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
- 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