Seminar Apache SINGA - Architektur, Installation und Entwicklungsumgebung

Seminarprofil

Apache SINGA bringt mehrere Ebenen zusammen: ein Backend für Geräte, Tensoren und Operatoren, eine Python-Schnittstelle für Modellierung und Training sowie Mechanismen für verteiltes Training und ONNX-Interoperabilität. Genau deshalb scheitern erste Projekte oft nicht an der Modellidee, sondern an Build-Prozess, Abhängigkeiten, Gerätewahl und einer unklaren Entwicklungsumgebung. Das Seminar legt hier ein sauberes Fundament. Nach zwei Tagen steht eine reproduzierbare technische Basis, auf der weitere SINGA-Seminare sinnvoll aufbauen.

Schwerpunkte

• Einordnung von Apache SINGA in moderne KI- und MLOps-Landschaften
• Aufbau des Software-Stacks mit Device-, Tensor-, Operator-, Model- und ONNX-Ebene
• Unterschiede zwischen CPU-, CUDA- und OpenCL-nahen Betriebsmodellen
• Installation über Quellcode, Build-Werkzeuge, Container und Paketansätze
• Einrichtung konsistenter Python-Umgebungen für Entwicklung, Test und Demo
• Abhängigkeitsmanagement für CUDA, cuDNN, Protobuf, CMake und SWIG-nahe Toolchains
• Struktur des SINGA-Quellbaums und typische Build- und Laufzeitfehler
• Start eines ersten Testprogramms mit Tensoren, Device-Zuordnung und Import-Prüfung

Praxisanteil

Im Workshop-Teil wird eine vollständige Arbeitsumgebung aufgesetzt und verifiziert. Dazu gehören die Auswahl eines geeigneten Laufzeitmodells, das Prüfen von GPU-Verfügbarkeit, das Laden der Python-Module, das Ausführen eines ersten Programms und die systematische Fehlersuche bei Bibliotheks- oder Versionskonflikten. Das Seminar ist bewusst handwerklich ausgerichtet: erst wenn Installation und Umgebung sauber stehen, lohnt sich der Rest. KI-Projekte folgen selten der Wunschvorstellung aus Hochglanzfolien; hier wird die Werkbank aufgebaut, nicht die Tapete ausgesucht.