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

Liczba uczestników


cena netto za uczestnika

Propozycje terminów

Powiązane Kategorie