Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Introduction à l'écosystème IA de Huawei
- Matériel IA Ascend : puces 310, 910 et 910B
- MindSpore, CANN et outils de support
- Flux de travail de développement IA : de l'entraînement au déploiement
Compréhension de la boîte à outils CANN
- Qu'est-ce que CANN et pourquoi est-ce important
- Aperçu des composants principaux (ATC, AscendCL, bibliothèques d'opérateurs)
- Rôle de CANN dans les pipelines d'inférence IA
Premiers pas avec MindSpore et CANN
- Configuration de l'environnement (MindSpore + CANN + Python)
- Entraînement d'un modèle basique dans MindSpore
- Exportation et conversion du modèle en utilisant ATC
Exécution de l'inférence sur les appareils Ascend
- Utilisation du modèle OM avec AscendCL ou les API Python
- Prétraitement de base des entrées/sorties
- Validation des sorties du modèle
Travail avec d'autres frameworks
- Aperçu du support pour TensorFlow, PyTorch et ONNX
- Opérateurs supportés et limitations
- Démo simple de conversion de modèle (par exemple, de ONNX vers OM)
Exploration de l'écosystème développeur CANN et MindSpore
- Ressources clés : documentation, dépôts GitHub, exemples de code
- Aperçu de MindSpore Hub et du zoo de modèles
- Forums de la communauté, événements et canaux de support
Résumé et prochaines étapes
Pré requis
- Compréhension de base des concepts d'apprentissage automatique et d'apprentissage profond
- Quelques expériences de programmation avec Python
- Aucune expérience préalable avec CANN ou le matériel Ascend n'est requise
Audience
- Développeurs en apprentissage automatique explorant les flux de travail de déploiement
- Étudiants ou chercheurs découvrant l'écosystème IA de Huawei
- Contributeurs de frameworks IA et amateurs intéressés par l'accélération des modèles
7 Heures