Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Durée 7 heures
Plan du cours
Introduction à l'écosystème IA de Huawei
- Matériel IA Ascend : puces 310, 910 et 910B
- MindSpore, CANN et outils d'accompagnement
- Flux de travail de développement IA : de l'entraînement au déploiement
Comprendre le kit CANN
- Qu'est-ce que CANN et pourquoi c'est important
- Vue d'ensemble des composants principaux (ATC, AscendCL, bibliothèques d'opérateurs)
- Rôle de CANN dans les pipelines d'inférence IA
Démarrer avec MindSpore et CANN
- Configuration de l'environnement (MindSpore + CANN + Python)
- Entraînement d'un modèle de base dans MindSpore
- Exportation et conversion du modèle à l'aide d'ATC
Exécution de l'inférence sur les dispositifs Ascend
- Utilisation du modèle OM avec AscendCL ou les API Python
- Prétraitement et post-traitement de base des entrées/sorties
- Validation des sorties du modèle
Travailler avec d'autres frameworks
- Vue d'ensemble de la prise en charge de TensorFlow, PyTorch et ONNX
- Opérateurs pris en charge et limites
- Démonstration simple de conversion de modèle (par exemple, de ONNX vers OM)
Explorer l'écosystème de développeurs CANN et MindSpore
- Ressources clés : documentation, dépôts GitHub, code d'exemple
- Vue d'ensemble du MindSpore Hub et de la zoo de modèles
- Forums communautaires, événements et canaux de support
Résumé et prochaines étapes
Pré requis
- Comprendre les bases du machine learning et du deep learning
- Expérience de programmation avec Python
- Aucune expérience préalable avec CANN ou le matériel Ascend n'est requise
Public cible
- Développeurs en machine learning explorant les flux de déploiement
- Étudiants ou chercheurs nouvellement arrivés dans l'écosystème IA de Huawei
- Contributeurs à des frameworks IA et passionnés intéressés par l'accélération des modèles
