Plan du cours

Introduction à l'écosystème AI de Huawei

  • Hardware Ascend AI : aperçu des modèles 310, 910 et 910B
  • Composants de haut niveau : MindSpore, CANN, AscendCL
  • Positionnement industriel et principes architecturaux

Le rôle de CANN dans la pile AI de Huawei

  • Qu'est-ce que CANN ? Objectifs du SDK et couches internes
  • ATC, TBE et AscendCL : compilation et exécution des modèles
  • Comment CANN supporte l'optimisation de l'inférence et le déploiement

Aperçu et architecture de MindSpore

  • Flux de travail pour la formation et l'inférence dans MindSpore
  • Mode graphique, PyNative et abstraction matérielle
  • Intégration avec le NPU Ascend via le backend CANN

Cycle de vie AI sur Ascend : Formation à Déploiement

  • Création de modèles dans MindSpore ou conversion d'autres cadres
  • Export et compilation des modèles avec ATC
  • Déploiement sur le matériel Ascend en utilisant les modèles OM et AscendCL

Comparaison avec d'autres piles AI

  • MindSpore vs PyTorch, TensorFlow : focus et positionnement
  • Flux de travail pour le déploiement sur Ascend vs piles basées sur GPU
  • Opportunités et limitations pour l'utilisation par les entreprises

Scénarios d'intégration dans les entreprises

  • Cas d'utilisation dans la fabrication intelligente, l'IA gouvernementale et les télécommunications
  • Scalabilité, conformité et considérations écosystémiques
  • Déploiement hybride cloud/local en utilisant la pile Huawei

Résumé et prochains pas

Pré requis

  • Familiarité avec les workflows ou l'architecture de plateforme IA
  • Compréhension de base du entraînement et déploiement des modèles
  • Aucune expérience pratique antérieure avec CANN ou MindSpore n'est requise

Public cible

  • Évaluateurs de plateformes IA et architectes d'infrastructure
  • Intégrateurs de pipelines AI/ML DevOps
  • Responsables technologiques et décideurs
 14 Heures

Nombre de participants


Prix ​​par Participant

Cours à venir

Catégories Similaires