Plan du cours

Introduction à la plateforme Huawei Ascend

  • Aperçu de l'architecture et de l'écosystème Ascend
  • Présentation de MindSpore et CANN
  • Cas d'utilisation et pertinence sectorielle

Configuration de l'environnement de développement

  • Installation du kit CANN et de MindSpore
  • Utilisation de ModelArts et CloudMatrix pour l'orchestration des projets
  • Test de l'environnement avec des modèles d'exemple

Développement de modèles avec MindSpore

  • Définition et entraînement de modèles dans MindSpore
  • Pipelines de données et formatage des jeux de données
  • Exportation des modèles au format compatible Ascend

Optimisation des performances sur Ascend

  • Fusion d'opérateurs et noyaux personnalisés
  • Stratégie de tiling et planification AI Core
  • Outils de benchmarking et de profilage

Stratégies de déploiement

  • Avantages et inconvénients du déploiement d'edge versus cloud
  • Utilisation du SDK MindX pour le déploiement
  • Intégration avec les workflows CloudMatrix

Débogage et surveillance

  • Utilisation de Profiler et AiD pour le traçage
  • Débogage des échecs d'exécution
  • Surveillance de l'utilisation des ressources et du débit

Étude de cas et intégration en laboratoire

  • Développement complet d'un pipeline avec MindSpore
  • Lab : Construire, optimiser et déployer un modèle sur Ascend
  • Comparaison des performances avec d'autres plateformes

Synthèse et étapes suivantes

Pré requis

  • Une compréhension des réseaux neuronaux et des workflows d'IA
  • Expérience en programmation Python
  • Familiarité avec les pipelines d'entraînement et de déploiement de modèles

Public cible

  • Ingénieurs d'IA
  • Scientifiques des données travaillant avec la pile Huawei AI
  • Développeurs ML utilisant Ascend et MindSpore
 21 Heures

Nombre de participants


Prix ​​par Participant

Nos clients témoignent (1)

Cours à venir

Catégories Similaires