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 14 heures
Plan du cours
Introduction à l'écosystème IA de Huawei
- Matériel IA Ascend : vue d'ensemble des 310, 910 et 910B
- Composants de haut niveau : MindSpore, CANN, AscendCL
Le rôle de CANN dans la pile IA de Huawei
- Qu'est-ce que CANN ? Objectif du SDK et couches internes
- ATC, TBE et AscendCL : compilation et exécution des modèles
- Comment CANN soutient l'optimisation de l'inférence et le déploiement
Vue d'ensemble et architecture de MindSpore
- Flux de travail d'entraînement et d'inférence dans MindSpore
- Mode graphe, PyNative et abstraction matérielle
- Intégration avec le NPU Ascend via l'arrière-plan CANN
Cycle de vie de l'IA sur Ascend : de l'entraînement au déploiement
- Création de modèles dans MindSpore ou conversion depuis d'autres frameworks
- Exportation et compilation des modèles à l'aide d'ATC
- Déploiement sur le matériel Ascend à l'aide de modèles OM et AscendCL
Comparaison avec d'autres piles IA
- MindSpore vs. PyTorch, TensorFlow : points focalisés et positionnement
- Flux de déploiement sur Ascend vs. piles basées sur GPU
- Opportunités et limitations pour l'usage en entreprise
Scénarios d'intégration en entreprise
- Cas d'usage dans la fabrication intelligente, l'IA gouvernementale et les télécommunications
- Scalabilité, conformité et considérations relatives à l'écosystème
- Déploiement hybride cloud/on-premise à l'aide de la pile Huawei
Résumé et prochaines étapes
Pré requis
- Connaissance des flux de travail IA ou de l'architecture des plateformes
- Comprend de base de l'entraînement et du déploiement de modèles
- Aucune expérience pratique préalable de CANN ou de MindSpore n'est requise
Public cible
- Évaluateurs de plateformes IA et architectes d'infrastructure
- Managers technologiques et décideurs
