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 : aperçu des puces 310, 910 et 910B
- Composants de haut niveau : MindSpore, CANN, AscendCL
- Positionnement industriel et principes d'architecture
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
Aperçu et architecture de MindSpore
- Flux de travail d'entraînement et d'inférence dans MindSpore
- Mode graphe, PyNative et abstraction du matériel
- Intégration avec le NPU Ascend via le backend CANN
Cycle de vie de l'IA sur Ascend : de l'entraînement au déploiement
- Création de modèles dans MindSpore ou conversion à partir d'autres frameworks
- Exportation et compilation des modèles à l'aide d'ATC
- Déploiement sur le matériel Ascend à l'aide des modèles OM et AscendCL
Comparaison avec d'autres piles IA
- MindSpore vs PyTorch, TensorFlow : focus et positionnement
- Flux de déploiement sur Ascend vs piles basées sur GPU
- Opportunités et limites pour l'utilisation en entreprise
Scénarios d'intégration en entreprise
- Cas d'utilisation dans la fabrication intelligente, l'IA gouvernementale et les télécommunications
- Évolutivité, conformité et considérations relatives à l'écosystème
- Déploiement hybride cloud/sur site (on-prem) en utilisant la pile Huawei
Résumé et prochaines étapes
Pré requis
- Connaissance des flux de travail IA ou de l'architecture de plate-forme
- Compréhension de base de l'entraînement et du déploiement de modèles
- Aucune expérience pratique préalable avec CANN ou MindSpore n'est requise
Audience
- Évaluateurs de plate-formes IA et architectes d'infrastructure
- Spécialistes DevOps IA/ML et intégrateurs de pipelines
- Responsables technologiques et décideurs
14 Heures