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: 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