Kurzusleírás

Bevezetés a Huawei AI ökoszisztémájába

  • Ascend AI hardver: 310, 910 és 910B chipsek
  • MindSpore, CANN és támogató eszközök
  • AI fejlesztési munkafolyamat: képzés az üzembe helyezésig

A CANN eszközkészlet megértése

  • Mi az a CANN és miért fontos
  • Az alapvető komponensek áttekintése (ATC, AscendCL, operátor könyvtárak)
  • A CANN szerepe az AI következtetési folyamatokban

Kezdők MindSpore és CANN használatához

  • Környezet beállítása (MindSpore + CANN + Python)
  • Alapmodell képzése MindSpore-ban
  • Modell exportálása és konvertálása ATC segítségével

Következtetés futtatása Ascend eszközökön

  • OM modell használata AscendCL vagy Python API-kkal
  • Alapvető bemeneti/kimeneti előfeldolgozás
  • Modell kimenetek ellenőrzése

Együttműködés más keretrendszerekkel

  • A TensorFlow, PyTorch és ONNX támogatásának áttekintése
  • Támogatott operátorok és korlátozások
  • Egyszerű modell konverziós bemutató (pl. ONNX-ből OM-be)

A CANN és MindSpore fejlesztői ökoszisztéma felfedezése

  • Kulcsforrások: dokumentáció, GitHub tárolók, mintakódok
  • A MindSpore Hub és a modell zoo áttekintése
  • Közösségi fórumok, események és támogatási csatornák

Összefoglalás és következő lépések

Követelmények

  • Alapvető ismeretek a gépi tanulás és a mélytanulás területén
  • Némi programozási tapasztalat Pythonban
  • Nem szükséges előzetes tapasztalat a CANN vagy Ascend hardverrel

Célközönség

  • Gépi tanulás fejlesztők, akik az üzembe helyezési munkafolyamatokat vizsgálják
  • Diákok vagy kutatók, akik újnak a Huawei AI ökoszisztémában
  • AI keretrendszer hozzájárulók és hobbi programozók, akiket érdekel a modellgyorsítás
 7 Órák

Résztvevők száma


Ár per résztvevő

Közelgő kurzusok

Rokon kategóriák