Mulțumim pentru trimiterea solicitării! Un membru al echipei noastre vă va contacta în curând.
Mulțumim pentru trimiterea rezervării! Un membru al echipei noastre vă va contacta în curând.
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