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.
Plan Szkolenia
Wprowadzenie do ekosystemu AI Huawei
- Oprogramowanie Ascend AI: układy 310, 910 i 910B
- MindSpore, CANN oraz narzędzia wspomagające
- Przepływ pracy rozwoju AI: od treningu do wdrażania
Zapoznanie się z narzędziem CANN
- Co to jest CANN i dlaczego jest ważne
- Przegląd głównych komponentów (ATC, AscendCL, biblioteki operacji)
- Rola CANN w pipeline’ach inferencji AI
Wprowadzenie do MindSpore i CANN
- Konfiguracja środowiska (MindSpore + CANN + Python)
- Trening podstawowego modelu w MindSpore
- Eksportowanie i konwersja modelu za pomocą ATC
Wykonanie inferencji na urządzeniach Ascend
- Używanie modelu OM z API AscendCL lub Python
- Podstawowa obróbka wejścia/wyjścia
- Weryfikacja wyjść modelu
Praca z innymi frameworkami
- Przegląd wsparcia dla TensorFlow, PyTorch i ONNX
- Obsługiwane operatory i ograniczenia
- Prosta demonstracja konwersji modelu (np. z ONNX do OM)
Badanie ekosystemu CANN i MindSpore dla programistów
- Kluczowe zasoby: dokumentacja, repozytoria GitHub, przykładowy kod
- Przegląd MindSpore Hub i zoo modeli
- Forum społecznościowe, wydarzenia i kanały wsparcia
Podsumowanie i następne kroki
Wymagania
- Podstawowa znajomość koncepcji uczenia maszynowego i uczenia głębokiego
- Doświadczenie w programowaniu z Python
- Brak wcześniejszego doświadczenia z CANN lub sprzętem Ascend nie jest wymagany
Grupa docelowa
- Programiści uczenia maszynowego eksplorujący przepływy wdrażania
- Studenci lub badacze nowi w ekosystemie AI firmy Huawei
- Współtwórcy ram ramowych AI i hobbyści zainteresowani przyspieszaniem modeli
7 godzin