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
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