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 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