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.
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