Tack för att du skickade din fråga! En av våra teammedlemmar kontaktar dig snart.
Tack för att du skickade din bokning! En av våra teammedlemmar kontaktar dig snart.
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
Vittnesmål (1)
Att jag har fått kunskap om Streamlit-biblioteket från Python och jag kommer säkert att försöka använda det för att förbättra applikationerna i mitt team som är skapade med R Shiny
Michal Maj - XL Catlin Services SE (AXA XL)
Kurs - GitHub Copilot for Developers
Maskintolkat