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.
Plan du cours
Introduction à l'écosystème IA de Huawei
- Matériel IA Ascend : puces 310, 910 et 910B
- MindSpore, CANN et outils pris en charge
- Flux de développement IA : de l'entraînement au déploiement
Compréhension de la boîte à outils CANN
- Qu'est-ce que le CANN et pourquoi est-il important ?
- Aperçu des composants principaux (ATC, AscendCL, bibliothèques d'opérateurs)
- Rôle du CANN dans les pipelines d'inférence IA
Premiers pas avec MindSpore et CANN
- Configuration de l'environnement (MindSpore + CANN + Python)
- Entraînement d'un modèle de base avec MindSpore
- Exportation et conversion du modèle à l'aide d'ATC
Exécution de l'inférence sur les appareils Ascend
- Utilisation du modèle OM avec AscendCL ou les API Python
- Prétraitement de base des entrées/sorties
- Validation des sorties du modèle
Travailler avec d'autres frameworks
- Aperçu du support pour TensorFlow, PyTorch et ONNX
- Opérateurs pris en charge et limitations
- Démonstration simple de conversion de modèle (par exemple, de ONNX à OM)
Exploration de l'écosystème développeur CANN et MindSpore
- Ressources clés : documentation, dépôts GitHub, code d'exemple
- Aperçu de MindSpore Hub et de la zoo de modèles
- Forums communautaires, événements et canaux de support
Résumé et prochaines étapes
Pré requis
- Compréhension de base des concepts d'apprentissage automatique et d'apprentissage profond
- Une certaine expérience en programmation avec Python
- Aucune expérience préalable avec CANN ou le matériel Ascend n'est requise
Public cible
- Développeurs en apprentissage automatique explorant les flux de déploiement
- Étudiants ou chercheurs nouveaux dans l'écosystème IA de Huawei
- Contributeurs à des frameworks IA et passionnés intéressés par l'accélération des modèles
7 Heures