Seminar Apache SINGA - Modellentwicklung mit Python, Tensoren und Autograd

Seminarprofil

Hier beginnt die eigentliche Entwicklungsarbeit. Apache SINGA kombiniert eine imperative Programmierweise mit der Möglichkeit, einen Rechengraphen im Backend zu puffern und zu optimieren. Das Seminar zeigt, wie Modelle sauber aufgebaut, kompiliert, trainiert und erweitert werden. Behandelt werden die zentralen Klassen und Arbeitsmuster, die im Alltag wirklich gebraucht werden: Tensor, Device, Layer, Model, Optimizer und Autograd. Drei Tage sind angemessen, weil ein Framework nicht dadurch verstanden wird, dass einmal ein CNN-Beispiel kopiert wird.

Schwerpunkte

• Arbeiten mit Tensoren, Geräten und Datentypen
• Aufbau eigener Modelle über die Model API
• Definition von Layern, Forward-Pässen und Trainingsschritten
• Automatische Gradientenberechnung und Backpropagation in SINGA
• Kompilieren von Modellen mit Graph-Nutzung und Gerätebindung
• Aufsetzen von Trainingsschleifen, Optimizer-Konfiguration und Verlustfunktionen
• Debugging typischer Modellierungs- und Formfehler
• Einordnung von Performance- und Speicheroptimierungen schon auf Modellembene

Praxisanteil

Im Seminar werden eigene kleine Modelle implementiert und Schritt für Schritt erweitert. Dabei geht es nicht nur um das Ergebnis, sondern um nachvollziehbare Entwicklungsroutine: Dateneingang, Platzhalter, Vorwärtslauf, Verlustberechnung, Optimizer-Aufruf, Graph-Kompilierung und Kontrolle der Zwischenergebnisse. Wer Apache SINGA als Werkzeug ernsthaft einsetzen will, braucht genau diese operative Sicherheit.