Επικοινωνήστε μαζί μας

Εξέλιξη Κομματιού

Εισαγωγή στην Πλατφόρμα Huawei Ascend

  • Επισκόπηση της αρχιτεκτονικής και του οικοσυστήματος Ascend
  • Επισκόπηση των MindSpore και CANN
  • Περιπτώσεις χρήσης και συνάφεια με τη βιομηχανία

Εγκατάσταση του Περιβάλλοντος Ανάπτυξης

  • Εγκατάσταση της εργαλειοθήκης CANN και του MindSpore
  • Χρήση των ModelArts και CloudMatrix για ενορχήστρωση έργων
  • Δοκιμή του περιβάλλοντος με δειγματικά μοντέλα

Ανάπτυξη Μοντέλων με MindSpore

  • Ορισμός και εκπαίδευση μοντέλων στο MindSpore
  • Διαχείριση ροών δεδομένων και μορφοποίηση συνόλων δεδομένων
  • Εξαγωγή μοντέλων σε μορφή συμβατή με Ascend

Βελτιστοποίηση Απόδοσης σε Ascend

  • Σύντηξη τελεστών και προσαρμοσμένα kernels
  • Στρατηγική πλακιδίων (tiling) και χρονοπρογραμματισμός AI Core
  • Εργαλεία συγκριτικής αξιολόγησης και καταγραφής προφίλ

Στρατηγικές Ανάπτυξης

  • Συγκριτικά πλεονεκτήματα ανάπτυξης σε edge έναντι cloud
  • Χρήση του MindX SDK για ανάπτυξη
  • Ενοποίηση με ροές εργασίας CloudMatrix

Αποσφαλμάτωση και Παρακολούθηση

  • Χρήση του Profiler και του AiD για ανίχνευση
  • Αποσφαλμάτωση σφαλμάτων εκτέλεσης
  • Παρακολούθηση χρήσης πόρων και ρυθμού απόδοσης

Μελέτη Περίπτωσης και Ενσωμάτωση Εργαστηρίου

  • Ανάπτυξη πλήρους διαδικασίας με χρήση MindSpore
  • Εργαστήριο: Δημιουργία, βελτιστοποίηση και ανάπτυξη ενός μοντέλου σε Ascend
  • Σύγκριση απόδοσης με άλλες πλατφόρμες

Σύνοψη και Επόμενα Βήματα

Απαιτήσεις

  • Κατανόηση των νευρωνικών δικτύων και των ροών εργασίας τεχνητής νοημοσύνης
  • Εμπειρία στον προγραμματισμό Python
  • Εξοικείωση με τις διαδικασίες εκπαίδευσης και ανάπτυξης μοντέλων

Κοινό

  • Μηχανικοί τεχνητής νοημοσύνης
  • Επιστήμονες δεδομένων που εργάζονται με το stack τεχνητής νοημοσύνης της Huawei
  • Προγραμματιστές μηχανικής μάθησης που χρησιμοποιούν Ascend και MindSpore
 21 Ώρες

Αριθμός συμμετέχοντων


Τιμή ανά συμμετέχοντα

Σχόλια (1)

Εφεξής Μαθήματα

Σχετικές Κατηγορίες