Dziękujemy za wysłanie zapytania! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Dziękujemy za wysłanie rezerwacji! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
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