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.
Продължителност 14 часa
Съдържание и теми, включени в курса
Въведение в AI екосистемата на Huawei
- Преглед на AI хардуера Ascend: 310, 910 и 910B
- Високо ниво на компонентите: MindSpore, CANN, AscendCL
- Позициониране в индустрията и архитектурни принципи
Ролята на CANN в AI стека на Huawei
- Какво е CANN? Предназначение на SDK и вътрешни слоеве
- ATC, TBE и AscendCL: компилиране и изпълнение на модели
- Как CANN подпомага оптимизацията на инференцията и внедряването
Преглед и архитектура на MindSpore
- Работни процеси за обучение и инференция в MindSpore
- Режим Graph, PyNative и абстракция на хардуера
- Интеграция с Ascend NPU чрез CANN бекенда
Жизнен цикъл на AI върху Ascend: от обучение до внедряване
- Създаване на модели в MindSpore или конвертиране от други рамки
- Експортиране и компилиране на модели с помощта на ATC
- Внедряване върху хардуера Ascend с помощта на OM модели и AscendCL
Сравнение с други AI стекове
- MindSpore срещу PyTorch, TensorFlow: фокус и позициониране
- Работни процеси за внедряване върху Ascend срещу стекове, базирани на GPU
- Възможности и ограничения за корпоративна употреба
Сценарии за корпоративна интеграция
- Случаи на употреба в интелигентното производство, правителствения AI и телекомуникациите
- Съображения за мащабируемост, съответствие с регулациите и екосистемата
- Хибридно внедряване в облак/локално с помощта на стека на Huawei
Обобщение и следващи стъпки
Изисквания
- Запознатост с AI работните процеси или платформената архитектура
- Основно разбиране за обучението и внедряването на модели
- Не се изисква предварителен практически опит с CANN или MindSpore
Аудитория
- Оценители на AI платформи и архитекти на инфраструктурата
- AI/ML DevOps и интегратори на конвейери
- Технологични мениджъри и лица, вземащи решения
