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.
Varaktighet 7 timmar
Kursplan
Introduktion till Huawei:s AI-ekosystem
- Ascend AI-hårdvara: chippen 310, 910 och 910B
- MindSpore, CANN och stödjande verktyg
- AI-utvecklingsarbetsflöde: från träning till distribution
Att förstå CANN-verktygskitet
- Vad är CANN och varför är det viktigt
- Översikt över kärnanvändning (ATC, AscendCL, operatorerbibliotek)
- CANN:s roll i AI-inferensflöden
Kom igång med MindSpore och CANN
- Konfigurera miljön (MindSpore + CANN + Python)
- Träna en grundläggande modell i MindSpore
- Exportera och konvertera modellen med ATC
Kör inferens på Ascend-enheter
- Använda OM-modellen med AscendCL eller Python API:er
- Grundläggande för-/efterbearbetning av indata/utdata
- Validera modellutdata
Arbeta med andra ramverk
- Översikt över stöd för TensorFlow, PyTorch och ONNX
- Stödda operatorer och begränsningar
- Demonstrering av enkel modellkonvertering (t.ex. från ONNX till OM)
Utforska ekosystemet för CANN- och MindSpore-utvecklare
- Väsentliga resurser: dokumentation, GitHub-repository, exempelkod
- Översikt över MindSpore Hub och modellzoo
- Community-forum, evenemang och supportkanaler
Sammanfattning och nästa steg
Krav
- Grundläggande förståelse för begrepp inom maskininlärning och djupinlärning
- Viss programmeringskunskap i Python
- Tidigare erfarenhet av CANN eller Ascend-hårdvara krävs inte
Målgrupp
- Utvecklare inom maskininlärning som utforskar distributionsflöden
- Studenter eller forskare som är nya inom Huawei:s AI-ekosystem
- Bidragsgivare till AI-ramverk och entusiaster intresserade av modellacceleration
