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 AI al Huawei
- Hardware AI Ascend: prezentare 310, 910 și 910B
- Componente de nivel înalt: MindSpore, CANN, AscendCL
- Poziționarea industrială și principii architecturale
Rolul lui CANN în Stiva AI a Huawei
- Ce este CANN? Scopul SDK și straturile interne
- ATC, TBE și AscendCL: compilarea și executarea modelului
- Cum CANN susține optimizarea și implementarea inferenței
Prezentare și Arhitectură MindSpore
- Fluxuri de lucru pentru antrenament și inferența în MindSpore
- Modul grafic, PyNative și abstractizarea hardware-ului
- Integrarea cu Ascend NPU prin intermediul backendului CANN
Ciclul de Viețuire AI pe Ascend: Antrenament la Implementare
- Crearea modelului în MindSpore sau conversia din alte cadre
- Exportarea și compilarea modelelor folosind ATC
- Implementarea pe hardware Ascend folosind modelele OM și AscendCL
Comparație cu Alte Stive AI
- MindSpore vs. PyTorch, TensorFlow: focalizare și poziționare
- Fluxuri de implementare pe Ascend în comparație cu stive bazate pe GPU
- Oportunități și limitări pentru utilizarea enterprize
Scenarii de Integrare Enterprize
- Cazuri de utilizare în fabricația inteligentă, AI-ul guvernamental și telecomunicații
- Eșalonabilitate, conformitate și considerente referitoare la ecosistem
- Implementarea hibridă cloud/on-prem folosind stiva Huawei
Rezumat și Pas cu Pas
Cerințe
- Cunoștințe cu fluxurile de lucru AI sau arhitectura platformei
- Compreensiune de bază a antrenării și al depunerii modelului
- Nu este necesar experiența practică prevăzută cu CANN sau MindSpore
Public țintă
- Evaluatoare de platforme AI și arhitecți infrastructură
- Integratori AI/ML DevOps și pipeline
- Manageri tehnologici și decizionali
14 ore