Cursusaanbod

Inleiding tot het AI-ecosysteem van Huawei

  • Ascend AI-hardware: 310-, 910- en 910B-chips
  • MindSpore, CANN, en ondersteunende tools
  • AI-ontwikkelingswerkstroom: training tot implementatie

Onderzoek van de CANN Toolkit

  • Wat is CANN en waarom is het belangrijk
  • Overzicht van de kerncomponenten (ATC, AscendCL, operatorbibliotheken)
  • Rol van CANN in AI-inferentiepijplijnen

Begin met MindSpore en CANN

  • Omgeving instellen (MindSpore + CANN + Python)
  • Training van een basismodel in MindSpore
  • Model exporteren en converteren met behulp van ATC

Inferentie uitvoeren op Ascend-apparaten

  • Het OM-model gebruiken met AscendCL- of Python-API's
  • Basisinvoer/uitvoerverwerking
  • Modeluitvoeren valideren

Werken met andere frameworks

  • Overzicht van ondersteuning voor TensorFlow, PyTorch en ONNX
  • Ondersteunde operators en beperkingen
  • Eenvoudige modelconversiedemonstratie (bijvoorbeeld van ONNX naar OM)

Onderzoek van het CANN- en MindSpore-ontwikkelaarsecosysteem

  • Belangrijke bronnen: documentatie, GitHub-repository's, voorbeeldcode
  • Overzicht van MindSpore Hub en modelzoo
  • Communityforums, evenementen en ondersteuningskanalen

Samenvatting en volgende stappen

Vereisten

  • Basiskennis van machine learning en deep learning concepten
  • Enkele programmeervaring met Python
  • Geen voorkennis met CANN of Ascend hardware vereist

Publiek

  • Machine learning ontwikkelaars die de implementatieworkflows verkennen
  • Studenten of onderzoekers nieuw in het Huawei AI ecosysteem
  • AI-framework bijdragers en hobbyisten geïnteresseerd in modelversnelling
 7 Uren

Aantal deelnemers


Prijs Per Deelnemer

Voorlopige Aankomende Cursussen

Gerelateerde categorieën