Kursplan

Introduktion till Huawei Ascend-plattformen

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

Konfiguration av utvecklingsmiljön

  • Installation av CANN-verktygslådan och MindSpore
  • Användning av ModelArts och CloudMatrix för projektledning
  • Testning av miljön med exempelmodeller

Modellutveckling med MindSpore

  • Modelldefinition och träning i MindSpore
  • Datapipeliner och datasetformat
  • Exportering av modeller till Ascend-kompatibelt format

Prestandoptimering på Ascend

  • Operatorfusion och anpassade kärnor
  • Tiling-strategi och AI Core-schemaläggning
  • Mät- och profileringverktyg

Distriberingsstrategier

  • Jämförelse mellan edge- och molndistribution
  • Användning av MindX SDK för distribution
  • Integrering med CloudMatrix-arbetsflöden

Felsökning och övervakning

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

Fallstudie och labbintegration

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

Sammanfattning och nästa steg

Krav

  • Förståelse för neuronnät och AI-arbetsflöden
  • Erfarenhet av Python-programmering
  • Bekantskap med modellträning och distributionspipelines

Målgrupp

  • AI-ingenjörer
  • Dataanalytiker som arbetar med Huawei AI-stacken
  • ML-utvecklare som använder Ascend och MindSpore
 21 timmar

Antal deltagare


Pris per deltagare

Vittnesmål (1)

Kommande Kurser

Relaterade Kategorier