Εξέλιξη Κομματιού

Εισαγωγή στην πλατφόρμα Huawei Ascend

  • Γενική εξέταση της αρχιτεκτονικής και οικοσυστήματος Ascend
  • Γενική εξέταση του MindSpore και CANN
  • Χρησιμοποιίες περιπτώσεις και σχετικότητα με τη βιομηχανία

Καθιέρωση του περιβάλλοντος ανάπτυξης

  • Εγκατάσταση εργαλείου CANN και MindSpore
  • Χρήση ModelArts και CloudMatrix για τον συντονισμό προ젝της
  • Δοκιμή του περιβάλλοντος με δείγματα μοντέλων

Ανάπτυξη μοντέλου με MindSpore

  • Ορισμός και εκπαίδευση των μοντέλων στο MindSpore
  • Διαχείριση δεδομένων και διάτυπωση συστήματος δεδομένων
  • Εξαγωγή των μοντέλων σε σύμβατη μορφή Ascend

Βελτιστοποίηση απόδοσης στο Ascend

  • Συνδυασμός τεχνικών και προσαρμοσμένων πυρήνων
  • Στρατηγική ταξινόμησης και σχεδιασμός AI Core
  • Εργαλεία μέτρησης προδιαγράφων και προφίλ υπολογισμών

Στρατηγικές εφαρμογής

  • Μελετή των πλεονεκτιών και αποδοχής της εφαρμογής σε edge vs cloud
  • Χρήση MindX SDK για εφαρμογή
  • Συνέχεια συνδυασμού με τους προσδιορισμούς CloudMatrix

Δοκιμή και Μετρητής

  • Χρήση Profiler και AiD για ενδείξεις
  • Δοκιμή αποτυχιών χρονικής διάρκειας
  • Επίβλεψη των πόρων και του διαθέσιμου πλάτους συμμετοχής

Μελέτη περιπτώσεων και ολοκλήρωση του laboratory

  • Πλήρης ανάπτυξη σύμβατης σε MindSpore
  • Laboratorium: κατασκευή, βελτιστοποίηση και εφαρμογή μοντέλου στο Ascend
  • Σύγκριση απόδοσης με άλλες πλατφόρμες

Περίληψη και επόμενες βήματα

Απαιτήσεις

  • Σύνοψη των νευρωνικών δικτύων και των προσδιορισμών ΤΕΝ
  • Εμπειρία στην προγραμματισμό Python
  • Γνώση των μοντέλων εκπαίδευσης και κατασκευής συμβάτων

Ακροατήριο

  • Μηχανικοί ΤΕΝ
  • Επιστήμονες δεδομένων που εργάζονται με το στιβάδι Huawei AI
  • Αναπτυξείς ML (Μηχανική Μάθηση) που χρησιμοποιούν Ascend και MindSpore
 21 Ώρες

Αριθμός συμμετέχοντων


Τιμή ανά συμμετοχαστή

Σχόλια (1)

Εφεξής Μαθήματα

Σχετικές Κατηγορίες