Plan du cours

Introduction à l'écosystème AI de Huawei

  • Hardware Ascend AI : puces 310, 910 et 910B
  • MindSpore, CANN et outils d'accompagnement
  • Flux de travail de développement AI : formation à déploiement

Comprendre le Toolkit CANN

  • Qu'est-ce que CANN et pourquoi c'est important
  • Aperçu des composants principaux (ATC, AscendCL, bibliothèque d'opérateurs)
  • Rôle de CANN dans les pipelines d'inference AI

Premiers pas avec MindSpore et CANN

  • Configurer l'environnement (MindSpore + CANN + Python)
  • Formation d'un modèle de base dans MindSpore
  • Exporter et convertir le modèle en utilisant ATC

Exécuter l'inference sur des appareils Ascend

  • Utiliser le modèle OM avec AscendCL ou API Python
  • Prétraitement de base d'entrée/sortie
  • Validation des sorties du modèle

Travailler avec D'autres Cadres

  • Aperçu du support pour TensorFlow, PyTorch et ONNX
  • Opérateurs pris en charge et limitations
  • Démonstration de conversion simple de modèle (par exemple, d'ONNX à OM)

Explorer l'écosystème de développeur CANN et MindSpore

  • Ressources clés : documentation, dépôts GitHub, code échantillon
  • Aperçu du Hub MindSpore et du zoo de modèles
  • Forums communautaires, événements et canaux de support

Résumé et Étapes Suivantes

Pré requis

  • Compréhension de base des concepts d'apprentissage automatique et d'apprentissage profond
  • Certaines expériences de programmation avec Python
  • Aucune expérience préalable avec CANN ou le matériel Ascend n'est requise

Public cible

  • Développeurs en apprentissage automatique explorant les workflows de déploiement
  • Étudiants ou chercheurs nouveaux dans l'écosystème AI de Huawei
  • Contributeurs et passionnés de cadres d'IA intéressés par l'accélération des modèles
 7 Heures

Nombre de participants


Prix ​​par Participant

Cours à venir

Catégories Similaires