Ευχαριστούμε που στάλθηκε η αποσαφήνισή σας! Ένα μέλος της ομάδου μας θα επικοινωνήσει μαζί σας σύντομα.
Ευχαριστούμε για την εκδήλωση κράτησης! Ένας από τους συνεργάτες μας θα επικοινωνήσει μαζί σας σύντομα.
Διάρκεια 7 Ώρες
Εξέλιξη Κομματιού
Εισαγωγή στο Οικοσύστημα Τεχνητής Νοημοσύνης της Huawei
- Υλικό τεχνητής νοημοσύνης Ascend: τσιπ 310, 910 και 910B
- MindSpore, CANN και υποστηρικτικά εργαλεία
- Ροή εργασίας ανάπτυξης τεχνητής νοημοσύνης: από την εκπαίδευση στην ανάπτυξη
Κατανόηση της Εργαλειοθήκης CANN
- Τι είναι το CANN και γιατί έχει σημασία
- Επισκόπηση βασικών στοιχείων (ATC, AscendCL, βιβλιοθήκες τελεστών)
- Ο ρόλος του CANN σε αγωγούς εξαγωγής συμπερασμάτων τεχνητής νοημοσύνης
Ξεκινώντας με MindSpore και CANN
- Εγκατάσταση περιβάλλοντος (MindSpore + CANN + Python)
- Εκπαίδευση ενός βασικού μοντέλου στο MindSpore
- Εξαγωγή και μετατροπή του μοντέλου χρησιμοποιώντας ATC
Εκτέλεση Εξαγωγής Συμπερασμάτων σε Συσκευές Ascend
- Χρήση του μοντέλου OM με AscendCL ή Python APIs
- Βασική προεπεξεργασία εισόδου/εξόδου
- Επικύρωση εξόδων μοντέλου
Εργασία με Άλλα Πλαίσια
- Επισκόπηση υποστήριξης για TensorFlow, PyTorch και ONNX
- Υποστηριζόμενοι τελεστές και περιορισμοί
- Απλή επίδειξη μετατροπής μοντέλου (π.χ. από ONNX σε OM)
Εξερεύνηση του Οικοσυστήματος Προγραμματιστών CANN και MindSpore
- Βασικοί πόροι: τεκμηρίωση, αποθετήρια GitHub, δείγματα κώδικα
- Επισκόπηση MindSpore Hub και model zoo
- Κοινοτικά φόρουμ, εκδηλώσεις και κανάλια υποστήριξης
Σύνοψη και Επόμενα Βήματα
Απαιτήσεις
- Βασική κατανόηση εννοιών μηχανικής μάθησης και βαθιάς μάθησης
- Κάποια εμπειρία προγραμματισμού με Python
- Δεν απαιτείται προηγούμενη εμπειρία με CANN ή υλικό Ascend
Κοινό
- Προγραμματιστές μηχανικής μάθησης που εξερευνούν ροές εργασίας ανάπτυξης
- Φοιτητές ή ερευνητές που είναι νέοι στο οικοσύστημα τεχνητής νοημοσύνης της Huawei
- Συνεισφέροντες σε πλαίσια τεχνητής νοημοσύνης και χομπίστες που ενδιαφέρονται για την επιτάχυνση μοντέλων
