Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Schița de curs
Introducere în Ecosistemul de Inteligență Artificială al Huawei
- Hardware AI Ascend: chipurile 310, 910 și 910B
- MindSpore, CANN și instrumentele de suport
- Fluxul de lucru pentru dezvoltarea AI: antrenament până la deployare
Înțelegerea Toolkit-ului CANN
- Ce este CANN și de ce contează
- Panoramă a componentelor principale (ATC, AscendCL, biblioteci de operatori)
- Rolul lui CANN în pipeline-uri de inferență AI
Începând cu MindSpore și CANN
- Configurarea mediului (MindSpore + CANN + Python)
- Antrenarea unui model de bază în MindSpore
- Exportarea și convertirea modelului folosind ATC
Rularea Inferenței pe Dispozitive Ascend
- Utilizarea modelului OM cu AscendCL sau API-uri Python
- Preprocesare bazice de intrare/ieșire
- Validarea iesirilor modelului
Lucrul cu Alte Frameworks
- Panoramă a suportului pentru TensorFlow, PyTorch și ONNX
- Operatori suportați și limitații
- Demonstrație simplă de conversie a modelului (de exemplu, din ONNX la OM)
Explorarea Ecosistemului Developer al CANN și MindSpore
- Resurse cheie: documentație, depozite de GitHub, cod sursă exemplu
- Panoramă a MindSpore Hub și model zoo
- Foruri comunitare, evenimente și canale de suport
Rezumat și Următoarele Pași
Cerințe
- Înțelegere de bază a conceptelor de învățare automată și învățare profunda
- Unele experiențe de programare cu Python
- Nu este necesară experiența prealabilă cu CANN sau hardware Ascend
Publicul vizat
- Dezvoltatorii de învățare automată care cercetează fluxurile de lucru pentru implementarea modelelor
- Studenți sau cercetători noi la ecosistemul AI al Huawei
- Contributorii și hobbiștii framework-urilor AI interesati de accelerarea modelului
7 ore