Kurzusleírás

Bemutatkozás az Huawei Ascend Platformnak

  • Áttekintés az Ascend architektúrájának és ökológiajának
  • MindSpore és CANN áttekintése
  • Alkalmazási példák és ipari relevancia

Fejlesztőkörnyezet beállítása

  • CANN eszközkészlet és MindSpore telepítése
  • ModelArts és CloudMatrix használata projektkoordinálásra
  • Minta modellekkel történő környezet tesztelése

Modelfejlesztés MindSpore-al

  • Modeldefiníció és kiszólása MindSpore-ban
  • Adatcsővezeték és adatkészlet formázása
  • Modellek exportálása Ascend kompatibilis formátumba

Teljesítményoptimalizálás Ascend-en

  • Operator fúzió és specifikus magok
  • Tiling stratégia és AI Core ütemezése
  • Benchmarking és profilozás eszközei

Telepítési stratégiák

  • Előnyök és hátrányok a perem és felhő telepitések között
  • MindX SDK használata a telepítéshez
  • Integráció CloudMatrix munkafolyamataival

Hibafelderítés és Monitorozás

  • Profiler és AiD használata nyomkövetéshez
  • Futási időbeli hibák hibafelderítése
  • Erőforráshasználat és áthallási monitorozása

Eseménytanulmány és Laboratóriumi integráció

  • Teljes pipelinemű fejlesztés MindSpore használatával
  • Labor: model építése, optimalizálása és telepítése Ascend-en
  • Teljesítményösszehasonlítás más platformokkal

Összegzés és Következő lépések

Követelmények

  • Az idegi hálózatok és az AI munkafolyamatok megértése
  • Tapasztalat Python programozással
  • Ismeret a modellek kiképzési és telepítési folyamatokkal

A hallgatóság

  • AI mérnökök
  • Adat tudósok, akik a Huawei AI stackkel dolgoznak
  • Machine Learning fejlesztők, akik Ascend és MindSpore használatát
 21 Órák

Résztvevők száma


Ár résztvevőnként

Közelgő kurzusok

Rokon kategóriák