Kursplan

Introduktion till Huawei Ascend Platform

  • Översikt över Ascend arkitektur och ekosystem
  • Översikt över MindSpore och CANN
  • Användningsfall och relevans för branschen

Inställning av Utvecklingsmiljö

  • Installation av CANN-verktygslåda och MindSpore
  • Användning av ModelArts och CloudMatrix för projektorkestration
  • Testning av miljön med exempelmodeller

Modellutveckling med MindSpore

  • Modelldefinition och träning i MindSpore
  • Datapipelines och datasetformat
  • Export av modeller till Ascend-kompatibelt format

Prestandoptimering på Ascend

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

Distributionsstrategier

  • För- och nackdelar med distributions av kant och moln
  • Användning av MindX SDK för distribution
  • Integration med CloudMatrix arbetsflöden

Felsökning och Övervakning

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

Fallet och Lab-Integration

  • Utveckling av hela pipeline med MindSpore
  • Lab: Bygg, optimera och distribuera en modell på Ascend
  • Prestandajämförelse med andra plattformar

Sammanfattning och Nästa Steg

Krav

  • En förståelse för neurala nätverk och AI-arbetsflöden
  • Erfarenhet av Python programmering
  • Kännedom om modellträning 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

Upcoming Courses

Relaterade Kategorier