Hubungi Kami

Kerangka Materi

Pengantar Ekosistem AI dari Huawei

  • Perangkat keras AI Ascend: chip seri 310, 910, dan 910B
  • MindSpore, CANN, serta alat pendukung lainnya
  • Alur kerja pengembangan AI: mulai dari pelatihan hingga penyebaran

Memahami Paket Alat CANN

  • Apa itu CANN dan mengapa alat ini penting?
  • Ringkasan komponen utamanya (ATC, AscendCL, serta perpustakaan operator)
  • Peran CANN dalam proses inferensi model AI

Memulai Penggunaan MindSpore dan CANN

  • Konfigurasi lingkungan kerja (MindSpore + CANN + Python)
  • Melatih model dasar dengan MindSpore
  • Mengonversi dan mengekspor model menggunakan ATC

Menjalankan Proses Inferensi pada Perangkat Ascend

  • Penggunaan format OM bersama AscendCL maupun API Python
  • Pengolahan awal data input/output
  • Validasi hasil eksekusi model

Bekerja dengan Kerangka Kerja Lainnya

  • Gambaran umum dukungan untuk TensorFlow, PyTorch, dan ONNX
  • Operator yang didukung serta keterbatasannya
  • Demonstrasi konversi model sederhana (misalnya dari format ONNX ke OM)

Menjelajahi Ekosistem Pengembang CANN dan MindSpore

  • Sumber daya utama: dokumentasi, repositori GitHub, serta kode contoh
  • Gambaran singkat tentang MindSpore Hub dan koleksi model yang tersedia
  • Forum komunitas, acara-acara, serta saluran dukungan teknis

Penutup dan Langkah Selanjutnya

Persyaratan

  • Pemahaman dasar mengenai konsep machine learning dan deep learning
  • Pengalaman pemrograman menggunakan Python
  • Tidak diperlukan pengalaman sebelumnya dengan CANN maupun perangkat keras Ascend

Target Peserta

  • Para pengembang machine learning yang tertarik dengan alur kerja penyebaran model
  • Mahasiswa atau peneliti yang baru mengenal ekosistem AI dari Huawei
  • Kontributor kerangka kerja AI serta para pecinta teknologi yang ingin meningkatkan kecepatan eksekusi model
 7 Jam

Jumlah Peserta


Harga per Peserta

Kursus Mendatang

Kategori Terkait