Grazie per aver inviato la tua richiesta! Uno dei nostri team membri ti contatterà a breve.
Grazie per aver inviato il tuo prenotazione! Uno dei nostri team membri ti contatterà a breve.
Struttura del corso
Introduzione alla piattaforma Huawei Ascend
- Panoramica sull’architettura e sull’ecosistema Ascend
- Presentazione di MindSpore e CANN
- Esempi d’uso pratici e rilevanza nel settore
Configurazione dell’ambiente di sviluppo
- Installazione del toolkit CANN e di MindSpore
- Utilizzo di ModelArts e CloudMatrix per la gestione dei progetti
- Verifica funzionante dell’ambiente tramite modelli di esempio
Sviluppo dei modelli con MindSpore
- Definizione e addestramento dei modelli in MindSpore
- Creazione di pipeline dati e formattazione dei set di informazioni
- Esportazione dei modelli nel formato compatibile con Ascend
Ottimizzazione delle prestazioni su piattaforma Ascend
- Fusione di operatori e sviluppo di kernel personalizzati
- Strategie di tiling e gestione efficiente delle risorse dell’AI Core
- Strumenti per il benchmarking e l’analisi prestazionale dei modelli
Strategie di distribuzione dei modelli
- Confronto tra le opzioni di implementazione edge e cloud
- Impiego dello SDK MindX per il rilascio dei prodotti in produzione
- Integrazione con i flussi di lavoro forniti da CloudMatrix
Attività di debug e monitoraggio dei modelli
- Utilizzo degli strumenti Profiler e AiD per il tracciamento delle operazioni
- Diagnosi e risoluzione dei problemi verificatisi in fase di esecuzione
- Controllo costante dell’utilizzo delle risorse hardware e della velocità operativa
Studio di caso ed integrazione laboratoriale
- Realizzazione completa di una pipeline AI sfruttando MindSpore
- Laboratorio: progettazione, ottimizzazione e distribuzione finale di un modello su Ascend
- Confronto analitico delle prestazioni ottenute in relazione ad altre piattaforme concorrenti
Sintesi finale e prospettive future
Requisiti
- Conoscenza di base sui modelli neurali e sulle pipeline di lavoro legate all’AI
- Esperienza nella programmazione con Python
- Familiarità con i processi di addestramento e distribuzione dei modelli
Destinatari
- Ingegneri specializzati in intelligenza artificiale
- Scienziati dei dati che utilizzano la piattaforma AI di Huawei
- Sviluppatori di machine learning attivi con Ascend e MindSpore
21 ore
Recensioni (1)
Ho acquisito una conoscenza riguardante la libreria Streamlit di Python e sicuramente cercherò di utilizzarla per migliorare le applicazioni del mio team, che sono sviluppate con R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Corso - GitHub Copilot for Developers
Traduzione automatica