Kursplan

Introduktion till Huaweis AI-ecosystem

  • Ascend AI-hårdvara: 310, 910 och 910B-chipset
  • MindSpore, CANN och stödbibliotek
  • AI-utvecklingsflöde: från träning till distribution

Förståelse för CANN-verktyget

  • Vad är CANN och varför är det viktigt
  • Översikt över kärnkomponenter (ATC, AscendCL, operatorbibliotek)
  • Rollen för CANN i AI-inferenspipelines

Komma igång med MindSpore och CANN

  • Konfigurering av miljö (MindSpore + CANN + Python)
  • Träning av en grundläggande modell i MindSpore
  • Exportering och konvertering av modellen med ATC

Kör inferens på Ascend-enheter

  • Användning av OM-modellen med AscendCL eller Python API:er
  • Grundläggande inmatnings-/utmatningsförbehandling
  • Validering av modellutdata

Arbete med andra ramverk

  • Översikt över stöd för TensorFlow, PyTorch och ONNX
  • Stödda operatörer och begränsningar
  • Enkel modellkonverteringsdemo (t.ex. från ONNX till OM)

Utforska CANN och MindSpore-utvecklar-ecosystemet

  • Viktiga resurser: dokumentation, GitHub-förråd, exempelkod
  • Översikt över MindSpore Hub och modellzoo
  • Community-forum, evenemang och supportkanaler

Sammanfattning och nästa steg

Krav

  • Grundläggande förståelse för maskininlärnings- och djupinlärningskoncept
  • Någon programmeringserfarenhet med Python
  • Inga tidigare erfarenheter med CANN eller Ascend-hårdvara krävs

Målgrupp

  • Maskininlärningsutvecklare som utforskar distributionsarbetsflöden
  • Studenter eller forskare nya för Huaweis AI-ecosystem
  • AI-ramverkskontribuenter och hobbister intresserade av modellacceleration
 7 timmar

Antal deltagare


Price per participant

Upcoming Courses

Relaterade Kategorier