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
Pendahuluan Ekosistem AI Huawei
- Peralatan AI Ascend: 310, 910, dan 910B overview
- Komponen tingkat tinggi: MindSpore, CANN, AscendCL
- Posisining industri dan prinsip arsitektur
The Role of CANN in Huawei’s AI Stack
- Apa itu CANN? Tujuan dan lapisan internal SDK
- ATC, TBE, dan AscendCL: memkompilasi dan menjalankan model
- Bagaimana CANN mendukung optimisasi inferensi dan penempatan
Overview dan Arsitektur MindSpore
- Alur kerja pelatihan dan inferensi di MindSpore
- Mode grafis, PyNative, dan abstrakasi perangkat keras
- Integrasi dengan NPU Ascend melalui backend CANN
Kelanjutan Siklus Hidup AI pada Ascend: dari Pelatihan hingga Penempatan
- Pembuatan model di MindSpore atau konversi dari kerangka kerja lainnya
- Mengeksport dan mengkompilasi model menggunakan ATC
- Penempatan pada perangkat keras Ascend menggunakan model OM dan AscendCL
Perbandingan dengan Stack AI Lainnya
- MindSpore vs. PyTorch, TensorFlow: fokus dan posisining
- Alur kerja penempatan pada Ascend vs. stack berbasis GPU
- Peluang dan batasan untuk penggunaan perusahaan
Skenario Integrasi Perusahaan
- Kasus penggunaan di manufaktur cerdas, AI pemerintah, dan telekomunikasi
- Skalabilitas, kompliansi, dan pertimbangan ekosistem
- Penempatan hibrid cloud/on-prem menggunakan stack Huawei
Ringkasan dan Langkah Selanjutnya
Persyaratan
- Ketika sudah terbiasa dengan alur kerja AI atau arsitektur platform
- Memahami dasar mengenai pelatihan dan penerapan model
- Tidak perlu memiliki pengalaman praktis dengan CANN atau MindSpore
Penonton
- Evaluator dan arsitek infrastruktur platform AI
- Integretor pipeline dan DevOps AI/ML
- Manajer teknologi dan pembuat keputusan
14 Jam