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 all’ecosistema AI di Huawei
- Hardware AI Ascend: chip 310, 910 e 910B
- MindSpore, CANN e strumenti correlati
- Flusso di lavoro per lo sviluppo AI: dall’addestramento alla distribuzione
Comprensione del toolkit CANN
- Cos’è CANN e perché è importante
- Panoramica dei componenti principali (ATC, AscendCL, librerie di operatori)
- Ruolo di CANN nei processi di inferenza AI
Prime operazioni con MindSpore e CANN
- Configurazione dell’ambiente (MindSpore + CANN + Python)
- Addestramento di un modello base in MindSpore
- Esportazione e conversione del modello tramite ATC
Esecuzione dell’inferenza su dispositivi Ascend
- Utilizzo del modello OM con AscendCL o le API Python
- Pre-elaborazione di base degli input e output
- Verifica dei risultati forniti dal modello
Lavoro con altri framework
- Panoramica del supporto per TensorFlow, PyTorch e ONNX
- Operatori supportati e loro limitazioni
- Dimostrazione pratica sulla conversione di un modello (ad esempio da ONNX a OM)
Esplorazione dell’ecosistema degli sviluppatori CANN e MindSpore
- Risorse principali: documentazione, repository GitHub, esempi di codice
- Presentazione di MindSpore Hub e del modello zoo
- Forum della comunità, eventi e canali di supporto
Riassunto e prossimi passi
Requisiti
- Conoscenza di base dei concetti legati al machine learning e al deep learning
- Esperienza di programmazione con Python
- Non è richiesta alcuna esperienza pregressa con CANN o con l’hardware Ascend
Destinatari del corso
- Sviluppatori di machine learning che desiderano approfondire i flussi di lavoro per la distribuzione dei modelli
- Studenti o ricercatori alle prime armi nell’ecosistema AI di Huawei
- Collaboratori di framework AI e appassionati interessati all’accelerazione dei modelli
7 ore