Kom i kontakt

Kursplan

Introduktion till Huaweis Ascend-plattform

  • Översikt över Ascends arkitektur och ekosystem
  • Översikt över MindSpore och CANN
  • Användningsfall och industriell relevans

Installation av utvecklingsmiljön

  • Installation av CANN-verktygset och MindSpore
  • Användning av ModelArts och CloudMatrix för projektorkestrering
  • Testning av miljön med exemplariska modeller

Modellutveckling med MindSpore

  • Definition och träning av modeller i MindSpore
  • Datapipeline och formatering av datasets
  • Export av modeller till Ascend-kompatibelt format

Prestandaoptimering på Ascend

  • Operatorfusion och anpassade kärnor
  • Tiling-strategier och schemaläggning av AI-kärnor
  • Verktyg för benchmarking och profilering

Strategi för implementering

  • För- och nackdelar med implementering på edge jämfört med moln
  • Användning av MindX SDK för implementering
  • Integration med CloudMatrix-flöden

Felsökning och övervakning

  • Användning av Profiler och AiD för spårning (tracing)
  • Felsökning av körstidsfel
  • Övervakning av resursanvändning och genomsnittlig prestanda (throughput)

Fallstudie och laboration

  • Utveckling av en komplett pipeline med MindSpore
  • Laboration: Bygg, optimera och implementera en modell på Ascend
  • Prestandajämförelse med andra plattformar

Sammanfattning och nästa steg

Krav

  • Förståelse för neuronnät och AI-flöden
  • Erfarenhet av programmering i Python
  • Kännedom om rutter för modellträning och implementering

Målgrupp

  • AI-ingenjörer
  • Datavetare som arbetar med Huaweis AI-stapel
  • ML-utvecklare som använder Ascend och MindSpore
 21 Timmar

Antal deltagare


Pris per deltagare

Vittnesmål (1)

Kommande Kurser

Relaterade Kategorier