Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Dauer 7 Stunden
Schulungsübersicht
Einführung in Huaweis KI-Ökosystem
- Ascend-KI-Hardware: 310-, 910- und 910B-Chips
- MindSpore, CANN und unterstützende Tools
- KI-Entwicklungsworkflow: Von der Trainingsphase bis zur Bereitstellung
Das CANN-Toolkit verstehen
- Was ist CANN und warum ist es wichtig
- Übersicht über die Kernkomponenten (ATC, AscendCL, Operator-Bibliotheken)
- Rolle von CANN in KI-Inferenz-Pipelines
Erste Schritte mit MindSpore und CANN
- Einrichtung der Umgebung (MindSpore + CANN + Python)
- Training eines grundlegenden Modells in MindSpore
- Exportieren und Konvertieren des Modells mit ATC
Inferenz auf Ascend-Geräten durchführen
- Verwenden des OM-Modells mit AscendCL oder Python-APIs
- Grundlegende Eingabe-/Ausgabe-Vorverarbeitung
- Validierung der Modelloutputs
Arbeit mit anderen Frameworks
- Überblick über die Unterstützung von TensorFlow, PyTorch und ONNX
- Unterstützte Operatoren und Einschränkungen
- Einfache Modellkonversionsdemo (z. B. von ONNX zu OM)
Das Entwickler-Ökosystem von CANN und MindSpore erkunden
- Wichtige Ressourcen: Dokumentation, GitHub-Repositories, Beispielcode
- Überblick über MindSpore Hub und Modellzoo
- Community-Foren, Veranstaltungen und Support-Kanäle
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundlegendes Verständnis von Machine-Learning- und Deep-Learning-Konzepten
- Einige Programmiererfahrung mit Python
- Keine Vorkenntnisse in CANN oder Ascend-Hardware erforderlich
Zielgruppe
- Machine-Learning-Entwickler, die Bereitstellungs-Workflows erkunden
- Studierende oder Forscher, die mit Huaweis KI-Ökosystem vertraut sind
- KI-Framework-Beitragende und Hobbyisten, die sich für Modellbeschleunigung interessieren
