Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Návrh Školení
Úvod do AI ekosystému Huawei
- Ascend AI hardware: přehled 310, 910 a 910B
- Základní komponenty: MindSpore, CANN, AscendCL
- Industriální pozice a architektonické principy
Role CANN v AI vrstvě Huawei
- Co je CANN? Cíl SDK a interní vrstvy
- ATC, TBE a AscendCL: kompilace a spuštění modelů
- Jak CANN podporuje optimalizaci inferencí a nasazení
Přehled a architektura MindSpore
- Pracovní postupy pro školení a inferenci v MindSpore
- Režim grafu, PyNative a abstrakce hardwaru
- Integrace s Ascend NPU prostřednictvím back-end CANN
AI životní cyklus na Ascend: od školení k nasazení
- Vytvoření modelu v MindSpore nebo převod ze jiných frameworků
- Export a kompilace modelů pomocí ATC
- Nasazení na Ascend hardwaru s využitím OM modelů a AscendCL
Srovnání se jinými AI vrstvami
- MindSpore vs. PyTorch, TensorFlow: zaměření a pozice
- Pracovní postupy nasazení na Ascend proti GPU-založeným vrstvám
- Možnosti a omezení pro podnikové použití
Scénáře integrace do podniku
- Případné využití ve smart manufacturing, vládním AI a telekomunikacích
- škálovatelnost, soulad s předpisy a zvažování ekosystému
- Hybridní nasazení ve cloudu nebo na místě pomocí Huawei vrstvy
Závěr a další kroky
Požadavky
- Familiarita s pracovními postupy AI nebo architekturou platformy
- Základní znalost trénování a nasazování modelů
- Není vyžadován žádný předchozí praktický zážitek s CANN nebo MindSpore
Cílová skupina
- Hodnotitelé AI platform a architekti infrastruktury
- Integrátoři AI/ML DevOps a pipeline
- Manažeři technologií a rozhodovatelé
14 hodiny