Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Köszönjük, hogy elküldte foglalását! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
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