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
- AI hardwar Ascend: přehled modelů 310, 910 a 910B.
- Komponenty vyšší úrovně: MindSpore, CANN, AscendCL.
- Pozice na trhu a architektonické principy.
Role CANN v AI stacku Huawei
- Co je CANN? Účel SDK a vnitřní vrstvy.
- ATC, TBE a AscendCL: kompilace a spouštění modelů.
- Jak CANN podporuje optimalizaci inferenci a nasazení.
Přehled a architektura MindSpore
- Pracovní toky trénování a inferenci v MindSpore.
- Grafický režim, PyNative a abstrakce hardwaru.
- Integrace s Ascend NPU prostřednictvím backendu CANN.
Životní cyklus AI na Ascendu: od trénování k nasazení
- Vytváření modelů v MindSpore nebo konverze z jiných frameworků.
- Export a kompilace modelů pomocí ATC.
- Nasazení na hardwar Ascend pomocí OM modelů a AscendCL.
Srovnání s jinými AI stacky
- MindSpore vs. PyTorch, TensorFlow: zaměření a pozice na trhu.
- Toky nasazování na Ascendu vs. GPU-based stacky.
- Příležitosti a omezení pro podnikové využití.
Scénáře podnikové integrace
- Použití v chytré výrobě, vládě a telekomunikacích.
- škálovatelnost, soulad s předpisy a zohlednění ekosystému.
- Hybridní nasazení cloud/lokální pomocí stacku Huawei.
Shrnutí a další kroky
Požadavky
- Známost AI pracovních toků nebo architektury platformy.
- Základní pochopení trénování a nasazování modelů.
- Není nutná předchozí praktická zkušenost s CANN nebo MindSpore.
Cílová skupina
- Odhadovatelé AI platforem a architekti infrastruktury.
- AI/ML DevOps inženýři a integrátoři pracovních toků.
- Technologičtí manažeři a rozhodovající osoby.
14 Hodiny
