Schița de curs

Introducere în Ecosistemul AI al Huawei

  • Prezentare generală a hardware-ului AI Ascend: 310, 910 și 910B
  • Componente de nivel înalt: MindSpore, CANN, AscendCL
  • Poziționarea în industrie și principiile de arhitectură

Rolul CANN în Stiva AI a Huawei

  • Ce este CANN? Scopul SDK-ului și straturile interne
  • ATC, TBE și AscendCL: compilarea și executarea modelelor
  • Cum sprijină CANN optimizarea inferenței și implementarea

Prezentare Generală și Arhitectura MindSpore

  • Fluxuri de lucru de antrenare și inferență în MindSpore
  • Modul Graph, PyNative și abstractizarea hardware-ului
  • Integrarea cu NPU Ascend prin backend-ul CANN

Ciclul de Viață AI pe Ascend: De la Antrenare la Implementare

  • Crearea modelelor în MindSpore sau conversia din alte framework-uri
  • Exportarea și compilarea modelelor folosind ATC
  • Implementarea pe hardware-ul Ascend folosind modele OM și AscendCL

Comparație cu Alte Stive AI

  • MindSpore vs. PyTorch, TensorFlow: focus și poziționare
  • Fluxuri de lucru de implementare pe Ascend vs. stive bazate pe GPU
  • Oportunități și limitări pentru utilizarea în întreprinderi

Scenarii de Integrare în Întreprinderi

  • Cazuri de utilizare în fabricația inteligentă, AI guvernamental și telecomunicații
  • Considerații privind scalabilitatea, conformitatea și ecosistemul
  • Implementare hibridă cloud/on-prem folosind stiva Huawei

Rezumat și Pași Următori

Cerințe

  • Familiaritate cu fluxurile de lucru AI sau arhitectura platformelor
  • Înțelegere de bază a antrenării și implementării modelelor
  • Nu este necesară experiență practică anterioară cu CANN sau MindSpore

Publicul Țintă

  • Evaluatori de platforme AI și arhitecți de infrastructură
  • Integratori AI/ML DevOps și de pipeline
  • Manageri de tehnologie și factori de decizie
 14 Ore

Numărul de participanți


Pret per participant

Cursuri viitoare

Categorii înrudite