Contattataci

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

Numero di Partecipanti


Prezzo per partecipante

Corsi in Arrivo

Categorie relative