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
- Sprzęt Ascend AI: przegląd 310, 910 i 910B
- Składniki wysokiego poziomu: MindSpore, CANN, AscendCL
- Pozycjonowanie w branży i zasady architektoniczne
Rola CANN w stosie AI Huawei
- Co to jest CANN? Cel SDK i warstwy wewnętrzne
- ATC, TBE i AscendCL: kompilowanie i wykonywanie modeli
- Jak CANN wspiera optymalizację wnioskowania i wdrażanie
Przegląd i architektura MindSpore
- Przepływy szkolenia i wnioskowania w MindSpore
- Tryb grafu, PyNative i abstrakcja sprzętu
- Integracja z Ascend NPU za pośrednictwem CANN backend
Życie AI na Ascend: od szkolenia do wdrażania
- Tworzenie modeli w MindSpore lub konwersja z innych frameworków
- Eksportowanie i kompilowanie modeli za pomocą ATC
- Wdrażanie na sprzęcie Ascend za pomocą modeli OM i AscendCL
Porównanie z innymi stosami AI
- MindSpore vs. PyTorch, TensorFlow: koncentracja i pozycjonowanie
- Przepływy wdrażania na Ascend vs. stosy oparte na GPU
- Możliwości i ograniczenia dla użycia w przedsiębiorstwach
Scenariusze integracji przedsiębiorczej
- Przypadki użycia w inteligentnym wytwarzaniu, rządowym AI i telekomunikacji
- Skalowalność, zgodność i rozważania ekosystemu
- Wdrażanie hybrydowe w chmurze/na miejscu za pomocą stosu Huawei
Podsumowanie i następne kroki
Wymagania
- Znajomość przepływów pracy AI lub architektury platformy
- Podstawowa wiedza o trenowaniu i wdrażaniu modeli
- Nie wymagane wcześniejsze doświadczenie praktyczne z CANN lub MindSpore
Grupa docelowa
- Ewaluatorzy platform AI i architekci infrastruktury
- Specjaliści AI/ML DevOps i integratorzy rurociągów
- Menedżerowie technologiczni i decydenci
14 godzin