Kurzusleírás

Huawei AI Ekosisztéma Bevezetése

  • Ascend AI hardver: 310, 910 és 910B chip
  • MindSpore, CANN és támogató eszközök
  • AI fejlesztési munkamenet: a kiképzésről a telepítésig

CANN Eszközkészlet Megértése

  • Mi az a CANN és miért fontos
  • Magközelői áttekintése (ATC, AscendCL, operátor könyvtárak)
  • CANN szerepének a AI következtetési folyamatokban

Kezdő útmutató a MindSpore és CANN használatához

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

Inference futtatása Ascend eszközökön

  • OM modell használata AscendCL vagy Python API-kkal
  • Alapbevitel/kimenet előfeldolgozás
  • Modellkimenetek ellenőrzése

Más keretrendszerek használata

  • TensorFlow, PyTorch és ONNX támogatásának áttekintése
  • Támogatott operátorok és korlátozások
  • Egyszerű modellkonverziós demó (pl. ONNX-ből OM-be)

CANN és a MindSpore Fejlesztői Ekosisztéma Felfedezése

  • Kulcsforrások: dokumentáció, GitHub tárolók, minta kód
  • MindSpore Hub és modellállatkert áttekintése
  • Közösségi fórumok, események és támogatási csatornák

Összegzés és Következő lépések

Követelmények

  • Alapvető ismeretek a gépi tanulás és a mély tanulás fogalmairól
  • Néhány programozási tapasztalat Python-al
  • Nincs szükség előző tapasztalatra CANN-vel vagy Ascend hardverrel

Célközönség

  • Gépi tanulás fejlesztők, akik a telepítési folyamatokat kutakodnak
  • Diákok vagy kutatók, akik ismeretlenek Huawei AI ekoszisztémájával
  • AI keretrendszer hozzájárulók és amatőrök, akik érdeklődnek a modell gyorsításáért
 7 Órák

Résztvevők száma


Ár résztvevőnként

Közelgő kurzusok

Rokon kategóriák