Kerangka Materi

Pengenalan Ekosistem AI Huawei

  • Hardware AI Ascend: chip 310, 910, dan 910B
  • MindSpore, CANN, dan alat pendukung
  • Alur kerja pengembangan AI: dari pelatihan hingga penempatan

Memahami Toolkit CANN

  • Apa itu CANN dan mengapa penting
  • Tinjauan komponen inti (ATC, AscendCL, pustaka operator)
  • Peran CANN dalam pipa inferensi AI

Memulai dengan MindSpore dan CANN

  • Mengatur lingkungan (MindSpore + CANN + Python)
  • Melatih model dasar di MindSpore
  • Meng-ekspor dan mengonversi model menggunakan ATC

Menjalankan Inference pada Perangkat Ascend

  • Menggunakan model OM dengan API AscendCL atau Python
  • Pra-pemrosesan input/output dasar
  • Memvalidasi keluaran model

Bekerja dengan Framework Lain

  • Tinjauan dukungan untuk TensorFlow, PyTorch, dan ONNX
  • Operator yang didukung dan batasan
  • Demo konversi model sederhana (misalnya, dari ONNX ke OM)

Menjelajahi Ekosistem Pengembang CANN dan MindSpore

  • Sumber daya kunci: dokumentasi, repositori GitHub, kode contoh
  • Tinjauan MindSpore Hub dan zoologi model
  • Forum komunitas, acara, dan saluran dukungan

Ringkasan dan Langkah Selanjutnya

Persyaratan

  • Pengertian dasar mengenai konsep machine learning dan deep learning
  • Pengalaman berprogram dengan Python
  • Tidak memerlukan pengalaman sebelumnya dengan CANN atau perangkat keras Ascend

Penonton

  • Pengembang machine learning yang menjelajahi workflow pemasangan
  • Siswa atau peneliti baru dengan ekosistem AI Huawei
  • Kontributor framework AI dan hobbyis yang tertarik pada pengoptimalan model
 7 Jam

Jumlah Peserta


Biaya per Peserta

Kursus Mendatang

Kategori Terkait