План на курса

Въведение в екосистемата на Huawei за изкуствен интелект

  • Преглед на хардуера за изкуствен интелект Ascend: 310, 910 и 910B
  • Основни компоненти: MindSpore, CANN, AscendCL
  • Позициониране в индустрията и принципи на архитектура

Ролята на CANN в стъка на Huawei за изкуствен интелект

  • Кой е CANN? Цел и вътрешни слоеве на SDK
  • ATC, TBE и AscendCL: компилиране и изпълнение на модели
  • Как CANN подкрепя оптимизацията на извода и развертането

Обзор и архитектура на MindSpore

  • Работни процеси за обучение и извод в MindSpore
  • Графов режим, PyNative и абстракция на хардуер
  • Интеграция с Ascend NPU чрез CANN бекенд

Жизнен цикъл на изкуствен интелект на Ascend: от обучение до развертане

  • Създаване на модели в MindSpore или преобразуване от други рамки
  • Експортиране и компилиране на модели с ATC
  • Развертане на хардуера Ascend с OM модели и AscendCL

Сравнение с други стъкове за изкуствен интелект

  • MindSpore vs. PyTorch, TensorFlow: фокус и позициониране
  • Работни процеси за развертане на Ascend vs. GPU-основани стъкове
  • Возможности и ограничения за корпоративно използване

Сценарии за интеграция в корпоративна среда

  • Приложения в интелигентно производство, правителствен изкуствен интелект и телеком
  • Мащабируемост, съответствие на стандартите и разглеждания на екосистемата
  • Хибридно развертане в облак/на място с Huawei стък

Резюме и следващи стъпки

Изисквания

  • За известност с процесите на AI или архитектура на платформата
  • Основно разбиране в обучение и развертане на модели
  • Не е необходим предходен опитен опит с CANN или MindSpore

Целева аудитория

  • Оценчители на AI платформи и архитектори на инфраструктура
  • Интегратори на AI/ML DevOps и канали
  • Мениджъри и лидери на технологични решения
 14 часа

Брой участници


Цена за участник

Предстоящи Курсове

Свързани Kатегории