Kursplan

Introduktion till Huawei Ascend Plattform

  • Översikt över Ascend-arkitektur och ekosystem
  • Översikt över MindSpore och CANN
  • Användningsfall och industrerelevans

Inställning av Utvecklingsmiljö

  • Installation av CANN-verktygspaket och MindSpore
  • Användning av ModelArts och CloudMatrix för projektkoordinering
  • Testning av miljön med exempelmodeller

Modellutveckling med MindSpore

  • Modelldefinition och träningsprocess i MindSpore
  • Datapipelines och format för datasets
  • Exportering av modeller till Ascend-kompatibelt format

Prestandaoptimering på Ascend

  • Operatorfusion och anpassade kärnor
  • Tilingstrategi och AI Core-schemaläggning
  • Benchmarking- och profileringsverktyg

Distributionsstrategier

  • Kompromisser mellan kant- och molndistribution
  • Användning av MindX SDK för distribution
  • Integration med CloudMatrix-arbetsflöden

Felsökning och Övervakning

  • Användning av Profiler och AiD för spårning
  • Felsökning av körfel
  • Övervakning av resursanvändning och genomströmning

Fallstudie och Labintegrering

  • Fullständig pipelineutveckling med MindSpore
  • Lab: Bygg, optimera och distribuera en modell på Ascend
  • Prestandajämförelse med andra plattformar

Sammanfattning och Nästa Steg

Krav

  • Förståelse för neurala nätverk och AI-arbetsflöden
  • Erfarenhet av Python programmering
  • Kännedom om modelltränings- och distributionspipelines

Målgrupp

  • AI-ingenjörer
  • Dataforskare som arbetar med Huaweis AI-stack
  • ML-utvecklare som använder Ascend och MindSpore
 21 timmar

Antal deltagare


Price per participant

Vittnesmål (1)

Upcoming Courses

Relaterade Kategorier