机多卡、多机多卡训练。
Cambricon TensorFlow集成了寒武纪软件栈，扩展了社区TensorFlow对MLU设备的支持，同时屏蔽硬件的细节，允许用户使用原生TensorFlow API进行开发。用户在使用Cambricon TensorFlow进行开发、部署时，可以获得与使用CPU、GPU一致的体验。
MagicMind是面向寒武纪MLU的推理加速引擎。MagicMind能将人工智能框架（TensorFlow、PyTorch、Caffe与ONNX等）训练好的算法模型转换成MagicMind统一计算图表示，并提供端到端的模型优化、代码生成以及推理业务部署能力。在MLU、GPU、CPU训练好的算法模型，都使用MagicMind快速地实现在MLU上部署推理业务。
与AI同行，共码未来
