Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
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