Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
Съдържание и теми, включени в курса
Въведение в AI екосистемата на Huawei
- AI хардуер Ascend: чипове 310, 910 и 910B
- MindSpore, CANN и поддържащи инструменти
- Работен процес за AI разработка: от обучение до внедряване
Разбиране на инструментариума CANN
- Какво представлява CANN и защо има значение
- Преглед на основните компоненти (ATC, AscendCL, операторни библиотеки)
- Ролята на CANN в поточните линии за AI изводи
Първи стъпки с MindSpore и CANN
- Настройка на средата (MindSpore + CANN + Python)
- Обучение на базов модел в MindSpore
- Експортиране и конвертиране на модела с помощта на ATC
Изпълнение на изводи на устройства Ascend
- Използване на OM модела с AscendCL или Python API
- Основна предварителна обработка на входни/изходни данни
- Валидиране на изходите на модела
Работа с други рамки
- Преглед на поддръжката за TensorFlow, PyTorch и ONNX
- Поддържани оператори и ограничения
- Проста демонстрация на конвертиране на модел (от ONNX към OM)
Изследване на екосистемата за разработчици на CANN и MindSpore
- Ключови ресурси: документация, хранилища в GitHub, примерен код
- Преглед на MindSpore Hub и зоопарка с модели
- Обществени форуми, събития и канали за поддръжка
Обобщение и следващи стъпки
Изисквания
- Основно разбиране на концепциите за машинно обучение и дълбоко обучение
- Известен опит в програмирането с Python
- Не се изисква предишен опит с CANN или хардуер Ascend
Аудитория
- Разработчици в областта на машинното обучение, проучващи работни потоци за внедряване
- Студенти или изследователи, които са нови в AI екосистемата на Huawei
- Сътрудници и любители в областта на AI рамките, интересуващи се от ускоряване на модели
7 Часа