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

Liczba uczestników


Cena za uczestnika

Propozycje terminów

Powiązane Kategorie