Bedankt voor uw aanvraag! Een van onze medewerkers neemt binnenkort contact met u op
Bedankt voor uw boeking! Een van onze medewerkers neemt binnenkort contact met u op.
Cursusaanbod
Inleiding tot het AI-ecosysteem van Huawei
- Ascend AI-hardware: de 310, 910 en 910B-processoren
- MindSpore, CANN en bijbehorende hulpmiddelen
- Workflow van AI-ontwikkeling: van training tot implementatie
Inzicht in het CANN-hulpmiddel
- Wat is CANN en waarom is het zo belangrijk?
- Overzicht van de kerncomponenten: ATC, AscendCL en operatorbibliotheken
- De rol van CANN binnen AI-inferentieprocessen
Starten met MindSpore en CANN
- De ontwikkelomgeving opzetten (MindSpore + CANN + Python)
- Een eenvoudig model trainen in MindSpore
- Het model exporteren en omzetten met behulp van ATC
Inferentie uitvoeren op Ascend-apparaten
- Het OM-model gebruiken in combinatie met AscendCL of Python-API’s
- Basisverwerking van invoer- en uitvoergegevens
- Validatie van modelresultaten
Werken met andere frameworks
- Overzicht van ondersteuning voor TensorFlow, PyTorch en ONNX
- Beschikbare operators en eventuele beperkingen
- Demonstratie van modelconversie (bijvoorbeeld van ONNX naar OM)
Kennismaking met de ontwikkelaarsomgeving rond CANN en MindSpore
- Belangrijke bronnen: documentatie, GitHub-repositories en voorbeeldcode
- Inleiding tot MindSpore Hub en het modelmuseum
- Forums, evenementen en ondersteuningskanalen binnen de gemeenschap
Samenvatting en vervolgstappen
Vereisten
- Basisbegrip van machine learning- en deep learning-concepten
- Enige programmeerervaring met Python
- Er is geen voorgaande ervaring vereist met CANN of Ascend-hardware
Doelgroep
- Machine learning-ontwikkelaars die zich verdiepen in implementatiewerkstromen
- Studenten en onderzoekers die nieuw zijn binnen het AI-ecosysteem van Huawei
- Bijdragers aan AI-frameworks en enthousiastelingen met interesse in modelversnelling
7 Uren