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
- Przegląd sprzętu AI Ascend: 310, 910 i 910B
- Komponenty wysokiego poziomu: MindSpore, CANN, AscendCL
- Pozycjonowanie w branży i zasady architektury
Rola CANN w stosie AI Huawei
- Czym jest CANN? Cel SDK i warstwy wewnętrzne
- ATC, TBE i AscendCL: kompilacja i wykonywanie modeli
- Jak CANN wspiera optymalizację i wdrażanie inferencji
Przegląd i architektura MindSpore
- Przepływy pracy szkoleniowe i inferencyjne w MindSpore
- Tryb grafu, PyNative i abstrakcja sprzętowa
- Integracja z NPU Ascend za pomocą backendu CANN
Cykl życia AI na Ascend: od szkolenia do wdrożenia
- Tworzenie modeli w MindSpore lub konwersja z innych frameworków
- Eksportowanie i kompilowanie modeli za pomocą ATC
- Wdrażanie na sprzęcie Ascend przy użyciu modeli OM i AscendCL
Porównanie z innymi stosami AI
- MindSpore vs. PyTorch, TensorFlow: skupienie i pozycjonowanie
- Przepływy pracy wdrażania na Ascend vs. stosy oparte na GPU
- Możliwości i ograniczenia dla zastosowań przedsiębiorczych
Scenariusze integracji w przedsiębiorstwach
- Przypadki użycia w inteligentnej produkcji, rządowym AI i telekomunikacji
- Skalowalność, zgodność i kwestie ekosystemu
- Hybrydowe wdrażanie w chmurze/on-prem przy użyciu stosu Huawei
Podsumowanie i kolejne kroki
Wymagania
- Znajomość przepływów pracy AI lub architektury platformy
- Podstawowa znajomość szkolenia i wdrażania modeli
- Wymagane wcześniejsze doświadczenie z CANN lub MindSpore nie jest wymagane
Odbiorcy
- Ewaluatorzy platform AI i architekci infrastruktury
- Specjaliści AI/ML DevOps i integratorzy potoków
- Kierownicy technologiczni i decydenci
14 godzin