Terima kasih telah mengirimkan pertanyaan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Terima kasih telah mengirimkan pemesanan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
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