Plan du cours

Introduction à la plateforme Huawei Ascend

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

Configuration de l'environnement de développement

  • Installation du kit de outils CANN et 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 des modèles dans MindSpore
  • Pipelines de données et mise en forme des jeux de données
  • Exportation des modèles au format compatible Ascend

Optimisation des performances sur Ascend

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

Stratégies de déploiement

  • Avantages et inconvénients entre le déploiement en périphérie et dans le cloud
  • Utilisation du SDK MindX pour le déploiement
  • Intégration avec les workflows de CloudMatrix

Débogage et surveillance

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

Étude de cas et intégration du laboratoire

  • Développement de la chaîne complète en utilisant MindSpore
  • Laboratoire : Construction, optimisation et déploiement d'un modèle sur Ascend
  • Comparaison des performances avec d'autres plateformes

Résumé et prochaines étapes

Pré requis

  • Une compréhension des réseaux neuronaux et des flux de travail de l'IA
  • Expérience avec Python programmation
  • Familiarité avec les pipelines de formation et déploiement de modèles

Public cible

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

Nombre de participants


Prix ​​par Participant

Nos clients témoignent (1)

Cours à venir

Catégories Similaires