Prenez contact avec nous

Plan du cours

Introduction à l'écosystème IA de Huawei

  • Matériel IA Ascend : vue d'ensemble des modèles 310, 910 et 910B
  • Composants de haut niveau : MindSpore, CANN, AscendCL
  • Positionnement industriel et principes architecturaux

Le rôle de CANN dans la pile IA de Huawei

  • Qu'est-ce que CANN ? Objectif du SDK et couches internes
  • ATC, TBE et AscendCL : compilation et exécution des modèles
  • Comment CANN prend en charge l'optimisation de l'inférence et le déploiement

Vue d'ensemble et architecture de MindSpore

  • Workflows d'entraînement et d'inférence dans MindSpore
  • Mode graphe, PyNative et abstraction du matériel
  • Intégration avec le NPU Ascend via le backend CANN

Cycle de vie IA sur Ascend : de l'entraînement au déploiement

  • Création de modèles dans MindSpore ou conversion depuis d'autres frameworks
  • Exportation et compilation des modèles avec ATC
  • Déploiement sur le matériel Ascend à l'aide de modèles OM et AscendCL

Comparaison avec d'autres piles IA

  • MindSpore vs. PyTorch, TensorFlow : focus et positionnement
  • Workflows de déploiement sur Ascend vs. piles basées sur GPU
  • Opportunités et limites pour une utilisation en entreprise

Scénarios d'intégration en entreprise

  • Cas d'utilisation dans la fabrication intelligente, l'IA gouvernementale et les télécoms
  • Évolutivité, conformité et considérations écosystémiques
  • Déploiement hybride cloud/sur site en utilisant la pile Huawei

Résumé et prochaines étapes

Pré requis

  • Familiarité avec les workflows IA ou l'architecture de plateforme
  • Compréhension de base de l'entraînement et du déploiement de modèles
  • Aucune expérience pratique préalable avec CANN ou MindSpore n'est requise

Public cible

  • Évaluateurs de plateformes IA et architectes d'infrastructure
  • DevOps IA/ML et intégrateurs de pipelines
  • Responsables technologiques et décideurs
 14 Heures

Nombre de participants


Prix par participant

Cours à venir

Catégories Similaires