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.
Durasi 14 jam
Kerangka Materi
Pengantar Ekosistem AI Huawei
- Perangkat keras AI Ascend: ringkasan 310, 910, dan 910B
- Komponen tingkat tinggi: MindSpore, CANN, AscendCL
- Penempatan industri dan prinsip arsitektur
Peran CANN dalam Tumpukan AI Huawei
- Apa itu CANN? Tujuan SDK dan lapisan internal
- ATC, TBE, dan AscendCL: kompilasi dan eksekusi model
- Bagaimana CANN mendukung optimasi inferensi dan penerapan
Ringkasan dan Arsitektur MindSpore
- Alur kerja pelatihan dan inferensi di MindSpore
- Mode grafik, PyNative, dan abstraksi perangkat keras
- Integrasi dengan NPU Ascend melalui backend CANN
Siklus Hidup AI di Ascend: Dari Pelatihan hingga Penerapan
- Pembuatan model di MindSpore atau konversi dari kerangka kerja lain
- Ekspor dan kompilasi model menggunakan ATC
- Penerapan di perangkat keras Ascend menggunakan model OM dan AscendCL
Perbandingan dengan Tumpukan AI Lainnya
- MindSpore vs. PyTorch, TensorFlow: fokus dan penempatan
- Alur kerja penerapan di Ascend vs. tumpukan berbasis GPU
- Peluang dan batasan untuk penggunaan perusahaan
Skenario Integrasi Perusahaan
- Kasus penggunaan dalam manufaktur cerdas, AI pemerintah, dan telekomunikasi
- Skalabilitas, kepatuhan, dan pertimbangan ekosistem
- Penerapan hibrida cloud/on-prem menggunakan tumpukan Huawei
Ringkasan dan Langkah Selanjutnya
Persyaratan
- Penguasaan alur kerja AI atau arsitektur platform
- Pemahaman dasar tentang pelatihan dan penerapan model
- Tidak diperlukan pengalaman langsung sebelumnya dengan CANN atau MindSpore
Auditorium
- Penilai platform AI dan arsitek infrastruktur
- DevOps AI/ML dan integrator pipeline
- Manajer teknologi dan pengambil keputusan
